3. 神经网络与深度学习

3.1 Fashion-MNIST 数据集的起源

1. 计算机程序一般由两个主要部分组成：代码和数据
2. 对于深度学习而言，软件即为网络本身，尤其是在训练过程中通过训练产生的权重
3. 神经网络程序员的工作是通过训练来监督和指导学习过程(可以看做是编写软件或代码的间接方式)

3.1.1 Fashion-MNIST数据集

MNIST是非常著名的手写数字数据集 (M:Modify; NIST: National Institute of Standard and Technology)
MNIST中共有7万张图像：6万张用于训练；1万张用于测试；共0—9十个类别
Fashion-MNIST数据集来自Zalando网站：10类别对应10种服饰；7万张 28x28的灰度图像
Fashion-MNIST的目的是取代MNIST数据集，用作基准来测试机器学习算法
Fashion-MNIST与MNIST数据集的异同：(1)异：MNIST数据集中图像都是手写图像，而Fashion-MNIST中的是真实图像；(2)同：这两个数据集具有相同的数据规模，图像大小，数据格式，以及训练集和测试集的分割方式
MNIST为何如此受欢迎：1.该数据集的规模允许深度学习研究者快速地检查和复现它们的算法；2.在所有的深度学习框架中都能使用该数据集
Pytorch中的torchvision包可以加载fashion-mnist数据集

3.2 使用torchvision导入和加载数据集

3.2.1 创建深度学习项目的流程：

准备数据集
创建网络模型
训练网络模型
分析结果

3.2.2 数据准备遵守ETL过程：

提取(extract)、转换(transform)、加载(load)
pytorch中自带的包，能够将ETL过程变得简单

3.2.3 数据的准备：

1.提取：从源数据中获取fashion-mnist图像数据
2.转换：将数据转换成张量的形式
3.加载：将数据封装成对象，使其更容易访问
Fashion-MNIST 与 MNIST数据集在调用上最大的不同就是URL的不同
torch.utils.data.Dataset:一个用于表示数据集的抽象类
torch.utils.data.DataLoader: 包装数据集并提供对底层的访问

import torch
import torchvision
import torchvision.transforms as transforms # 可帮助对数据进行转换train_set = torchvision.datasets.FashionMNIST(root = './data/FashionMNIST',   # 数据集在本地的存储位置train = True,                   # 数据集用于训练download = True,                # 如果本地没有数据，就自动下载transform = transforms.Compose([transforms.ToTensor()         ])                              # 将图像转换成张量
)train_loader = torch.utils.data.DataLoader(train_set)
# 训练集被打包或加载到数据加载器中，可以以我们期望的格式来访问基础数据；
# 数据加载器使我们能够访问数据并提供查询功能

报错：

D:\Anaconda3_install\envs\pytorch_1.9\lib\site-packages\torchvision\datasets\mnist.py:498: UserWarning: The given NumPy array is not writeable, and PyTorch does not support non-writeable tensors. This means you can write to the underlying (supposedly non-writeable) NumPy array using the tensor. You may want to copy the array to protect its data or make it writeable before converting it to a tensor. This type of warning will be suppressed for the rest of this program. (Triggered internally at  ..\torch\csrc\utils\tensor_numpy.cpp:180.)return torch.from_numpy(parsed.astype(m[2], copy=False)).view(*s)

解决方法：修改 mnist.py 文件
Pytorch | 报错The given NumPy array is not writeable,and PyTorch does not support non-writeable tensor
这个链接解决了我的报错

我的解决方法:
点击报错，直接能跳转到minst.py中，并且能直接跳转到copy=False的位置，然后删除copy=False即可。

Bach_size大小的调整
讲解了Bach_size大小的相关意义。
神经网络中batch_size参数的含义及设置方法
讲解了一些设置的技巧和优缺点