use ignite for exp2

exp2/modified/dataset.py

@@ -3,9 +3,10 @@ import numpy
 import torch
 from torch.utils.data import DataLoader, Dataset
 from torchvision.transforms import v2 as tvtrans
+import settings
 
 class MnistDataset(Dataset):
-    """用于加载Mnist数据的自定义数据集"""
+    """适配PyTorch的自定义Dataset，用于加载MNIST数据。"""
 
     shape: int
     transform: tvtrans.Transform
@@ -29,15 +30,14 @@ class MnistDataset(Dataset):
         return self.shape
 
 
-class MnistDataSource:
-    """用于读取MNIST数据的数据读取器"""
+class MnistDataLoaders:
+    """包含适配PyTorch的训练数据Loader和测试数据Loader的类。"""
 
     train_loader: DataLoader
     test_loader: DataLoader
 
     def __init__(self, batch_size: int):
-        dataset_path = Path(__file__).resolve().parent.parent / 'datasets' / 'mnist.npz'
-        dataset = numpy.load(dataset_path)
+        dataset = numpy.load(settings.MNIST_DATASET_PATH)
 
         # 所有图片均为黑底白字
         # 6万张训练图片：60000x28x28。标签只有第一维。
@@ -50,16 +50,19 @@ class MnistDataSource:
         # 定义数据转换器
         trans = tvtrans.Compose([
             # 从uint8转换为float32并自动归一化到0-1区间
+            # YYC MARK: 下面这个被标outdated了，换下面两个替代。
             # tvtrans.ToTensor(),
             tvtrans.ToImage(),
             tvtrans.ToDtype(torch.float32, scale=True),
 
             # 为了符合后面图像的输入颜色通道条件，要在最后挤出一个新的维度
-            #tvtrans.Lambda(lambda x: x.unsqueeze(-1))
+            # YYC MARK: 上面这两步已经帮我们自动挤出那个灰度通道了。
+            # tvtrans.Lambda(lambda x: x.unsqueeze(-1))
 
             # 这个特定的标准化参数 (0.1307, 0.3081) 是 MNIST 数据集的标准化参数，这些数值是MNIST训练集的全局均值和标准差。
             # 这种标准化有助于模型训练时的数值稳定性和收敛速度。
-            #tvtrans.Normalize((0.1307,), (0.3081,)),
+            # YYC MARK: 但我不想用，反正最后训练的也收敛。
+            # tvtrans.Normalize((0.1307,), (0.3081,)),
         ])
 
         # 创建数据集
@@ -69,9 +72,9 @@ class MnistDataSource:
                                     transform=trans)
 
         # 赋值到自身
-        self.train_loader = DataLoader(dataset=train_dataset,
-                                     batch_size=batch_size,
-                                     shuffle=False)
-        self.test_loader = DataLoader(dataset=test_dataset,
-                                    batch_size=batch_size,
-                                    shuffle=False)
+        self.train_loader = DataLoader(dataset=train_dataset, 
+                                       batch_size=batch_size, 
+                                       shuffle=False)
+        self.test_loader = DataLoader(dataset=test_dataset, 
+                                      batch_size=batch_size, 
+                                      shuffle=False)