實踐任務(wù)1我們這里的任務(wù)是對10個類別的“時裝”圖像進行分類，使用FashionMNIST數(shù)據(jù)集。下圖給出了FashionMNIST中數(shù)據(jù)的若干樣例圖,如圖所示，其中每個小圖對應(yīng)一個樣本。FashionMNIST數(shù)據(jù)集處理實踐任務(wù)1FashionMNIST數(shù)據(jù)集處理導(dǎo)入必要的包，代碼如下：importos

importnumpyasnp

importpandasaspd

importtorch

importtorch.nnasnn

importtorch.optimasoptim

fromtorch.utils.dataimportDataset,DataLoader實踐任務(wù)1FashionMNIST數(shù)據(jù)集處理配置GPU，這里有兩種方式，參考代碼如下：#1.使用“device”，后續(xù)對要使用GPU的變量用.to(device)即可

device=torch.device("cuda:1"iftorch.cuda.is_available()else"cpu")#2.使用os.environ

os.environ['CUDA_VISIBLE_DEVICES']='0'實踐任務(wù)1FashionMNIST數(shù)據(jù)集處理配置超參數(shù)，代碼如下：##配置其他超參數(shù)，如batch_size,num_workers,learningrate,以及總的epochs

batch_size=256

num_workers=0#對于Windows用戶，這里應(yīng)設(shè)置為0，否則會出現(xiàn)多線程錯誤

lr=1e-4

epochs=20實踐任務(wù)1FashionMNIST數(shù)據(jù)集處理設(shè)置數(shù)據(jù)變換，代碼如下：fromtorchvisionimporttransforms

data_transform=transforms.Compose([

transforms.ToTensor(),

transforms.Normalize((0.5,),(0.5,))

])實踐任務(wù)1FashionMNIST數(shù)據(jù)集處理讀取數(shù)據(jù)集，代碼如下：##使用torchvision自帶數(shù)據(jù)集，下載可能需要一段時間

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)

實踐任務(wù)1FashionMNIST數(shù)據(jù)集處理測試價值的數(shù)據(jù)信息，顯示數(shù)據(jù)集中的數(shù)據(jù)，代碼如下importmatplotlib.pyplotasplt

image,label=next(iter(train_loader))

print(image.shape,label