pytorch--resnet 精准迁移学习 花朵识别

目录

1数据读取与预处理操作

1.1读取

1.2定义关于经过数据增强的数据源

1.3数据标准化处理--定义训练测试的数据

2.我通过迁移学习使用 resnet 来定义深度学习的网络框架

2.1基于预训练网络模型来初始化我们的网络

2.2定义优化器

2.3训练模块

2.4全局微调

3.测试

3.1加载模型参数

3.2定义关于测试数据预处理的函数

3.3展示工作

---

到目前为止，机器学习是从给定的大量花朵图片中识别花朵名称的唯一选择。这使得使用深度学习实现花识别任务对于每个初学者来说都非常有趣

我的实验环境

Python 3.8.5 + python3.8 + '1.7.0+cu101'

我的数据集

由102类花卉组成，每类由0-150张图片组成

 

 

我们将使用神经网络对花朵进行分类。神经网络是深度学习的一种形式，最适合当今的图像分类。我们首先导入所有需要的模块以运行我们的代码

import os
import matplotlib.pyplot as plt
import numpy as np
import torch
from torch import nn
import torch.optim as optim
import torchvision
from torchvision import transforms,models,datasets
import imageio
import time
import warnings
import random
import sys
import copy
im