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）人工智能|pytorch|深度学习|pyt

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：

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
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

按一行10个显示FashionMNIST数据集中的图片
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：