PaddlePaddle学习笔记——LeNet眼疾（包含踩过各种坑）

最新推荐文章于 2023-07-21 21:40:08 发布

九三四五

最新推荐文章于 2023-07-21 21:40:08 发布

阅读量543

点赞数 1

分类专栏： PaddlePaddle学习之路文章标签： python 深度学习神经网络

本文链接：https://blog.csdn.net/qq_41347594/article/details/106878121

版权

这篇博客记录了作者在学习PaddlePaddle框架中使用LeNet模型进行深度学习时遇到的各种问题，包括plt.subplot的使用、异常处理、yield的理解和应用，以及在使用fluid.dygraph.guard()进行优化器配置时的注意事项。文章还提到了数据预处理时从Excel转CSV的细节，如最后一行空格可能导致的错误，并提醒读者在AISTUDIO上下载数据集。

摘要由CSDN通过智能技术生成

前言：各种踩过的坑

plt.subplot(121) 画图一行两列中的第一个图

raise（）自动显示异常，一旦raise（）执行后面的语句不在执行

yield python的一个生成器
简单理解：到yield就返回，下一次执行从yield下面的一条语句执行

def funny():
    for i in range(1,10):
        yield i

f = funny()
while next(f):
    print(next(f)) # next方法

def fun():
    n = 0
    while True:
        n = yield n
a = fun()
next(a)  # 在一个生成器未启动前不能传值
print(a.send(1)) # send传值

应用
需要一个无限循环序列，通常解决方法是生成一个非常大的列表，但很明显内存限制了这种办法
使用yield就可以解决问题，每次只返回一个数据

fluid.dygraph.guard()通过with语句创建一个dygraph运行的context，执行context代码。

优化器：多种优化器连接

注：有一个数据格式转换，excel转csv要把excel另存为csv
csv最后一行后面有空格，运行时就会发现，出现错误删除即可

CSVFILE = 'H:/eyeWork/valid_gt/PALM-Validation-GT/Labels.csv'
filelists = open(CSVFILE).readlines()
for line in filelists[1:]:
    line = line.strip().split(',')  # 这里根据数据格式而定
    print(line)

整体网络

import os
import numpy as np
import matplotlib.pyplot as plt
import cv2
# %matplotlib inline
from PIL import Image

DATADIR = 'H:/eyeWork/PALM-Training400/PALM-Training400'   # 这里有改动

file1 = 'N0012.jpg'
file2 = 'P0095.jpg'

# 读取图片
img1 = Image.open(os.path.join(DATADIR,file1))
img1 = np.array(img1)
img2 = Image.open(os.path.join(DATADIR,file2))
img2 = np.array(img2)

# 画出读取的数据
plt.figure(figsize=(16,8))
f = plt.subplot(121)
f.set_title('Normal',fontsize=20)
plt.imshow(img1)
f = plt.subplot(122)
f.set_title('PM',fontsize=20)
plt.imshow(img2)
plt.show()




# 定义数据读取器
# 使用opencv从磁盘读取图片，将每张图片放缩到224*224大小，并且将像素值调整到[-1,1] 之间
import cv2
import random
import numpy as np

# 对读入的图像数据进行处理
def transform_img(img):
    # 图片尺寸放缩到 224*224
    img = cv2.resize(img,(224,224))
    # 读入图片的格式是[H,W,c]
    # 使用转置操作将其变成[C,H,W]
    img = np.transpose(img,(2,