模型的验证套路

最新推荐文章于 2023-01-16 09:23:55 发布

tiny_PIkid

最新推荐文章于 2023-01-16 09:23:55 发布

阅读量1.9k

点赞数 3

分类专栏：基于pytorch的深度学习文章标签： pytorch 深度学习神经网络 python

本文链接：https://blog.csdn.net/apple_53439775/article/details/123956591

版权

本文通过CIFAR10数据集训练的神经网络模型进行验证，发现模型对输入的dog图片分类错误，可能由于数据集大小和训练次数不足。作者还提到在不同训练轮次保存的模型，其预测结果存在差异。

摘要由CSDN通过智能技术生成

对于训练好的神经网络模型，验证它的正确率

这里还是用CIFAR10数据集训练出来的模型进行验证

放置图片我是在与代码文件上级文件同级的文件中方便使用

images = "../image/dog.jpg"

完整代码：

import torch
import torchvision
from PIL import Image
from torch import nn
from torch.nn import Sequential, Conv2d, MaxPool2d, Flatten, Linear

images = "../image/dog.jpg"

image = Image.open(images)
transform = torchvision.transforms.Compose([torchvision.transforms.Resize((32,32)),
                                           torchvision.transforms.ToTensor()])
image = transform(image)

#搭建神经网络
class Gu(nn.Module):
    def __init__(self):
        super(Gu  , self).__init__()
        self.model1 = Sequential(
            Conv2d(3, 32, 5, 1, 2),
            MaxPool2d(2),
            Conv2d(32, 32, 5, 1, 2),
            MaxPool2d(2),
            Conv2