文章目录
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__