环境
- Anaconda3
- pycharm (安利一波!颜值很高!有教育版,一般用学校邮箱注册就可以)其他IDE也可以
- python 3.6
- opencv-python 4.1.0.25
- torch 0.4.0
- torchvision 0.2.1
其实环境也不用太在意,运行程序后,如果遇到
ModuleNotFoundError: No module named 'requset'
之类的错误,都用conda install <package_name>
就可以了。
Anaconda
一般写python的应该都装了这个把~简单说这是个包管理器,以为python的程序很多都需要加载非常多的包,把包都放在全局很难管理,所以一般开始一个项目都会新建一个包管理环境,简单介绍一下最基本的创建一个包管理环境的方法。
切换到Environment界面,点击Create就可以创建一个包环境。
这时候创建的环境是最基本的环境,你可以根据需要在anaconda中继续install你需要的包。
图形界面的install包的方式就点来点去就好了,当然也可以用命令行的方式。
在pycharm的Terminal可以采用activate basic_env
来激活我们刚刚创建的环境,然后你就可以在这个环境中try what you want.一般常用的是安装包。这里可以采用两种方式,pip install <package_name>
和conda install <package_name>
。这两个的区别可以搜一下,这里推荐大家使用conda install
吧。
Pytorch
pytorch就是类似tensorflow的一种神经网络框架吧。神经网络一层层的嘛,要是整个一层层都自己代码一行行建起来多麻烦呀,然后大家就有了框架了。像pytorch你想建一层网络只需要一行代码的,贼方便。我也没用过tensorflow,听说pytorch好上手,我就先试pytorch了。
推荐莫烦的pytorch教程。他出了好多课了,python啥啥的讲的都挺好的,然后也都是免费的,看起来可快了,入门刚刚好。当然,不看也可以先跟着这篇博客,不用懂啥原理,也可以完成识别hhhh。(我也还没搞明白
安装pytorch
这里推荐先去官网下载选择一下自己需要的版本
像我,就是整个配置。可以看到有一行是cuda,可以看看自己的显卡是不是NVIDIA的,如果不是的话,果断选none就行,如果是的话,你要是想用GPU跑快点的话可以配置一下cuda,这篇教程就不涉及了。
这里选好自己的配置后,复制网页上"Run this Command" 的内容到命令行就可以了。然后等它装完就行啦~
Let’s gogo
一共会有两个.py文件,一个就是训练网络的代码,一个是拿到训练好的网络的参数后,用这个网络去识别图片的代码。
先贴代码,整个训练网络的代码都在这里了,是不是很短,然后就看下要改哪些地方就可以了:
from __future__ import print_function, division
import torch
import torch.nn as nn
import torch.optim as optim
from torch.optim import lr_scheduler
from torch.autograd import Variable
import torchvision
from torchvision import datasets, models, transforms
import time
import os
def train_model(model, criterion, optimizer, scheduler, num_epochs=25):
since = time.time()
best_model_wts = model.state_dict()
best_acc = 0.0
for epoch in range(num_epochs):
print('Epoch {}/{}'.format(epoch, num_epochs - 1))
print('-' * 10)
# Each epoch has a training and validation phase
for phase in ['train', 'val']:
if phase == 'train':
scheduler.step()
model.train(True) # Set model to training mode
else:
model.train(False)