线性神经网络--Fashion-MNIST数据集读取显示

最新推荐文章于 2025-06-20 20:25:00 发布

原创

最新推荐文章于 2025-06-20 20:25:00 发布 · 2.3k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#神经网络 #分类 #机器学习

本文介绍了如何使用线性神经网络处理Fashion-MNIST数据集，涵盖了图像的读取和显示，以及小批量数据的读取方法，为机器学习分类任务提供基础。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

读取和显示图像

import torch
from d2l import torch as d2l
from torch.utils import data
import matplotlib.pyplot as plt
import torchvision
from torchvision import transforms

def get_fashion_mnist_labels(labels):
    """返回Fashion-MNIST数据集的⽂本标签。这里做了数字到字符串映射"""
    text_labels = ['t-shirt', 'trouser', 'pullover', 'dress', 'coat', 'sandal', 'shirt','sneaker', 'bag', 'ankle boot']
    return [text_labels[int(i)] for i in labels]

#img 表示要描画的图像数据,row&cols 分别表示要画面几行几列，scale表示缩放比例
def show_images(imgs, num_rows, num_cols, titles=None, scale=1.5):
    """Plot a list of images."""
    figsize = (num_cols * scale, num_rows * scale)
    _, axes = d2l.plt.subplots(num_rows, num_cols, figsize=figsize)
    axes = axes.flatten()
    for i, (ax, img) in enumerate(zip(axes, imgs)):
        if torch.is_tensor(img)