dogs vs cats 二分类问题vgg16迁移学习

在学习猫狗二分类问题时，我主要参考的是这篇博客：http://t.csdn.cn/J7L0n

然后数据集下载的是：Dogs vs. Cats | Kaggle

下载的数据集一共有25000张，这里采用CPU训练速度非常慢，25000张图片训练一次要4h，所以我们仅选取了200张dog，200张cat用来train，200张dog，200张cat作为test。（从原数据集的train中复制出自己的训练集）。

数据集结构如下：

• data1
  • train
    • cat（200）
    • dog（200）
  • test
    • cat（200）
    • dog（200）

需要注意的是在以下代码中，train和test下必须要分类！

文件：data1

文件：dogs-vs-cats-迁移学习vgg16-train-small

import torch
import torchvision
from torchvision import datasets,transforms,models
import os
import numpy as np
import matplotlib.pyplot as plt
from torch.autograd import Variable
import time

path='data1'

transform=transforms.Compose([
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    transforms.Normalize([0.5, 0.5, 0.5],[0.5, 0.5, 0.5])
])

data_image={
    x:datasets.ImageFolder(root=os.path.join(path,x),
                         transform=transform)
    for x in ["train","test"]
}

data_loader_image={
    x:torch.utils.data.DataLoader(dataset=data_image[x],
                                  batch_size=4,
                                  shuffle=True)
    for x in ["train","test"]
}

use_gpu=torch.cuda.is_available()
print(use_gpu)

classes=data_image["train"].classes #按文件夹名字分类
classes_index=data_image["train"].class_to_idx #文件夹类名所对应的链值
print(classes)
print(classes_index)

print("train data set:",len(data_image["train"]))
print("test data set:",len(data_image["test"]))

x_train,y_train=next(iter(data_loader_image["train"]))
mean=[0.5, 0.5, 0.5]
std=[0.5, 0.5, 0.5]
img=torchvision.utils.make_grid(x_train)
img=img.numpy().transpose((1,2,0))
img=img*std+mean

print([classes[i] for i in y_train])
plt.imshow(img)
plt.show()

#选择预训练好的模型vgg16
model=models.vgg16(pretrained=True)
print(model)

for parma in model.parameters():
    parma.requires_grad=False   #预训练的网络不进行梯度更新
    
#改变模型的全连接层，从原模型的1000个类到本项目的2个类
model.classifier=torch.nn.Sequ