【Pytorch】猫狗识别实例

一、配置环境

1、
安装Anaconda
2、
安装pytorch所需工具包
需要激活tensorflow环境

conda create -n tf1 python=3.6
activate
conda activate tf1

安装命令

（这里是阿里云的镜像，实测我用清华的镜像会瞎子啊失败，如果这个命令也失败可以自己换成其它镜像源）

pip install -i https://mirrors.aliyun.com/pypi/simple torch
pip install -i https://mirrors.aliyun.com/pypi/simple torchvision

二、准备数据集

2.1 下载数据集

https://pan.baidu.com/s/13hw4LK8ihR6-6-8mpjLKDA 提取码：dmp4

2.2 数据集的分类

这里请参考我之前的博客
【卷积神经网络】CNN详解以及猫狗识别实例
完成分类之后的文件夹如下

三、猫狗分类实例

3.1 导入库

# 导入库
import torch.nn.functional as F
import torch.optim as optim
import torch
import torch.nn as nn
import torch.nn.parallel
 
import torch.optim
import torch.utils.data
import torch.utils.data.distributed
import torchvision.transforms as transforms
import torchvision.datasets as datasets

3.2 设置超参数

# 设置超参数
#每次的个数
BATCH_SIZE = 20
#迭代次数
EPOCHS = 10
#采用cpu还是gpu进行计算
DEVICE = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

3.3 图像处理

 # 数据预处理
 
transform = transforms.Compose([
    transforms.Resize(100),
    transforms.RandomVerticalFlip(),
    transforms.RandomCrop(50),
    transforms.RandomResizedCrop(150),
    transforms.ColorJitter(brightness=0.5, contrast=0.5, hue=0.5),
    transforms.ToTensor(),
    transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])
])

3.4 读取数据集

# 读取数据
 
dataset_train = datasets.ImageFolder('C:\\Res\\kaggle_Dog&Cat\\kaggle_Dog&Cat\\find_cats_and_dogs\\train', transform)
 
print(dataset_train.imgs)
 
# 对应文件夹的label
 
print(dataset_train.class_to_idx)
 
dataset_test = datasets.ImageFolder('C:\\Res\\kaggle_Dog&Cat\\kaggle_Dog&Cat\\find_cats_and_dogs\\validation', transform)
 
# 对应文件夹的label
 
print(dataset_test.class_to_idx)
 
# 导入数据
 
train_loader = torch.utils.data.DataLoader(dataset_train, batch_size=BATCH_SIZE, shuffle=True)
 
test_loader = torch.utils.data.DataLoader(dataset_test, batch_size=BATCH_SIZE, shuffle=True)

3.5 定义网络模型

# 定义网络
class ConvNet(nn.Module):
    def __init__(self):
        super(ConvNet, self).__init__