pytorch基于cifar10实现NIN网络(带注释)

最新推荐文章于 2024-08-25 10:47:03 发布

@干将莫邪

最新推荐文章于 2024-08-25 10:47:03 发布

阅读量940

点赞数

分类专栏： python、深度学习文章标签：深度学习 pytorch

本文链接：https://blog.csdn.net/qq_34097521/article/details/105091362

版权

这篇博客详细介绍了如何使用PyTorch在CIFAR10数据集上实现Network in Network (NIN)深度学习模型。通过`train.py`和`data.py`两个文件，博主展示了训练和数据处理的完整流程。

摘要由CSDN通过智能技术生成

pytorch基于cifar10实现NIN网络

模型Network in network
在这里插入图片描述

train.py

#导出需要的库
import torch
import torchvision
import torch.optim as optim
import torchvision.transforms as transforms
import torch.nn as nn
import torch.nn.functional as F
import data
import cPickle as pickle
import numpy

from torch.autograd import Variable

#给定数据集路径，加载数据
trainset = data.dataset(root='./data', train=True)

#该接口会将dataset根据batchsize大小，是否shuffle等封装成一个batchsize大小的tensor
trainloader = torch.utils.data.DataLoader(trainset, batch_size=128, shuffle=True, num_workers=2)

#测试数据读取
testset = data.dataset(root='./data', train=False)
testloader = torch.utils.data.DataLoader(testset, batch_size=100,
        shuffle=False, num_workers=2)

#数据集总类别数
classes = ('plane', 'car', 'bird', 'cat',
        'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

#定义模型
class Net(nn.Module):#继承父类nn.Module
    def __init__(self):
        super(Net, self).__init__()#super可以指代父类而不需要显式的声明，这对更改基类(此处为__init__())的时候是有帮助的，使得代码更容易维护
        self.classifier = nn.Sequential(
                nn.Conv2d(3, 192, kernel_size=5, stride=1, padding=2),
                nn.ReLU(inplace=True),
                nn.Conv2d(192, 160, kernel_size=1, stride=1, padding=0),
                nn.ReLU(inplace=True),
                nn.Conv2d(160,  96, kernel_size=1, stride=1, padding=0),
                nn.ReLU(inplace=True),