Pytorch 自定义神经网络训练自己的图片数据_torch 自己建立训练图像-CSDN博客

本文链接：https://blog.csdn.net/qq_38931409/article/details/101018545

本文介绍了如何使用Pytorch设计自定义的卷积神经网络，准备自定义图片数据集，并进行图像分类。内容涵盖数据准备、网络结构设计、数据集导入和训练过程，展示了自定义神经网络在处理手写数字识别任务上的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Pytorch 自定义神经网络训练自己的图片数据

利用pytorch来设计自定义的神经网络，准备自定义的数据集，训练分类自己的图片数据

本文利用pytorch训练一个自定义的分类器，来对自己的图片数据集进行分类。神经网络的自定义包括网络结构的设计，网络层次各个参数的设计，如激励函数，卷积层数量，卷积核等参数。数据集的自定义是指用户可以设计自己的待分类图像，并且按照自己的意愿将其进行分类。如果你完全熟悉并且完成了本文的操作，那么你将可以完全依靠自己来设计一个图像分类的任务。

开始

首先是数据的准备

数据是手写数据集合，我把他准备为一堆jpg格式的文件，放在一个文件夹里，如图：
在这里插入图片描述
这是数据集的根目录，两个文件夹分布是训练集和测试集，还有两个txt，分别是标签txt文本，命名为“train.txt”，test.txt。
下图是各个文件内容：

这是训练集的图片内容，测试集也是一样的。再看标签文本：
在这里插入图片描述
这是标签文本。数据集就准备完毕了，你可能会好奇为什么我用的是mnist数据集，这没有理由被叫做自定义数据集吧。我想声明的是，这些数据集都是我们能接触到的jpg格式的图片，而不是ubtye这样的2进制数据集，我们知道网上下载的mnist数据集都是这种格式的，但是我们自己的数据都是jpg的。所以，如果你将图片换成阿猫阿狗，其实训练过程也是一模一样的。我详细向你展示一个图片和标签的内容：