cv2本地图形读取,由RGB变为灰度,再变为tensor

最近想用pytorch识别本地的图片库,于是打算用一个最基础的网络,没有用到Conv

由cv2读取本地图形方式为:

array1 = cv2.imread("./result/1.jpg", cv2.IMREAD_GRAYSCALE)

x = torch.tensor(array1).float()

第一行选取图形目录,cv2.IMREAD_GRAYSCALE为转为灰度
第二行为转为tensor形式,可以进入计算

基础的网络如下:

myNet = nn.Sequential(
    nn.Linear(2,10),
    nn.ReLU(),
    nn.Linear(10,1),
    nn.Sigmoid()
)



optimzer = torch.optim.SGD(myNet.parameters(), lr=0.05)
loss_func = nn.MSELoss()

for epoch in range(5000):
    out = myNet(x)
    loss = loss_func(out, y)
    optimzer.zero_grad()
    loss.backward()
    optimzer.step()

print(out.data)

这里还需要一个y来表示样本的种类。

目前困惑

x = np.mat('0 0;'
           '0 1;'
           '1 0;'
           '1 1')

x = torch.tensor(x).float()

y = np.mat('1;'
           '0;'
           '0;'
           '1')
y = torch.tensor(y).float()

这里有个x,y的例子,但是x是每一行一个y对应,对于一个非向量的矩阵块,我还不明白怎么进行分类。

初步想法

  1. pytorch的torchvision.datasets.ImageFolder可以直接用文件夹进行类别的区分,然后使用torch.utils.data.DataLoader转为<class ‘torch.utils.data.dataloader.DataLoader’>的种类直接放到网络,现在还不清楚如何调整网络中的参数来使用这个

  2. 继续分析mnist的代码来学习

  3. 用一个简单的CNN基础网络来将Dataloader的数据放进去测试

如果有大佬看到希望能给予小白指导orz

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值