pytorch学习笔记（五）

pytorch学习笔记（五）——综合实践

以一个完整的多分类项目为例，构建简单的CNN网络，对FashionMNIST数据集分类

导入库

import torch
from torch import nn
import torchvision
from torchvision import datasets
from torchvision.transforms import ToTensor
import matplotlib.pyplot as plt

得到数据集

# 包含 10 类时尚物品的灰度图像数据集，每张图像的大小为 28x28 像素
train_data = datasets.FashionMNIST(
	root = "data", # 表示数据集将存储在当前目录下的 data 文件夹中
    train = True, # 指定是否加载训练集，如果为 False，则加载测试集
    download = True, # 如果数据集不存在，则自动下载
    transform = ToTensor(), # 图像数据转换为Tensor
    target_transform = None # 表示不对标签数据进行任何转换
)

test_data = datasets.FashionMNIST(
	root = 'data',
	train = False,
	download = True,
    transform = ToTensor()
)

可视化

image, label = train_data[0] # 查看第一张图片
plt.imshow(image.squeeze())
plt.title(label)

class_names = train_data.classes
# 从数据集中随机选取16张图片展示
for i in range(1,17):
  # 随机生成图片序号
  random_idx = torch.randint(0, len(train_data), size = [1]).item()
  img, label = train_data[random_idx]
  # 在fig中添加一个4*4的子图，用于显示当前图像
  fig.add_subplot(4, 4, i)
  plt.imshow