>- **🍨 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。