cv2本地图形读取，由RGB变为灰度，再变为tensor

本文链接：https://blog.csdn.net/qq_29768741/article/details/106079143

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：

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
继续分析mnist的代码来学习
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