第P10周：Pytorch实现车牌识别

>- **🍨 本文为[🔗365天深度学习训练营](https://mp.weixin.qq.com/s/0dvHCaOoFnW8SCp3JpzKxg) 中的学习记录博客**
>- **🍖 原作者：[K同学啊](https://mtyjkh.blog.csdn.net/)**

在之前的案例中，我们多是使用datasets.ImageFolder函数直接导入已经分类好的数据集形成Dataset，然后使用DataLoader加载Dataset，但是如果对无法分类的数据集，我们如何导入，并进行识别呢？

本周我将自定义一个MyDataset加载车牌数据集并完成车牌识别

我的环境

• 语言环境：Python3.8

• 编译器：Jupyter notebook

• 深度学习环境：

• torch==1.10.0+cu113
• torchvision==0.11.1+cu113

一、导入数据

1. 获取类别名

2. 数据可视化

3. 标签数字化

4. 加载数据文件

5. 划分数据

二、自建模型

三、模型训练

1. 优化器与损失函数

2. 模型的训练

四、结果分析

五、个人总结

对无法分类的数据进行标签数字化，并构建了自己的数据集类。