文章目录一、在pytorch中紧凑画出子图（1）在一行里画出多张图像和对应标签1）代码2）效果展示色偏原因分析：（2）以矩阵的形式展示多张图片1）代码2）效果展示二、在matplotlib中紧凑画出子图（1）区分 subplot 和 subplots（2）代码（3）效果展示 一、在pytorch中紧凑画出子图 （1）在一行里画出多张图像和对应标签 1）代码 import matplotlib.pyplot as plt import numpy as np import torchvision import torchvision.transforms as transforms from I

FashionMNIST这是一个单通道的十分类图片数据集，初学机器学习时的常用数据集，包括了六万张图片的训练集和一万张图片的测试集

FashionMNIST处理后的csv训练集和数据集

本资源是基于FashionMNIS数据集进行多分类的实战项目 项目中的数据集使用的是pytorch自带数据集，第一次使用需要下载

自编码器算法非常简单，实现方便，训练也较为稳定，相对于PCA算法，神经网络的强大表达能力可以学习输入的高层抽象的隐藏特征向量z,同时也能够基于z重建出输入。这里基于FashionMNIST数据集进行图片重建实战。 说明文档：https://blog.csdn.net/qq_43753724/article/details/125862444?spm=1001.2014.3001.5501

数据集介绍：FashionMNIST数据集中包含已经预先划分好的训练集和测试集，其中训练集共60,000张图像，测试集共10,000张图像。每张图像均为单通道黑白图像，大小为28*28pixel，分属10个类别。 适用人群：深度学习、Pytorch初学者 适用场景：深度学习、Pytorch入门

FashionMNIST时装分类jupyter 记事本文件

FashionMNIST.zip是下载好的训练集和测试集。 train.zip 训练集图片格式 test.zip测试集图片格式

内涵数据集、Train.py Test.py 以及相应的说明文档。适合新手快速入门ptrorch。

在fashion_mnist数据集上进行SVM的分类及调参