![](https://img-blog.csdnimg.cn/20190918140213434.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
Pytorch
文章平均质量分 63
Pytorch学习
参考视频:b站小土堆
github地址:
https://github.com/Elephant-King9/Pytorch_Learning
Elephant_King
github:https://github.com/Elephant-King9
平时写的代码会上传到github,欢迎学习交流
展开
-
【Pytorch】18.创建自定义数据集并根据文件名或对应文件名的文本文件获取labels
本文主要探讨两种不同的数据集获取labels的方法根据图片的文件名中获取文件标签根据与图片名称相同的.txt文件获取文件名。原创 2024-05-23 12:08:44 · 432 阅读 · 0 评论 -
【Pytorch】17.使用自定义类继承Dataset创建数据集并通过代码将完整的数据集分割为测试集与训练集
本文主要探讨获取一个数据集的两种情况,以手写数据集为例以文件格式划分好了训练集与测试集文件没有划分测试集与训练集,需要通过代码进行划分__init__主要实现一件事将给出的数据集地址转化并保存为一个数据集列表我们的文件结构为,下面的代码在必要处都给出了注释,读者可以自行阅读# 判断变化规则# 判断是否是训练集if train:else:# 遍历每个子文件夹(标签)if os.path.isdir(label_path): # 只处理目录# 遍历子文件夹中的所有图像文件。原创 2024-05-22 18:10:52 · 923 阅读 · 0 评论 -
【Pytorch】16.使用ImageFolder加载自定义MNIST数据集训练手写数字识别网络(包含数据集下载)
在前文【Pytorch】13.搭建完整的CIFAR10模型我们已经知道了基本搭建神经网络的框架了,但是其中的数据集使用的中的CIFAR10官方数据集进行训练的本文将用图片格式的数据集进行训练我们通过可以看到我们下载的数据集是这种格式的,所以我们的主要问题就是如何将自定义的数据集获取,并且转化为这种形式,剩下的步骤就和上文相同了。原创 2024-05-21 12:34:12 · 364 阅读 · 0 评论 -
【Pytorch】15.自定义验证照片测试自定义的CIFAR10网络
因为CIFAR10对输入照片要求的格式为而我们在网上找到的图片基本都不满足要求,所以我们需要对网络上找到的图片先进行处理比如我们找到一个猫的照片我们需要上面一系列的操作才能将图片的地址转化为导入训练好的神经网络在上一节的训练中,我们已经成功获得了训练30轮的CIFAR10神经网络,我们需要将训练好的网络加载到当前文件中,具体可以看经过这个步骤,我们就可以得到当前图片在CIFAR10数据集中10分类的哪个概率最大了,然后我们通过来获取最大概率的下标,然后根据下标来对应数据集的元素我们可以看到输出了cat。原创 2024-05-18 22:09:25 · 293 阅读 · 0 评论 -
【Pytorch】【MacOS】14.m1芯片使用mps进行深度模型训练
我们可以看到使用GPU的速度在本模型中还是比CPU快不少的。进行验证是否可以使用mps进行训练。就可以实现m1芯片来进行gpu训练。的情况下每训练100次的时间。的情况下每训练100次的时间。然后我们需要在三处添加为。分别在上面四处进行修改。CIFAR10数据集。首先我们先要引入设备。原创 2024-05-18 16:39:33 · 1701 阅读 · 0 评论 -
【Pytorch】13.搭建完整的CIFAR10模型
我们可以在网上搜到CIFAR10的网络模型,通过网络模型来搭建网络,具体可以看【Pytorch】10.CIFAR10模型搭建return x这里我们新创建了一个model.py用于专门存储网络结构,这样在我们的训练文件中,可以通过# 3.创建神经网络来导入我们自定义的神经网络。原创 2024-05-18 14:53:15 · 1180 阅读 · 0 评论 -
【Pytorch】12.网络模型的加载、修改与保存
首先我们先自定义网络结构,并保存为.pth文件return x# 保存自定义网络这里需要注意,我们在新的文件加载这个网络模型时,不能直接通过进行加载,而是要先引入我们网络模型的类return x# 注意无法直接通过这条语句导入,需要先引入网络定义或者通过来导入我们的类信息# 注意无法直接通过这条语句导入,需要先引入网络定义。原创 2024-05-17 14:17:54 · 353 阅读 · 0 评论 -
【Pytorch】11.损失函数与梯度下降
主要介绍三种。原创 2024-05-16 17:34:54 · 301 阅读 · 0 评论 -
【Pytorch】10.CIFAR10模型搭建
是中官方给出的一个数据集,可以通过来下载到指定文件夹。原创 2024-05-15 17:16:24 · 397 阅读 · 0 评论 -
【Pytorch】9.torch.nn.MaxPool2d
是对二维矩阵进行池化层下采样的方法。原创 2024-05-15 14:53:36 · 191 阅读 · 0 评论 -
【Pytorch】8.torch.nn.conv2d
这个函数和我们之前提到的的作用相似,都是完成操作,这里就不在过多赘述。原创 2024-05-14 19:26:12 · 305 阅读 · 0 评论 -
【Pytorch】7.使用Module模块搭建简易神经网络
torch.nn中的module是PyTorch中用于构建神经网络模型的基本单元。它包含了各种神经网络层、激活函数、损失函数等,可以通过组合不同的module来构建复杂的神经网络模型。每个module都包含了参数和方法,可以进行前向传播和反向传播等操作。使用module可以方便地构建、训练和部署神经网络模型。原创 2024-05-14 18:13:41 · 185 阅读 · 0 评论 -
【Pytorch】6.torch.nn.functional.conv2d的使用
阅读之前应该先了解基础的CNN网络的逻辑。原创 2024-05-07 20:36:32 · 481 阅读 · 0 评论 -
【Pytorch】5.DataLoder的使用
个人理解是,如果Dataset的所有数据相当于一副扑克牌,DataLoader就相当于从扑克牌中抽取几张,我们可以规定一次抽取的张数,或者以什么规则进行抽取。原创 2024-05-07 15:55:46 · 422 阅读 · 0 评论 -
【Pytorch】4.torchvision.datasets的使用
是pytorch官方给出的关于cv领域的训练数据集,我们可以用官方提供的数据集进行学习与训练。原创 2024-05-07 13:14:55 · 444 阅读 · 0 评论 -
【Pytorch】3.Transforms的运用
在PyTorch中,transforms是用于对数据进行预处理、增强和变换的操作集合。transforms通常用于数据载入和训练过程中,可以包括数据的归一化、裁剪、翻转、旋转、缩放等操作,以及将数据转换成PyTorch可以处理的Tensor格式。原创 2024-05-07 10:07:41 · 331 阅读 · 0 评论 -
【Pytorch】2.TensorBoard的运用
是一个可视化和理解深度爵溪模型的工具。它可以通过显示模型结构、训练过程中的指标和图形化展示训练的效果来帮助用户更好地理解和调试他们的模型。原创 2024-05-06 21:38:44 · 432 阅读 · 0 评论 -
【Pytorch】1.读取训练数据集
class MyData(Dataset): # 创建一个MyData类,同时继承Dataset类def __init__(self, root_dir, label_dir): # 类似于c++的构造函数# root_dir 一般设置为训练集文件夹的地址(train)# label_dir 一般设置为分类文件夹的地址(ants)self.path = os.path.join(root_dir, label_dir) # 这个函数的作用是将root_dir的地址与label_dir的地址拼接起来。原创 2024-05-06 17:05:30 · 279 阅读 · 0 评论