Pytorch学习笔记|【Pytorch学习笔记】3.温习matplotlib——实用的 matplotlib.pyplot 预览图片类数据集的方法(以FashionMNIST为例)
文章目录
-
- matplotlib绘图原理和步骤
-
- matplotlib.pyplot绘图原理
- 快速绘图
- imshow()快速显示Fashion-MNIST数据集图片
- pyplot.subplots()批量显示FashionMNIST图片
-
- subplots() 语法格式:
- 按一行10个显示FashionMNIST数据集中的图片
我们在使用图像分类数据集时,在载入数据集后,一定会先取一批数据预览一下。
最常用的方法之一是matplotlib库显示图片。
这里自己记录一下图片类数据集常用的图片预览方法,顺便复习matplotlib的绘图原理。
matplotlib绘图原理和步骤 先温习一下matplotlib的绘图原理
matplotlib.pyplot绘图原理
【Pytorch学习笔记|【Pytorch学习笔记】3.温习matplotlib——实用的 matplotlib.pyplot 预览图片类数据集的方法(以FashionMNIST为例)】简述一下,在使用matplotlib.pyplot模块绘图时,会先创建三大核心元素:
画布(figure)→坐标系(axes)→坐标轴(axis),如图:
文章图片
因此底层步骤为:
创建画布figure → 立画图区域axes(又叫坐标系)→ 区域内设定坐标轴
→ 使用绘图语句绘图(如plot()函数)→ 使用show()展现出来
创建画布常用 plt.figure() 函数;
建立画图区域常用 fig.subplot() 函数;
坐标轴使用默认,然后再 axes上使用绘图函数绘图。
例子:
import matplotlib.pyplot as pltfig = plt.figure()
ax = fig.add_subplot(1,1,1)
x = [1,2,3]
y = [1,2,3]
ax.plot(x, y)
plt.show()
# 输出:
文章图片
快速绘图
但是我们使用pyplot画图,如果直接使用绘图函数,matplotlib自己会创建一张默认的画布,再开辟一块默认的坐标轴区域,然后给我们绘制上去。
所以在jupyter notebook中我们可以直接使用plt.plot快速绘图:
文章图片
imshow()快速显示Fashion-MNIST数据集图片 我们使用FashionMNIST数据集,Fashion-MNIST是一个10分类数据集,包括了衣物、包包、运动鞋等时尚妆扮的类别。
使用
imshow()
方法直接传入一个符合要求的Tensor,取一张图片快速显示:(何为符合要求的Tensor见下面注释)
import torchvision
import torchvision.transforms as transforms
import matplotlib.pyplot as plt
# 使用torchvision的datasets类获取FashionMNIST数据集,并新建一个训练集
# 使用了transform = transforms.ToTensor()转换器,使所有数据转换为Tensor。
# 转换成的Tensor 数据类型为torch.float32,位于[0.0, 1.0]
mnist_train = torchvision.datasets.FashionMNIST(
root='~/Datasets/FashionMNIST', train=True, download=True,
transform=transforms.ToTensor())
# feature为图像信息,label为标签
feature, label = mnist_train[0]
print(feature.shape, label)
plt.imshow(feature.view((28,28)))
# 图片是单通道1*28*28像素图片,须转成28*28像素灰度图片来显示
# 显示: (9号类别即为“ankle boot(短靴)”)
文章图片
pyplot.subplots()批量显示FashionMNIST图片 在一开始的例子里使用过subplot()方法:
ax = fig.add_subplot(1,1,1)
其传入figure中axes的位置,返回一个axes对象。
当需要同时展示多张图片的时候,我们可以使用
pyplot.subplots()
方法,传入图片陈列的行数列数等信息,返回一个figure对象和一个axes对象。因此代码里常用:
fig, ax = plt.subplots()
,然后在各个ax中配置参数并绘图。subplots() 语法格式:
官方文档
matplotlib.pyplot.subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)常用参数:
nrows:图表的行数,默认为 1按一行10个显示FashionMNIST数据集中的图片
ncols:图表的列数,默认为 1
sharex、sharey:设置各个区域 x、y 轴是否使用相同的刻度
**fig_kw:其他关键字参数传递给 pyplot.figure调用,比如设置figsize
例子:
import torchvision
import torchvision.transforms as transforms
import matplotlib.pyplot as plt
# 新建一个训练集
mnist_train = torchvision.datasets.FashionMNIST(root='~/Datasets/FashionMNIST', train=True, download=True, transform=transforms.ToTensor())def show_fashion_mnist(images, labels):
# _表示忽略不适用的变量,返回的fig用不上
_, axes = plt.subplots(nrows=1, ncols=len(images), figsize=(12,12))
# 使用zip方法,在for循环中设置axes中的各个子区域的参数并绘图
for ax, img, lbl in zip(axes, images, labels):
ax.imshow(img.view((28, 28)).numpy())
ax.set_title(lbl)
ax.axes.get_xaxis().set_visible(False)
ax.axes.get_yaxis().set_visible(False)
plt.show()X, y = [], []
for i in range(10):
X.append(mnist_train[i][0])
y.append(mnist_train[i][1])show_fashion_mnist(X, y)
# 显示:
文章图片
推荐阅读
- Pytorch学习笔记|【Pytorch学习笔记】2.动手生成计算图——将Tensor间的计算流程和梯度传递可视化,使用torchviz生成计算图
- Pytorch学习笔记|【Pytorch学习笔记】1.Python的yield和next是什么(为什么常用来读取数据(DataLoader)?)
- Dofbot机械臂学习笔记|Dofbot机械臂从零部署笔记(5)——开发环境改造(Jetson Nano升级Ubuntu20.04,支持ROS Noetic、Python3)
- 论文阅读笔记|【Paper Reading】自注意力机制以及在Alphafold2中的应用
- Pytorch学习笔记|【Pytorch学习笔记】4.细讲Pytorch的gather函数是什么——从Softmax回归中交叉熵损失函数定义的角度讲述
- Pytorch学习|深入理解PyTorch中的gather函数
- 深度学习|pytorch学习三、softmax回归
- 用python做一个文本翻译器,自动将中文翻译成英文,超方便的
- 蓝桥杯|2021年第十二届蓝桥杯省赛第二场Python组(真题+解析+代码)(城邦)