自己制作的类似Fashion-MNIST数据集，怎么使用

Question

在做想关项目，因为需要自己的数据集，因此我按照要求做了一个，如下

用的是MXNet框架，jupyter notebook写
我自己的做法是把测试集和训练集用数组读取后包装
训练集如下，两个数组分别是图片像素和对应标签

训练过程如下，为了能分别遍历又拆了train_iter为train_iter[0]、[1]

接着在导入训练模型（第12行）时候出现问题，报错如下

搞了几天不明白这个数据类型，是导入数据集的方式错了还是、、、、

下面这个是载入Fashion-MNIST数据集的函数

没看明白，现在还在尝试，但是有大佬指导下就更好了（求~）

附代码

def load_data_fashion_mnist(batch_size, resize=None, root=os.path.join(
        '~', '.mxnet', 'datasets', 'fashion-mnist')):
    root = os.path.expanduser(root)  # 展开用户路径'~'
    transformer = []
    if resize:
        transformer += [gdata.vision.transforms.Resize(resize)]
    transformer += [gdata.vision.transforms.ToTensor()]
    transformer = gdata.vision.transforms.Compose(transformer)
    mnist_train = gdata.vision.FashionMNIST(root=root, train=True)
    mnist_test = gdata.vision.FashionMNIST(root=root, train=False)
    num_workers = 0 if sys.platform.startswith('win32') else 4
    train_iter = gdata.DataLoader(
        mnist_train.transform_first(transformer), batch_size, shuffle=True,
        num_workers=num_workers)
    test_iter = gdata.DataLoader(
        mnist_test.transform_first(transformer), batch_size, shuffle=False,
        num_workers=num_workers)
    return train_iter, test_iter

batch_size = 128
# 如出现“out of memory”的报错信息，可减小batch_size或resize
train_iter, test_iter = load_data_fashion_mnist(batch_size, resize=224)

Answer 1

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 请看👉 ：【记录】基于Fashion-Mnist数据集的评估调参以及代码的实现

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 以帮助更多的人 ^-^