原创力文档- 1、本文档共8页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
实践任务1我们这里的任务是对10个类别的“时装”图像进行分类，使用FashionMNIST数据集。下图给出了FashionMNIST中数据的若干样例图,如图所示，其中每个小图对应一个样本。FashionMNIST数据集处理
实践任务1FashionMNIST数据集处理导入必要的包，代码如下：importos
importnumpyasnp
importpandasaspd
importtorch
importtorch.nnasnn
importtorch.optimasoptim
fromtorch.utils.dataimportDataset,DataLoader
实践任务1FashionMNIST数据集处理配置GPU，这里有两种方式，参考代码如下：#1.使用“device”，后续对要使用GPU的变量用.to(device)即可
device=torch.device(cuda:1iftorch.cuda.is_available()elsecpu)#2.使用os.environ
os.environ[CUDA_VISIBLE_DEVICES]=0
实践任务1FashionMNIST数据集处理配置超参数，代码如下：##配置其他超参数，如batch_size,num_workers,learningrate,以及总的epochs
batch_size=256
num_workers=0#对于Windows用户，这里应设置为0，否则会出现多线程错误
lr=1e-4
epochs=20
实践任务1FashionMNIST数据集处理设置数据变换，代码如下：fromtorchvisionimporttransforms
data_transform=transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.5,),(0.5,))
])
实践任务1FashionMNIST数据集处理读取数据集，代码如下：##使用torchvision自带数据集，下载可能需要一段时间
fromtorchvisionimportdatasets
train_data=datasets.FashionMNIST(root=./data,train=True,download=True,transform=data_transform)
test_data=datasets.FashionMNIST(root=./data,train=False,download=True,transform=data_transform)
train_loader=DataLoader(train_data,batch_size=batch_size,shuffle=True,num_workers=num_workers,drop_last=True)
test_loader=DataLoader(test_data,batch_size=batch_size,shuffle=False,num_workers=num_workers)
实践任务1FashionMNIST数据集处理测试价值的数据信息，显示数据集中的数据，代码如下importmatplotlib.pyplotasplt
image,label=next(iter(train_loader))
print(image.shape,label.shape)
plt.imshow(image[0][0],cmap=gray)
plt.show()
实践任务1FashionMNIST数据集处理
文档评论（0）