.. _sec_fashion_mnist:

Tập dữ liệu phân loại hình ảnh
==============================


Một trong những tập dữ liệu được sử dụng rộng rãi để phân loại hình ảnh
là tập dữ liệu MNIST :cite:`LeCun.Bottou.Bengio.ea.1998`. Mặc dù nó có
một chạy tốt như một tập dữ liệu chuẩn, thậm chí các mô hình đơn giản
theo tiêu chuẩn ngày nay cũng đạt được độ chính xác phân loại trên 95%,
khiến nó không phù hợp để phân biệt giữa các mô hình mạnh hơn và các mô
hình yếu hơn. Ngày nay, MNIST phục vụ như là kiểm tra sự tỉnh táo hơn là
một chuẩn mực. Để lên ante chỉ một chút, chúng tôi sẽ tập trung thảo
luận của chúng tôi trong các phần sắp tới về chất lượng tương tự, nhưng
tương đối phức tạp Fashion-MNIST dataset
:cite:`Xiao.Rasul.Vollgraf.2017`, được phát hành vào năm 2017.



.. raw:: html

     <div class="mdl-tabs mdl-js-tabs mdl-js-ripple-effect"><div class="mdl-tabs__tab-bar code"><a href="#mxnet-1-0" onclick="tagClick('mxnet'); return false;" class="mdl-tabs__tab is-active">mxnet</a><a href="#pytorch-1-1" onclick="tagClick('pytorch'); return false;" class="mdl-tabs__tab ">pytorch</a><a href="#tensorflow-1-2" onclick="tagClick('tensorflow'); return false;" class="mdl-tabs__tab ">tensorflow</a></div>



.. raw:: html

     <div class="mdl-tabs__panel is-active" id="mxnet-1-0">

.. code:: python

    %matplotlib inline
    import sys
    from mxnet import gluon
    from d2l import mxnet as d2l
    
    d2l.use_svg_display()



.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="pytorch-1-1">

.. code:: python

    %matplotlib inline
    import torch
    import torchvision
    from torch.utils import data
    from torchvision import transforms
    from d2l import torch as d2l
    
    d2l.use_svg_display()



.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="tensorflow-1-2">

.. code:: python

    %matplotlib inline
    import tensorflow as tf
    from d2l import tensorflow as d2l
    
    d2l.use_svg_display()



.. raw:: html

     </div>



.. raw:: html

     </div>

Đọc tập dữ liệu
---------------

Chúng ta có thể tải xuống và đọc tập dữ liệu Fashion-MNIST vào bộ nhớ
thông qua các chức năng tích hợp trong khuôn việt.



.. raw:: html

     <div class="mdl-tabs mdl-js-tabs mdl-js-ripple-effect"><div class="mdl-tabs__tab-bar code"><a href="#mxnet-3-0" onclick="tagClick('mxnet'); return false;" class="mdl-tabs__tab is-active">mxnet</a><a href="#pytorch-3-1" onclick="tagClick('pytorch'); return false;" class="mdl-tabs__tab ">pytorch</a><a href="#tensorflow-3-2" onclick="tagClick('tensorflow'); return false;" class="mdl-tabs__tab ">tensorflow</a></div>



.. raw:: html

     <div class="mdl-tabs__panel is-active" id="mxnet-3-0">

.. code:: python

    mnist_train = gluon.data.vision.FashionMNIST(train=True)
    mnist_test = gluon.data.vision.FashionMNIST(train=False)



.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="pytorch-3-1">

.. code:: python

    # `ToTensor` converts the image data from PIL type to 32-bit floating point
    # tensors. It divides all numbers by 255 so that all pixel values are between
    # 0 and 1
    trans = transforms.ToTensor()
    mnist_train = torchvision.datasets.FashionMNIST(
        root="../data", train=True, transform=trans, download=True)
    mnist_test = torchvision.datasets.FashionMNIST(
        root="../data", train=False, transform=trans, download=True)



.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="tensorflow-3-2">

.. code:: python

    mnist_train, mnist_test = tf.keras.datasets.fashion_mnist.load_data()



.. raw:: html

     </div>



.. raw:: html

     </div>

Fashion-MNIST bao gồm các hình ảnh từ 10 loại, mỗi loại được đại diện
bởi 6000 hình ảnh trong tập dữ liệu đào tạo và 1000 trong tập dữ liệu
thử nghiệm. Một *test dataset* (hoặc \* test set\*) được sử dụng để đánh
giá hiệu suất mô hình và không cho đào tạo. Do đó, bộ đào tạo và bộ thử
nghiệm chứa 60000 và 10000 hình ảnh, tương ứng.



.. raw:: html

     <div class="mdl-tabs mdl-js-tabs mdl-js-ripple-effect"><div class="mdl-tabs__tab-bar code"><a href="#mxnet-5-0" onclick="tagClick('mxnet'); return false;" class="mdl-tabs__tab is-active">mxnet</a><a href="#pytorch-5-1" onclick="tagClick('pytorch'); return false;" class="mdl-tabs__tab ">pytorch</a><a href="#tensorflow-5-2" onclick="tagClick('tensorflow'); return false;" class="mdl-tabs__tab ">tensorflow</a></div>



.. raw:: html

     <div class="mdl-tabs__panel is-active" id="mxnet-5-0">

.. code:: python

    len(mnist_train), len(mnist_test)




.. parsed-literal::
    :class: output

    (60000, 10000)





.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="pytorch-5-1">

.. code:: python

    len(mnist_train), len(mnist_test)




.. parsed-literal::
    :class: output

    (60000, 10000)





.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="tensorflow-5-2">

.. code:: python

    len(mnist_train[0]), len(mnist_test[0])




.. parsed-literal::
    :class: output

    (60000, 10000)





.. raw:: html

     </div>



.. raw:: html

     </div>

Chiều cao và chiều rộng của mỗi hình ảnh đầu vào đều là 28 pixel. Lưu ý
rằng tập dữ liệu bao gồm các hình ảnh thang màu xám, có số kênh là 1.
Đối với ngắn gọn, trong suốt cuốn sách này, chúng tôi lưu trữ hình dạng
của bất kỳ hình ảnh nào có chiều cao :math:`h` chiều rộng :math:`w`
pixel là :math:`h \times w` hoặc (:math:`h`, :math:`w`).



.. raw:: html

     <div class="mdl-tabs mdl-js-tabs mdl-js-ripple-effect"><div class="mdl-tabs__tab-bar code"><a href="#mxnet-7-0" onclick="tagClick('mxnet'); return false;" class="mdl-tabs__tab is-active">mxnet</a><a href="#pytorch-7-1" onclick="tagClick('pytorch'); return false;" class="mdl-tabs__tab ">pytorch</a><a href="#tensorflow-7-2" onclick="tagClick('tensorflow'); return false;" class="mdl-tabs__tab ">tensorflow</a></div>



.. raw:: html

     <div class="mdl-tabs__panel is-active" id="mxnet-7-0">

.. code:: python

    mnist_train[0][0].shape




.. parsed-literal::
    :class: output

    (28, 28, 1)





.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="pytorch-7-1">

.. code:: python

    mnist_train[0][0].shape




.. parsed-literal::
    :class: output

    torch.Size([1, 28, 28])





.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="tensorflow-7-2">

.. code:: python

    mnist_train[0][0].shape




.. parsed-literal::
    :class: output

    (28, 28)





.. raw:: html

     </div>



.. raw:: html

     </div>

Các hình ảnh trong Fashion-MNIST được liên kết với các loại sau: áo
phông, quần tây, áo thun, váy, áo khoác, sandal, áo sơ mi, giày thể
thao, túi xách và khởi động mắt cá chân. Hàm sau chuyển đổi giữa các chỉ
số nhãn số và tên của chúng trong văn bản.

.. code:: python

    def get_fashion_mnist_labels(labels):  #@save
        """Return text labels for the Fashion-MNIST dataset."""
        text_labels = ['t-shirt', 'trouser', 'pullover', 'dress', 'coat',
                       'sandal', 'shirt', 'sneaker', 'bag', 'ankle boot']
        return [text_labels[int(i)] for i in labels]

Bây giờ chúng ta có thể tạo ra một hàm để hình dung các ví dụ này.



.. raw:: html

     <div class="mdl-tabs mdl-js-tabs mdl-js-ripple-effect"><div class="mdl-tabs__tab-bar code"><a href="#mxnet-11-0" onclick="tagClick('mxnet'); return false;" class="mdl-tabs__tab is-active">mxnet</a><a href="#pytorch-11-1" onclick="tagClick('pytorch'); return false;" class="mdl-tabs__tab ">pytorch</a><a href="#tensorflow-11-2" onclick="tagClick('tensorflow'); return false;" class="mdl-tabs__tab ">tensorflow</a></div>



.. raw:: html

     <div class="mdl-tabs__panel is-active" id="mxnet-11-0">

.. code:: python

    def show_images(imgs, num_rows, num_cols, titles=None, scale=1.5):  #@save
        """Plot a list of images."""
        figsize = (num_cols * scale, num_rows * scale)
        _, axes = d2l.plt.subplots(num_rows, num_cols, figsize=figsize)
        axes = axes.flatten()
        for i, (ax, img) in enumerate(zip(axes, imgs)):
            ax.imshow(img.asnumpy())
            ax.axes.get_xaxis().set_visible(False)
            ax.axes.get_yaxis().set_visible(False)
            if titles:
                ax.set_title(titles[i])
        return axes



.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="pytorch-11-1">

.. code:: python

    def show_images(imgs, num_rows, num_cols, titles=None, scale=1.5):  #@save
        """Plot a list of images."""
        figsize = (num_cols * scale, num_rows * scale)
        _, axes = d2l.plt.subplots(num_rows, num_cols, figsize=figsize)
        axes = axes.flatten()
        for i, (ax, img) in enumerate(zip(axes, imgs)):
            if torch.is_tensor(img):
                # Tensor Image
                ax.imshow(img.numpy())
            else:
                # PIL Image
                ax.imshow(img)
            ax.axes.get_xaxis().set_visible(False)
            ax.axes.get_yaxis().set_visible(False)
            if titles:
                ax.set_title(titles[i])
        return axes



.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="tensorflow-11-2">

.. code:: python

    def show_images(imgs, num_rows, num_cols, titles=None, scale=1.5):  #@save
        """Plot a list of images."""
        figsize = (num_cols * scale, num_rows * scale)
        _, axes = d2l.plt.subplots(num_rows, num_cols, figsize=figsize)
        axes = axes.flatten()
        for i, (ax, img) in enumerate(zip(axes, imgs)):
            ax.imshow(img.numpy())
            ax.axes.get_xaxis().set_visible(False)
            ax.axes.get_yaxis().set_visible(False)
            if titles:
                ax.set_title(titles[i])
        return axes



.. raw:: html

     </div>



.. raw:: html

     </div>

Dưới đây là `\*\* hình ảnh và nhãn tương ứng của
chúng\*\* <trong%20văn%20bản>`__ cho một vài ví dụ đầu tiên trong tập dữ
liệu đào tạo.



.. raw:: html

     <div class="mdl-tabs mdl-js-tabs mdl-js-ripple-effect"><div class="mdl-tabs__tab-bar code"><a href="#mxnet-13-0" onclick="tagClick('mxnet'); return false;" class="mdl-tabs__tab is-active">mxnet</a><a href="#pytorch-13-1" onclick="tagClick('pytorch'); return false;" class="mdl-tabs__tab ">pytorch</a><a href="#tensorflow-13-2" onclick="tagClick('tensorflow'); return false;" class="mdl-tabs__tab ">tensorflow</a></div>



.. raw:: html

     <div class="mdl-tabs__panel is-active" id="mxnet-13-0">

.. code:: python

    X, y = mnist_train[:18]
    
    print(X.shape)
    show_images(X.squeeze(axis=-1), 2, 9, titles=get_fashion_mnist_labels(y));


.. parsed-literal::
    :class: output

    (18, 28, 28, 1)



.. figure:: output_image-classification-dataset_e45669_65_1.svg




.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="pytorch-13-1">

.. code:: python

    X, y = next(iter(data.DataLoader(mnist_train, batch_size=18)))
    show_images(X.reshape(18, 28, 28), 2, 9, titles=get_fashion_mnist_labels(y));



.. figure:: output_image-classification-dataset_e45669_68_0.svg




.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="tensorflow-13-2">

.. code:: python

    X = tf.constant(mnist_train[0][:18])
    y = tf.constant(mnist_train[1][:18])
    show_images(X, 2, 9, titles=get_fashion_mnist_labels(y));



.. figure:: output_image-classification-dataset_e45669_71_0.svg




.. raw:: html

     </div>



.. raw:: html

     </div>

Đọc một Minibatch
-----------------

Để làm cho cuộc sống của chúng ta dễ dàng hơn khi đọc từ các bộ đào tạo
và kiểm tra, chúng tôi sử dụng bộ lặp dữ liệu tích hợp hơn là tạo một từ
đầu. Nhớ lại rằng tại mỗi lần lặp lại, một bộ lặp dữ liệu đọc một
minibatch dữ liệu với kích thước ``batch_size`` mỗi lần. Chúng tôi cũng
ngẫu nhiên xáo trộn các ví dụ cho bộ lặp dữ liệu đào tạo.



.. raw:: html

     <div class="mdl-tabs mdl-js-tabs mdl-js-ripple-effect"><div class="mdl-tabs__tab-bar code"><a href="#mxnet-15-0" onclick="tagClick('mxnet'); return false;" class="mdl-tabs__tab is-active">mxnet</a><a href="#pytorch-15-1" onclick="tagClick('pytorch'); return false;" class="mdl-tabs__tab ">pytorch</a><a href="#tensorflow-15-2" onclick="tagClick('tensorflow'); return false;" class="mdl-tabs__tab ">tensorflow</a></div>



.. raw:: html

     <div class="mdl-tabs__panel is-active" id="mxnet-15-0">

.. code:: python

    batch_size = 256
    
    def get_dataloader_workers():  #@save
        """Use 4 processes to read the data except for Windows."""
        return 0 if sys.platform.startswith('win') else 4
    
    # `ToTensor` converts the image data from uint8 to 32-bit floating point. It
    # divides all numbers by 255 so that all pixel values are between 0 and 1
    transformer = gluon.data.vision.transforms.ToTensor()
    train_iter = gluon.data.DataLoader(mnist_train.transform_first(transformer),
                                       batch_size, shuffle=True,
                                       num_workers=get_dataloader_workers())



.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="pytorch-15-1">

.. code:: python

    batch_size = 256
    
    def get_dataloader_workers():  #@save
        """Use 4 processes to read the data."""
        return 4
    
    train_iter = data.DataLoader(mnist_train, batch_size, shuffle=True,
                                 num_workers=get_dataloader_workers())



.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="tensorflow-15-2">

.. code:: python

    batch_size = 256
    train_iter = tf.data.Dataset.from_tensor_slices(
        mnist_train).batch(batch_size).shuffle(len(mnist_train[0]))



.. raw:: html

     </div>



.. raw:: html

     </div>

Chúng ta hãy nhìn vào thời gian cần thiết để đọc dữ liệu đào tạo.



.. raw:: html

     <div class="mdl-tabs mdl-js-tabs mdl-js-ripple-effect"><div class="mdl-tabs__tab-bar code"><a href="#mxnet-17-0" onclick="tagClick('mxnet'); return false;" class="mdl-tabs__tab is-active">mxnet</a><a href="#pytorch-17-1" onclick="tagClick('pytorch'); return false;" class="mdl-tabs__tab ">pytorch</a><a href="#tensorflow-17-2" onclick="tagClick('tensorflow'); return false;" class="mdl-tabs__tab ">tensorflow</a></div>



.. raw:: html

     <div class="mdl-tabs__panel is-active" id="mxnet-17-0">

.. code:: python

    timer = d2l.Timer()
    for X, y in train_iter:
        continue
    f'{timer.stop():.2f} sec'




.. parsed-literal::
    :class: output

    '2.58 sec'





.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="pytorch-17-1">

.. code:: python

    timer = d2l.Timer()
    for X, y in train_iter:
        continue
    f'{timer.stop():.2f} sec'




.. parsed-literal::
    :class: output

    '2.54 sec'





.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="tensorflow-17-2">

.. code:: python

    timer = d2l.Timer()
    for X, y in train_iter:
        continue
    f'{timer.stop():.2f} sec'




.. parsed-literal::
    :class: output

    '0.30 sec'





.. raw:: html

     </div>



.. raw:: html

     </div>

Đặt tất cả mọi thứ lại với nhau
-------------------------------

Bây giờ chúng ta định nghĩa hàm ``load_data_fashion_mnist`` có được và
đọc bộ dữ liệu Fashion-MNIST. Nó trả về các bộ lặp dữ liệu cho cả bộ đào
tạo và bộ xác nhận. Ngoài ra, nó chấp nhận một đối số tùy chọn để thay
đổi kích thước hình ảnh thành một hình dạng khác.



.. raw:: html

     <div class="mdl-tabs mdl-js-tabs mdl-js-ripple-effect"><div class="mdl-tabs__tab-bar code"><a href="#mxnet-19-0" onclick="tagClick('mxnet'); return false;" class="mdl-tabs__tab is-active">mxnet</a><a href="#pytorch-19-1" onclick="tagClick('pytorch'); return false;" class="mdl-tabs__tab ">pytorch</a><a href="#tensorflow-19-2" onclick="tagClick('tensorflow'); return false;" class="mdl-tabs__tab ">tensorflow</a></div>



.. raw:: html

     <div class="mdl-tabs__panel is-active" id="mxnet-19-0">

.. code:: python

    def load_data_fashion_mnist(batch_size, resize=None):  #@save
        """Download the Fashion-MNIST dataset and then load it into memory."""
        dataset = gluon.data.vision
        trans = [dataset.transforms.ToTensor()]
        if resize:
            trans.insert(0, dataset.transforms.Resize(resize))
        trans = dataset.transforms.Compose(trans)
        mnist_train = dataset.FashionMNIST(train=True).transform_first(trans)
        mnist_test = dataset.FashionMNIST(train=False).transform_first(trans)
        return (gluon.data.DataLoader(mnist_train, batch_size, shuffle=True,
                                      num_workers=get_dataloader_workers()),
                gluon.data.DataLoader(mnist_test, batch_size, shuffle=False,
                                      num_workers=get_dataloader_workers()))



.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="pytorch-19-1">

.. code:: python

    def load_data_fashion_mnist(batch_size, resize=None):  #@save
        """Download the Fashion-MNIST dataset and then load it into memory."""
        trans = [transforms.ToTensor()]
        if resize:
            trans.insert(0, transforms.Resize(resize))
        trans = transforms.Compose(trans)
        mnist_train = torchvision.datasets.FashionMNIST(
            root="../data", train=True, transform=trans, download=True)
        mnist_test = torchvision.datasets.FashionMNIST(
            root="../data", train=False, transform=trans, download=True)
        return (data.DataLoader(mnist_train, batch_size, shuffle=True,
                                num_workers=get_dataloader_workers()),
                data.DataLoader(mnist_test, batch_size, shuffle=False,
                                num_workers=get_dataloader_workers()))



.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="tensorflow-19-2">

.. code:: python

    def load_data_fashion_mnist(batch_size, resize=None):   #@save
        """Download the Fashion-MNIST dataset and then load it into memory."""
        mnist_train, mnist_test = tf.keras.datasets.fashion_mnist.load_data()
        # Divide all numbers by 255 so that all pixel values are between
        # 0 and 1, add a batch dimension at the last. And cast label to int32
        process = lambda X, y: (tf.expand_dims(X, axis=3) / 255,
                                tf.cast(y, dtype='int32'))
        resize_fn = lambda X, y: (
            tf.image.resize_with_pad(X, resize, resize) if resize else X, y)
        return (
            tf.data.Dataset.from_tensor_slices(process(*mnist_train)).batch(
                batch_size).shuffle(len(mnist_train[0])).map(resize_fn),
            tf.data.Dataset.from_tensor_slices(process(*mnist_test)).batch(
                batch_size).map(resize_fn))



.. raw:: html

     </div>



.. raw:: html

     </div>

Dưới đây chúng tôi kiểm tra tính năng thay đổi kích thước hình ảnh của
hàm ``load_data_fashion_mnist`` bằng cách chỉ định đối số ``resize``.



.. raw:: html

     <div class="mdl-tabs mdl-js-tabs mdl-js-ripple-effect"><div class="mdl-tabs__tab-bar code"><a href="#mxnet-21-0" onclick="tagClick('mxnet'); return false;" class="mdl-tabs__tab is-active">mxnet</a><a href="#pytorch-21-1" onclick="tagClick('pytorch'); return false;" class="mdl-tabs__tab ">pytorch</a><a href="#tensorflow-21-2" onclick="tagClick('tensorflow'); return false;" class="mdl-tabs__tab ">tensorflow</a></div>



.. raw:: html

     <div class="mdl-tabs__panel is-active" id="mxnet-21-0">

.. code:: python

    train_iter, test_iter = load_data_fashion_mnist(32, resize=64)
    for X, y in train_iter:
        print(X.shape, X.dtype, y.shape, y.dtype)
        break


.. parsed-literal::
    :class: output

    (32, 1, 64, 64) <class 'numpy.float32'> (32,) <class 'numpy.int32'>




.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="pytorch-21-1">

.. code:: python

    train_iter, test_iter = load_data_fashion_mnist(32, resize=64)
    for X, y in train_iter:
        print(X.shape, X.dtype, y.shape, y.dtype)
        break


.. parsed-literal::
    :class: output

    torch.Size([32, 1, 64, 64]) torch.float32 torch.Size([32]) torch.int64




.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="tensorflow-21-2">

.. code:: python

    train_iter, test_iter = load_data_fashion_mnist(32, resize=64)
    for X, y in train_iter:
        print(X.shape, X.dtype, y.shape, y.dtype)
        break


.. parsed-literal::
    :class: output

    (32, 64, 64, 1) <dtype: 'float32'> (32,) <dtype: 'int32'>




.. raw:: html

     </div>



.. raw:: html

     </div>

Bây giờ chúng tôi đã sẵn sàng để làm việc với tập dữ liệu Fashion-MNIST
trong các phần tiếp theo.

Tóm tắt
-------

-  Fashion-MNIST là một tập dữ liệu phân loại trang phục bao gồm các
   hình ảnh đại diện cho 10 loại. Chúng tôi sẽ sử dụng tập dữ liệu này
   trong các phần và chương tiếp theo để đánh giá các thuật toán phân
   loại khác nhau.
-  Chúng tôi lưu trữ hình dạng của bất kỳ hình ảnh nào với chiều cao
   :math:`h` chiều rộng :math:`w` pixel là :math:`h \times w` hoặc
   (:math:`h`, :math:`w`).
-  Bộ lặp dữ liệu là một thành phần quan trọng cho hiệu suất hiệu quả.
   Dựa vào các bộ lặp dữ liệu được triển khai tốt khai thác tính toán
   hiệu suất cao để tránh làm chậm vòng đào tạo của bạn.

Bài tập
-------

1. Việc giảm ``batch_size`` (ví dụ, xuống 1) có ảnh hưởng đến hiệu suất
   đọc không?
2. Hiệu suất lặp dữ liệu rất quan trọng. Bạn có nghĩ rằng việc thực hiện
   hiện tại là đủ nhanh? Khám phá các tùy chọn khác nhau để cải thiện
   nó.
3. Kiểm tra tài liệu API trực tuyến của framework. Những bộ dữ liệu nào
   khác có sẵn?



.. raw:: html

     <div class="mdl-tabs mdl-js-tabs mdl-js-ripple-effect"><div class="mdl-tabs__tab-bar text"><a href="#mxnet-23-0" onclick="tagClick('mxnet'); return false;" class="mdl-tabs__tab is-active">mxnet</a><a href="#pytorch-23-1" onclick="tagClick('pytorch'); return false;" class="mdl-tabs__tab ">pytorch</a><a href="#tensorflow-23-2" onclick="tagClick('tensorflow'); return false;" class="mdl-tabs__tab ">tensorflow</a></div>



.. raw:: html

     <div class="mdl-tabs__panel is-active" id="mxnet-23-0">

`Discussions <https://discuss.d2l.ai/t/48>`__



.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="pytorch-23-1">

`Discussions <https://discuss.d2l.ai/t/49>`__



.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="tensorflow-23-2">

`Discussions <https://discuss.d2l.ai/t/224>`__



.. raw:: html

     </div>



.. raw:: html

     </div>