请我喝杯咖啡☕
*我的帖子解释了 fashion-mnist。
fashionmnist() 可以使用 fashion-mnist 数据集，如下所示：
*备忘录：
- 第一个参数是 root（必需类型：str 或 pathlib.path）。 *绝对或相对路径都是可能的。
- 第二个参数是 train(optional-default:true-type:bool)。 *如果为 true，则使用训练数据（60,000 张图像），如果为 false，则使用测试数据（10,000 张图像）。
- 第三个参数是transform(optional-default:none-type:callable)。
- 第四个参数是 target_transform(optional-default:none-type:callable)。
- 第五个参数是 download(optional-default:false-type:bool): *备注：
from torchvision.datasets import FashionMNIST train_data = FashionMNIST( root="data" ) train_data = FashionMNIST( root="data", train=True, transform=None, target_transform=None, download=False ) test_data = FashionMNIST( root="data", train=False ) len(train_data), len(test_data) # (60000, 10000) train_data # Dataset FashionMNIST # Number of datapoints: 60000 # Root location: data # Split: Train train_data.root # 'data' train_data.train # True print(train_data.transform) # None print(train_data.target_transform) # None train_data.download # <bound method MNIST.download of Dataset FashionMNIST # Number of datapoints: 60000 # Root location: data # Split: Train> len(train_data.classes) # 10 train_data.classes # ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat', # 'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot'] train_data[0] # (<PIL.Image.Image image mode=L size=28x28>, 9) train_data[1] # (<PIL.Image.Image image mode=L size=28x28>, 0) train_data[2] # (<PIL.Image.Image image mode=L size=28x28>, 0) train_data[3] # (<PIL.Image.Image image mode=L size=28x28>, 3) train_data[4] # (<PIL.Image.Image image mode=L size=28x28>, 0) import matplotlib.pyplot as plt def show_images(data, main_title=None): plt.figure(figsize=(8, 4)) plt.suptitle(t=main_title, y=1.0, fontsize=14) for i, (image, label) in enumerate(data, 1): plt.subplot(2, 5, i) plt.tight_layout() plt.title(label) plt.imshow(image) if i == 10: break plt.show() show_images(data=train_data, main_title="train_data") show_images(data=test_data, main_title="test_data")
