MXNet动手学深度学习：Fashion-MNIST数据集读取

获取数据集

数据集简介

本节中将使用数据集Fashion-MNIST，Fashion-MNIST 中⼀共包括了 10 个类别，分别为：t-shirt（T 恤）、trouser（裤⼦）、pullover（套衫）、dress（连⾐裙）、coat（外套）、sandal（凉鞋）、shirt（衬衫）、sneaker（运动鞋）、bag（包）和 ankle boot（短靴）。在该数据集中含有6000个训练集样本、1000个测试集样本。
为什么不用手写数据集做实验了呢？
原因为：
1、MNIST is too easy. Convolutional nets can achieve 99.7% on MNIST，太简单
2、MNIST is overused，过度使用
3、MNIST can not represent modern CV tasks, 过时

代码讲解

导入包

import gluonbook as gb
from mxnet.gluon import data as gdata
import sys
import time

获取数据集与测试集

#获取数据集与测试集
#MXNet的gdata.vision提供了FashionMNIST的数据集
mnist_train = gdata.vision.FashionMNIST(train = True)
mnist_test = gdata.vision.FashionMNIST(train = False)

将数值标签转化为文本标签

因为数据集含有10个类别，在数据中的标签为0-9，所以在图像显示时，我们想更加方便的知道图像对应的的类别名字，而不是冰冷的数字，那么就可以采用一下代码，将数字标签转化为与其对应的文本标签。

#将数值标签转化为文本标签
def get_fashion_mnist_labels(labels):
    text_labels = ['t-shirt', 'trouser', 'pullover', 'dress', 'coat', 'sandal', 'shirt', 'sneaker', 'bag', 'ankle boot']
    return [text_labels[int(i)] for i in labels]

显示图像的函数

在使用代码的时候，难免想观察一下图像效果，通过该函数，可以显示出图像与其对应的标签。

def show_fashion_mnist(images, labels):
    gb.use_svg_display()
    _, figs = gb.plt.su