计算机视觉最常见的问题包括：

• 图像分类是最简单的任务，当我们需要将图像分类为许多预定义类别之一时，例如，区分照片上的猫和狗，或识别手写数字。
• 目标检测是一项比较困难的任务，我们需要在图片上找到已知对象并对其进行定位，即返回每个识别对象的边界框。
• 分割类似于对象检测，但我们需要返回一个精确的像素图，概述每个识别的对象，而不是给出边界框。

        我们将专注于图像分类任务，以及如何使用神经网络来解决它。与任何其他机器学习任务一样，要训练用于对图像进行分类的模型，我们需要一个标记的数据集，即每个类的大量图像。

三、图像作为张量

        计算机视觉适用于图像。您可能知道，图像由像素组成，因此可以将它们视为像素的矩形集合。

        在本单元的第一部分中，我们将处理手写数字识别。我们将使用 MNIST 数据集，该数据集由手写数字的灰度图像组成，28x28 像素。每个图像都可以表示为 28x28 数组，该数组的元素将表示相应像素的强度 - 在 0 到 1 范围内（在这种情况下使用浮点数），或者 0 到 255（整数）。一个名为numpy的流行python库通常用于计算机视觉任务，因为它允许有效地操作多维数组。

        为了处理彩色图像，我们需要一些方法来表示颜色。在大多数情况下，我们用 3 个强度值表示每个像素，对应于红色 （R）、绿色 （G） 和蓝色 （B） 分量。这种颜色编码称为RGB，因此大小为W×H的彩色图像将表示为大小
为3 × H × W的数组。

        使用多维数组来表示图像也有一个优势，因为我们可以使用额外的维度来存储图像序列。
例如，为了表示由 200 帧组成的视频片段，维度为 800 × 600，我们可以使用大小为 200 × 3 × 600 × 800 的张量。

        多维数组也称为张量。通常，当我们谈论一些神经网络框架时，我们指的是张量，例如 PyTorch。PyTorch 和 numpy 数组中的张量之间的主要区别在于，张量支持 GPU 上的并行操作（如果可用）。此外，PyTorch 在张量上操作时提供了额外的功能，例如自动微分。

四、导入包并加载 MNIST 数据集

!pip install -r https://raw.githubusercontent.com/MicrosoftDocs/pytorchfundamentals/main/computer-vision-pytorch/requirements.txt

#Import the packages needed.
import torch
import torchvision
import matplotlib.pyplot as plt
import numpy as np

        PyTorch有许多直接从库中可用的数据集。在这里，我们使用众所周知的手写数字MNIST数据集，可通过PyTorch中的torchvison.datasets.MNIST获得。数据集对象以 Python 想象库 （PIL） 图像的形式返回数据，我们通过传递 transform = ToTensor（） 参数将其转换为张量。

        使用自己的笔记本时，您还可以尝试其他内置数据集，特别是FashionMNIST数据集。

from torchvision.transforms import ToTensordata_train = torchvision.datasets.MNIST('./data',download=True,train=True,transform=ToTensor())
data_test = torchvision.datasets.MNIST('./data',download=True,train=False,transform=ToTensor())

五、可视化数据集

现在我们已经下载了数据集，我们可以可视化数字。

fig,ax = plt.subplots(1,7)
for i in range(7):ax[i].imshow(data_train[i][0].view(28,28))ax[i].set_title(data_train[i][1])ax[i].axis('off')

六、数据集结构

        我们总共有 6000 张训练图像和 1000 张测试图像。拆分数据以进行训练和测试非常重要。我们还想做一些数据探索，以更好地了解我们的数据是什么样子的。

每个样本都是以下结构的元组：

• 第一个元素是一个数字的实际图像，由形状为 1 × 28 × 28 的张量表示
• 第二个元素是一个标签，用于指定张量表示哪个数字。它是一个张量，包含从 0 到 9 的数字

data_train是一个训练数据集，我们将使用它来训练我们的模型。data_test是一个较小的测试数据集，我们可以用来验证我们的模型。

print('Training samples:',len(data_train))
print('Test samples:',len(data_test))print('Tensor size:',data_train[0][0].size())
print('First 10 digits are:', [data_train[i][1] for i in range(10)])

Training samples: 60000
Test samples: 10000
Tensor size: torch.Size([1, 28, 28])
First 10 digits are: [5, 0, 4, 1, 9, 2, 1, 3, 1, 4]

图像的所有像素强度都由介于 0 和 1 之间的浮点值表示：

print('Min intensity value: ',data_train[0][0].min().item())
print('Max intensity value: ',data_train[0][0].max().item())

Min intensity value:  0.0
Max intensity value:  1.0

祝你学习愉快！V笔记本