Pytorch图像处理
文章平均质量分 81
使用深度学习以pytorch为平台,对几个公开数据进行训练测试
PC_CS
这个作者很懒,什么都没留下…
展开
-
Win10+anaconda+CUDA+pytorch+vscode配置
win10环境下安装pytorch原创 2023-08-17 14:26:03 · 750 阅读 · 0 评论 -
本地测试Segment Anything
点击运行,注意这里需要你的pytorch环境安装相对应的库,这时打开Anaconda powershell Prompt(Anaconda),激活你的pytorch环境:conda activate pytorch(你的pytorch环境名称),输入conda install 库名进行安装相应库;,在vscode中激活你的pytorch环境,并在vscode中安装好jupyter插件;点击下载,我这里下载了最后一个358M大小的模型(这里可以使用迅雷下载但速度也不快)官网中给出了三个训练好的参数文件。原创 2023-04-14 09:38:54 · 895 阅读 · 0 评论 -
使用数据增强加迁移学习处理CIFAR10数据集
只是用卷积网络对CIFAR10数据集进行处理很难取得良好的效果,一味的增加网络深度会使得数据计算量大幅增加,很容易产生过拟合现象。所以我们使用数据增强和迁移学习的方法对数据集进行处理。1 数据增强在对图像进行处理时,增加样本数据会减小过拟合现象的影响。但是我们继续采集样本又是一件费时费力的事情,所以我们对原来的数据进行变换,在不改变图像属性的前提下增加数据量。具体代码如下:transforms.RandomResizedCrop(size=256, scale=(0.8, 1.0)), # 将原始图像原创 2020-09-24 15:28:27 · 1928 阅读 · 3 评论 -
利用Pytorch对CIFAR10数据集分类(三)
定义损失函数和优化器代码如下:net = Net()import numpy as numpy from torch.autograd import Variable# Define loss (Cross-Entropy)import torch.optim as optimcriterion = nn.CrossEntropyLoss()# SGD with momentum...原创 2020-03-31 19:27:22 · 330 阅读 · 1 评论 -
利用Pytorch对CIFAR10数据集分类(二)
定义网络上代码;`def __init__(self): super(Net,self).__init__() self.conv1 = nn.Conv2d(3,8,3,padding=1) self.conv2 = nn.Conv2d(8,64,3,padding=1) self.pool1 = nn.MaxPool2d(2,2...原创 2020-03-31 19:26:55 · 485 阅读 · 0 评论 -
利用Pytorch对CIFAR10数据集分类(一)
使用torchvision加载并预处理CIFAR-10数据集定义网络(卷及神经)定义损失函数和优化器训练网络并更新网络参数测试网络Pytorch库中有许多与深度学习有关的代码块,在进行学习时可以直接调用,十分有利于新手学习和使用。本次深度学习我就是采用pytorch库进行变成实现对CIFAR10数据集的分类处理使用torchvision加载并预处理CIFAR10数据集直接上pyt...原创 2020-03-31 19:26:22 · 932 阅读 · 0 评论