Pytorch实战(一) FashionMNIST数据集分离类

最新推荐文章于 2024-04-12 16:10:37 发布

原创

最新推荐文章于 2024-04-12 16:10:37 发布 · 374 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #人工智能 #python

文章介绍了如何使用FashionMNIST数据集进行入门级图像分类任务，包括数据集导入、构建简单CNN模型、在PyTorch中进行训练和评估，最终得到91.59%的准确率。

数据集准备

FashionMNIST数据集作为一个比较入门的图像分类数据集，数量较少，个人认为是一个很好的入门数据集。其中包含了10个不同类别的服装和鞋类商品的灰度图像。每个类别包含6000张训练图像和1000张测试图像，共计70000张图像。

这些图像的分辨率是28x28像素，它们相对较小，适合用于快速原型设计和实验。FashionMNIST数据集通常用于测试深度学习模型在图像分类任务上的性能，并作为MNIST数据集的一种替代选择。

FashionMNIST数据集中的10个类别分别是：

T-shirt/top (T恤/上衣)
Trouser (裤子)
Pullover (套头衫)
Dress (裙子)
Coat (外套)
Sandal (凉鞋)
Shirt (衬衫)
Sneaker (运动鞋)
Bag (包)
Ankle boot (短靴)

数据集图像数据集导入：

train_dataset = datasets.FashionMNIST(root="./data", train=True, transform=transform, download=True)
test_dataset = datasets.FashionMNIST(root="./data", train=False, transform=transform, download=True)

可以选择在线下载，网络不好的好提前离线下载好。

分类实现

首先导入工具包：

import torch
import torch.nn as nn
import torch.optim as optim
from torch.utils.data import DataLoader
import torchvision.transforms as transforms
import torchvision.datasets as datasets
import torch.nn.functional as F
from time import time

然后进行数据准备：

transform = transforms.ToTensor()
train_dataset = datasets.FashionMNIST(root="./data", train=True, transform=transform, download=True)
test_dataset = datasets.FashionMNIST(root=