一、说明
PyTorch提供了两个数据原语：torch.utils.data.DataLoader 和torch.utils.data.Dataset ，允许您使用预加载的数据集以及您自己的数据。数据集 存储样本及其相应的标签，DataLoader 围绕数据集包装一个可迭代对象，以便轻松访问样本。
PyTorch域库提供了许多示例预加载数据集，例如FashionMNIST ，它子类torch.utils.data.Dataset并实现特定于特定数据的函数。可以在此处找到它们并用作原型设计和基准测试模型的示例：
- 图像数据集
- 文本数据集
- 音频数据集
二、加载数据集
我们将从TorchVision加载FashionMNIST数据集。FashionMNIST是Zalando文章图像的数据集，由60,000个训练示例和10,000个测试示例组成。每个示例包含一个 28x28 灰度图像和一个来自 10 个类之一的相关标签。
- 每张图片高 28 像素，宽 28 像素，共 784 像素。
- 这 10 个类告诉它是什么类型的图像。例如，T型短裤/上衣，裤子，套头衫，连衣裙，包，踝靴等。
- 灰度是介于 0 到 255 之间的值，用于测量黑白图像的强度。强度值从白色增加到黑色。例如，白色为 0，黑色为 255。
我们使用以下参数加载FashionMNIST 数据集：
- 根是存储训练/测试数据的路径。
- 训练指定训练或测试数据集。
- download = 如果数据在根目录中不可用，则 True 从互联网下载数据。
- 转换指定特征和标注转换。
ajz
import torch
from torch.utils.data import Dataset
from torchvision import datasets
from torchvision.transforms import ToTensor, Lambda
import matplotlib.pyplot as plt
training_data = datasets.FashionMNIST(
root="data",
train=True,
download=True,
transform=ToTensor()
)
test_data = datasets.FashionMNIST(
root="data",
train=False,
download=True,
transform=ToTensor()
)三、迭代和可视化数据集
我们可以像列表一样手动索引数据集：*training_data[index]。*我们使用 matplotlib 来可视化训练数据中的一些样本。
ajz
labels_map = {
0: "T-Shirt",
1: "Trouser",
2: "Pullover",
3: "Dress",
4: "Coat",
5: "Sandal",
6: "Shirt",
7: "Sneaker",
8: "Bag",
9: "Ankle Boot",
}
figure = plt.figure(figsize=(8, 8))
cols, rows = 3, 3
for i in range(1, cols * rows + 1):
sample_idx = torch.randint(len(training_data), size=(1,)).item()
img, label = training_data[sample_idx] # Iterate training data
figure.add_subplot(rows, cols, i)
plt.title(labels_map[label])
plt.axis("off")
plt.imshow(img.squeeze(), cmap="gray")
plt.show()四、准备数据以使用数据加载程序进行训练
数据集检索数据集的特征并一次标记一个样本。在训练模型时，我们通常希望以"小批量"方式传递样本，在每个时期重新洗牌数据以减少模型过度拟合，并使用 Python 的多处理来加速数据检索。
在机器学习中，需要指定数据集中的特征和标签。要素是输入，标注是输出。我们训练特征并训练模型来预测标签。
DataLoader 是一个迭代对象，它在一个简单的 API 中为我们抽象了这种复杂性。要使用数据加载器，我们需要设置以下参数：
- 数据是将用于训练模型的训练数据;以及用于评估模型的测试数据。
- 批大小是每个批中要处理的记录数。
- 随机播放是按索引随机抽取的数据。
ajz
from torch.utils.data import DataLoader
train_dataloader = DataLoader(training_data, batch_size=64, shuffle=True)
test_dataloader = DataLoader(test_data, batch_size=64, shuffle=True)五、遍历数据加载器
我们已将数据集加载到数据加载器 中，并可以根据需要循环访问数据集。下面的每次迭代都会返回一批train_features 和train_labels （分别包含 batch_size = 64 个要素和标注）。由于我们指定了 shuffle = True，因此在我们遍历所有批次后，数据将被洗牌。
ajz
# Display image and label
train_features, train_labels = next(iter(train_dataloader))
print(f"Feature batch shape: {train_features.size()}")
print(f"Labels batch shape: {train_labels.size()}")
img = train_features[0].squeeze()
label = train_labels[0]
plt.imshow(img, cmap="gray")
plt.show()
print(f"Label: {label}")NOrmalization是一种常见的数据预处理技术，用于缩放或转换数据，以确保每个特征的学习贡献相等。例如，灰度图像中的每个像素都有一个介于 0 到 255 之间的值，这些值是特征。如果一个像素值为 17，另一个像素值为 197。像素重要性的分布将不均匀，因为较高的像素体积会偏离学习。归一化会更改数据的范围，而不会扭曲其在我们的功能之间的区别。进行此预处理是为了避免：
- 预测精度降低
- 模型学习的难度
- 特征数据范围的不利分布
六、变换
数据并不总是以训练机器学习算法所需的最终处理形式出现。我们使用 transform 对数据执行一些操作，并使其适合训练。
所有 TorchVision 数据集都有两个参数：用于修改特征的转换和用于修改接受包含转换 逻辑的可调用对象的标签target_transform 。torchvision.transform模块提供了几种开箱即用的常用变换。
FashionMNIST 功能采用 PIL 图像格式，标签为整数。对于训练，我们需要特征作为规范化张量，标签作为独热编码张量。为了进行这些转换，我们使用ToTensor 和Lamda。
ajz
from torchvision import datasets
from torchvision.transforms import ToTensor, Lambda
ds = datasets.FashionMNIST(
root="data",
train=True,
download=True,
transform=ToTensor(),
target_transform=Lambda(lambda y: torch.zeros(10, dtype=torch.float).scatter_(0, torch.tensor(y), value=1))
)七、ToTensor（）
ToTensor 将 PIL 图像或 NumPy ndarray 转换为 FloatTensor，并将图像的像素强度值缩放在 [0.， 1.] 范围内。
八、Lambda（）
Lambda 应用任何用户定义的 lambda 函数。在这里，我们定义了一个函数来将整数转换为独热编码张量。它首先创建一个大小为 10（我们数据集中的标签数量）的张量并调用 scatter ，它在索引上分配一个 value=1 ，如标签 y 给出的那样。您也可以将torch.nn.functional.one_hot用作其他选项。
ajz
target_transform = Lambda(lambda y: torch.zeros(10, dtype=torch.float).scatter_(dim=0, index=torch.tensor(y), value=1))下一>> PyTorch 简介 （3/7）