pytorch快速入门（六）神经网络卷积层

最新推荐文章于 2024-03-22 20:04:45 发布

半甜田田

最新推荐文章于 2024-03-22 20:04:45 发布

阅读量740

点赞数 1

分类专栏：深度学习可视化 pytorch 文章标签： pytorch 神经网络深度学习

本文链接：https://blog.csdn.net/rensweet/article/details/122267165

版权

本文介绍了使用PyTorch进行深度学习时，如何处理CIFAR10数据集。针对遇到的找不到数据集的问题，提出了修改路径的解决方案，并展示了简单卷积层的代码实现与可视化结果，包括TensorBoard的使用教程。

摘要由CSDN通过智能技术生成

1 数据集：CIFAR10

使用CIFAR10，之前下过所以直接用。没有下载的请看此条笔记进行下载。
1、数据集所在文件夹如下
在这里插入图片描述
2、运行下列代码

from torch.utils.data import DataLoader
from torch import nn


#torchvision.datasets.CIFAR10参数说明

#root：数据集根目录
#train（bool，optional） - 如果为True，则创建数据集training.pt，否则创建数据集test.pt。
#download（bool，optional） - 如果为true，则从Internet下载数据集并将其放在根目录中。如果已下载数据集，则不会再次下载。
#transform（callable ，optional） - 一个函数/转换，它接收PIL图像并返回转换后的版本。例如，transforms.RandomCrop
#target_transform（callable ，optional） - 接收目标并对其进行转换的函数/转换
dataset = torchvision.datasets.CIFAR10("E:/PycharmProjects/Pytoch_learning/dataset",
                                       train=False, transform=torchvision.transforms.ToTensor(), download=False)
dataloader = DataLoader(dataset,batch_size=64)

#创建模型
class Tian(nn.Module):