《深度学习》笔记

文章目录

• 前言
• 一、AlexNet
• • 1. 学习教程
  • 2.学习笔记
• 二、AlexNet网络训练花分类数据集
• • 1. 下载数据集并分好文件夹
  • 2. 网络结构在代码中的详解
  • • 2.1 各个层的参数
  • 3. 使用CPU训练
  • 4. 使用GPU训练
  • 5. 总结
• 三、VGG训练花分类数据集
• • 3.1 VGG网络详解
  • 3.2 GPU训练
  • 3.3 总结
• 四、GoogleNet训练花分类数据集
• • 4.1 GoogleNet网络详解
  • 4.2 GPU训练

---

前言

跟着大佬在学习
深度学习在图像处理中的应用（tensorflow2.4以及pytorch1.10实现）

---

一、AlexNet

1. 学习教程

2.学习笔记

• 模型
  
  
  在model.py里面加入代码并调试

  #测试
  import torch
  input1 = torch.rand([32,3,32,32])
  model = LeNet()
  print(model)
  output = model(input1)

训练数据集cifar10

下载数据集

import torch
import torchvision
import torch.nn as nn
from model import LeNet
import torch.optim as optim
import torchvision.transforms as transforms


def main():
    # 50000张训练图片
    # 第一次使用时要将download设置为True才会自动去下载数据集
    train_set = torchvision.datasets.CIFAR10(root='./data', train=False,
                                             download=True)

if __name__ == '__main__':
    main()

代码中可以查看torch官方的数据集

torchvision.datasets.

训练完成

测试
这里只能用jpg格式的图片，不知道为什么

---

二、AlexNet网络训练花分类数据集

1. 下载数据集并分好文件夹

https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz