第P2周：CIFAR10彩色图片识别

第P2周：CIFAR10彩色图片识别

• 🍨 本文为🔗365 天深度学习训练营 中的学习记录博客
• 🍖 原作者：K 同学啊

📌第P2周：彩色图片识别📌

• 难度：小白入门⭐

• 语言：Python3、Pytorch

🍺 要求：

1. 学习如何编写一个完整的深度学习程序

2. 手动推导卷积层与池化层的计算过程

🔔 本次的重点在于学会构建CNN网络

🏡 我的环境：

• 语言环境：Python3.8

• 编译器：jupyter notebook

• 深度学习环境：Pytorch

一、 前期准备

1. 设置GPU

如果设备上支持GPU就使用GPU,否则使用CPU

import torch
import torch.nn as nn
import matplotlib.pyplot as plt
import torchvision

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

device
device(type='cuda')

2. 导入数据

使用dataset下载CIFAR10数据集，并划分好训练集与测试集

使用dataloader加载数据，并设置好基本的batch_size

train_ds = torchvision.datasets.CIFAR10('data', 
                                      train=True, 
                                      transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
                                      download=True)

test_ds  = torchvision.datasets.CIFAR10('data', 
                                      train=False, 
                                      transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
                                      download=True)

# 如已经下载过 
# Files already downloaded and verified
# Files already downloaded and verified

batch_size = 32

train_dl = torch.utils.data.DataLoader(train_ds, 
                                       batch_size=batch_size, 
                                       shuffle=True)

test_dl  = torch.utils.data.DataLoader(test_ds, 
                                       batch_size=batch_size)
# 取一个批次查看数据格式
# 数据的shape为：[batch_size, channel, height, weight]
# 其中batch_size为自己设定，channel，height和weight分别是图片的通道数，高度和宽度。
imgs, labels = next(iter(train_dl))

print("img shape: ", imgs.shape)
print("labels shape: ", labels.shape)

3. 数据可视化

squeeze()函数的功能是从矩阵shape中，去掉维度为1的。例如一个矩阵是的shape是（5, 1），使用过这个函数后，结果为（5, ）。

import numpy as np

 # 指定图片大小，图像大小为20宽、5高的绘图(单位为英寸inch)
plt.figure(figsize=(20, 5)) 
for i, imgs in enumerate(imgs[:20]):
    # 维度缩减
    npimg = imgs.numpy().transpose((1, 2, 0))
    # 将整个figure分成2行10列，绘制第i+1个子图。
    plt.subplot(2, 10, i+1)
    plt.imshow(npimg, cmap=plt.cm.binary)
    plt.axis('off')
    
#plt.show()  如果你使用的是Pycharm编译器，请加上这行代码

matplot.lib 简单使用

# 1 通过figure创建画布
plt.figure(num=1, figsize=(10,10),dpi=200,facecolor='gray',edgecolor=