美文网首页深度学习
pytorch 图像分类(CIFAR10)

pytorch 图像分类(CIFAR10)

作者: zidea | 来源:发表于2020-08-03 21:09 被阅读0次

可以将传统的图像、音频和视频转换为 numpy 后,再由 numpy 转换为 torch.*Tensor.

  • 对于图像文件、常用的包可能是 Pillow 或是 opencv
  • 那么对于音频,通常会用到 scipy 和 librosa
  • 文本可能会用到
    在 pytorch 的 torchvision 提供对一些常用的像Imagenet, CIFAR10 和 MNIST 数据集都提供了下载的接口供大学。
  • 使用 torchvision 来加载 CIFAR10 训练集和测试数据集
  • 定义卷积神经网络
  • 定义损失函数
  • 使用训练数据集来训练神经网络
  • 使用测试数据集来测试神经网络

加载和查看数据集

transform = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
                                        download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
                                          shuffle=True, num_workers=2)

testset = torchvision.datasets.CIFAR10(root='./data', train=False,
                                       download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=4,
                                         shuffle=False, num_workers=2)

classes = ('plane', 'car', 'bird', 'cat',
           'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

使用 numpy 和 matlib 包将图片显示出来。

def imshow(img):
    img = img / 2 + 0.5     # 将正则化后图片恢复
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg, (1, 2, 0)))
    plt.show()


# 随取抽取训练集中的图片
dataiter = iter(trainloader)
images, labels = dataiter.next()

# 显示图片
imshow(torchvision.utils.make_grid(images))
# 输出标签
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))
截屏2020-08-03下午8.30.13.png
  car  frog   car   car

定义神经网

class Net(nn.Module):
    """Some Information about Net"""
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.fc1 = nn.Linear(16 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        x = x.view(-1, 16 * 5 * 5)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

定义一个 Net 类继承 nn.Module 其实在 python 中继承方式还不是很清楚,可能是组合而非继承,有关nn.Module以后重点给大家介绍,然后需要 Net 类中实现 forward 方法。

定义损失函数

criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

保存模型的状态

PATH = './cifar_net.pth'
torch.save(net.state_dict(), PATH)

使用 save 方法可以将 net 中间状态保存到路径下,以便在突然停机情况下,将训练的中间状态保存下来,以便随后再次训练时可以加载中间保存状态继续训练。

相关文章

  • pytorch 图像分类(CIFAR10)

    可以将传统的图像、音频和视频转换为 numpy 后,再由 numpy 转换为 torch.*Tensor. 对于图...

  • PyTorch入门-CIFAR10图像分类

    CIFAR10数据集下载 CIFAR10数据集包含10个类别,图像尺寸为 3×32×32 官方下载地址很慢,这里给...

  • 输入数据

    准备数据 1. torchvision内置的数据包(MNIST)(CIFAR10) pytorch的图像预处理包 ...

  • cifar 图像分类

    前言 cifar-9 分类图像数据集是从cifar10图像数据集中提取出的包含9个分类的图像数据集,cifar图像...

  • Pytorch图像分类

    1、Datasets 这段代码可以实现从图片读入数据,文件夹名为label。 2、Pytorch训练 3、将自己的...

  • 使用pytorch深度学习框架实现mnist数据集的图像分类

    此文章是使用pytorch实现mnist手写字体的图像分类。利用pytorch内置函数mnist下载数据,同时利用...

  • pytorch之图像分类

    满心欢喜的来跑这个图像分类,上来就报了个错。安装torchvision 疯狂报这个错:raise NotSuppo...

  • Pytorch实战-图像分类

    用图像实现Pytorch图像分类(一) 总结:使用预训练网络有什么意义当我们人类看到图像时,可以识别线条和形状。正...

  • Tensorflow文章索引

    这里依照顺序和层级列出了个人整理的Tensorflow入门教程,随时更新进度。 最新文章:CIFAR10图像分类-...

  • Pytorch实现Resnet50用来解决cifar10图像分类

    数据集介绍点下面的链接: 数据介绍点我 数据下载点这里 使用的是Pytorch框架 代码地址 train.py p...

网友评论

    本文标题:pytorch 图像分类(CIFAR10)

    本文链接:https://www.haomeiwen.com/subject/slmbrktx.html