【深入浅出PyTorch】4-基础实战-FashionMINIST

最新推荐文章于 2022-12-01 15:07:40 发布

超级虚空

最新推荐文章于 2022-12-01 15:07:40 发布

阅读量468

点赞数

文章标签： pytorch 深度学习神经网络

本文链接：https://blog.csdn.net/m0_49376775/article/details/125831174

版权

4-基础实战

文章目录

4-基础实战

2.1-神经网络学习机制

2.2-深度学习在实现上的特殊性

样本量大，需要分批（Batch）加载
逐层、模块化搭建网络（卷积层、全连接层、LSTM层）
多样化的损失函数和优化器设计*
GPU使用
以上各个模块的配合

2.3-PyTorch的深度学习模块

边学边练，通过实战案例巩固模块知识学习
任务：FashionMINIST时装分类
数据简介
- 10类图片
- 32*32px

代码：2.3-FashionMINIST实战

2.3.1-基本配置

导入基本包
- os,numpy,pandas,torch.nn,torch.optim,torch.utils.data
超参数
- batch size, learning rate, max_epochs, num_workers
硬件

import os
import numpy as np
import pandas as pd
import torch
import torch.nn as nn
import torch.optim as optim
from torch.utils.data import Dataset, DataLoader

# 配置GPU，这里有两种方式
## 方案一：使用os.environ
os.environ['CUDA_VISIBLE_DEVICES'] = '0'

# 方案二：使用“device”，后续对要使用GPU的变量用.to(device)即可
device = torch.device("cuda:1" if torch.cuda.is_available() else "cpu")

## 配置其他超参数，如batch_size, num_workers, learning rate, 以及总的epochs
batch_size = 256
num_workers = 4   # 对于Windows用户，这里应设置为0，否则会出现多线程错误
lr = 1e-4
epochs = 20

设置数字变换

# 首先设置数据变换
from torchvision import transforms

# 图片大小为32，手写数字为28，当然多少没关系
image_size = 28
data_transform = transforms.Compose([
    # 使用 PIL 库图像
    # 取决于内置数据集
    transforms.ToPILImage(),  
     # 这一步取决于后续的数据读取方式，如果使用内置数据集读取方式则不需要
    transforms.Resize(image_size), 
    transforms.ToTensor() # 以tensor形式输入到表格中
])

2.3.2-数据读入

通过Dataset类读取数据

函数：__init__，__getitem__，__len__

通过DataLoader加载数据以供模型输入

用自带方法读取数据

from torchvision import datasets

train_data = datasets.FashionMNIST(root='./', train=True, download=True, transform=data_transform)
test_data = datasets.FashionMNIST(root='./', train<