如果不能输出样本可视化的话，可以把show_images方法里面的ax.imshow(img.numpy())改成ax.imshow(img.permute(1, 2, 0).numpy())，然后调用的时候直接传X就行了，不用reshape。（permute方法的作用是调整维度顺序，torch和matpoltlib的默认顺序是不一样的）
附上我对 torch.transforms 的理解
torchvision 文档地址
-
torchvision.transforms方法：图像变换操作集合包，eg.trans = [transforms.ToTensor()] # torchvision.transforms is v1, v2 is recommended in pytorch trans.insert(0, transforms.Resize(resize)) trans = transforms.Compose(trans) mnist_train = torchvision.datasets.FashionMNIST( root="d2l_data", train=True, transform=trans, download=True)Compose()封装一系列trans操作，依次为Resize和ToTensor，注意 Compose 前trans列表中的元素是一系列函数对象，代表对图像进行的操作。Resize(size)对图像按照原比例方法，具体方法是 (height, width) => (size * height / width, size), height / width 即保持了原图形的比例，并按照size大小进行缩放。ToTensor()即把图片数据从PIL类型变换成32位浮点数Tensor格式。trans = transforms.Compose(trans)后的对象可传入 dataset 中的 transform 参数，例如mnist_train = torchvision.datasets.FashionMNIST( root="d2l_data", train=True, transform=trans, download=True)
练习题找发一下我找到的资料
-
torchvision 0.8后使用了gpu来加速图像操作 tranforms python 3.x - PyTorch: Speed up data loading - Stack Overflow，需要使用 torch.nn.Module，帖子对 torchvision 0.8 前版本的一些加速技巧也作了介绍
transforms = torch.nn.Sequential( T.RandomCrop(224), T.RandomHorizontalFlip(p=0.3), T.ConvertImageDtype(torch.float), T.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ) -
使用 HDF5 文件来组织大规模数据集 Quick Start Guide — h5py 3.12.1 documentation
-
使用 Numpy Memmap 来加载数组，使用懒加载的方法 Tricks to Speed Up Data Loading with PyTorch (github.com)
你好，是否可以设置一个变量来取代函数的位置呢？通过修改变量的值来改变全局num_workers的取值。我不是很清楚定义函数的优点，谢谢
如果用jupyter notebook的话，需要在另一个code框里定义一个迭代器 比如it ，然后再在原本的框里用next(it)，就可以了
在下面download数据集的时候有用到，是指下载下来的图片用像素的tensor形式保存，两个零是因为，数据集的每个元素是元组，包含像素的tensor和label，第一个0是定位到第一个样本，第二个0是定位到元组的第一个元素，就是张量
可以试试加入下列代码，解决“检测到多个 OpenMP 实例时，继续运行程序”，我是因为这个错误导致服务挂掉。
import os
os.environ[‘KMP_DUPLICATE_LIB_OK’] = ‘TRUE’
| batch_size | num_worker | time(sec) |
|---|---|---|
| 1 | 1 | 25.67 |
| 1 | 4 | 14.61 |
| 128 | 1 | 5.73 |
| 128 | 2 | 4.57 |
| 256 | 1 | 5.63 |
| 256 | 4 | 4.88 |
要选择合适的batch_size 和 线程
为什么非函数定义的trans = transforms.ToTensor()后面无需加上括号，而函数load_data_fashion_mnist中要赋值成trans= [transforms.ToTensor()]这种形式呢
这里他需要两种转换， totensor 和 resize ， 第一个 trans列表把两种变换 放进去，在调用compose 把两个 变换 整合到一起。trans 只是 重复用了变量名字，需要多个变换组合到一起需要用compos 合起来