2020-11-23

最新推荐文章于 2023-04-24 06:45:00 发布

SnapeSk

最新推荐文章于 2023-04-24 06:45:00 发布

阅读量233

点赞数

分类专栏：人工智能

本文链接：https://blog.csdn.net/u011604627/article/details/109975143

版权

这篇博客记录了作者参与猫狗大战挑战赛的过程，由于时间紧张，主要参考了老师的代码和他人实现。内容包括使用VGG模型，调整最后层，使用Adam优化器，训练10个epoch，并在CSDN上首次发表博客。

摘要由CSDN通过智能技术生成

第四次作业：猫狗大战挑战赛

前言

这两周工作一直比较忙，未有充足时间来深入学习，加之上一节课又在外地出差导致课程未上，所以此次作业属于参考老师代码和别人代码摸索完成，并未来得及进行深入的研究，等后续时间充足了再好好看一下。

步骤

这部门内容大部分都属于老师代码的复制粘贴，主要以理解代码为主，自己也不晓得怎么做过多优化，姑且贴在下面，等回头再细细研究。

首先是导入所需要的依赖项，并判断是否存在CPU设备，因为是在colab平台运行的，所以需要在平台上修改-笔记本设置里选择为GPU，不然输出结果为False。

import numpy as np
import matplotlib.pyplot as plt
import os
import torch
import torch.nn as nn
import torchvision
from torchvision import models,transforms,datasets
import time
import json


# 判断是否存在GPU设备
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print('Using gpu: %s ' % torch.cuda.is_available())

另外为了后续可以使用谷歌的云盘，这里需要进行云盘的连接，连接完之后会在content下产生drive/MyDrive的文件夹，这就是谷歌的云盘。

然后就是解压缩把训练的数据集下载下来。

! wget http://fenggao-image.stor.sinaapp.com/dogscats.zip
! unzip dogscats.zip

后续的代码老师很多都做了说明，就直接贴在这里了。

#数据处理
normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])

vgg_format = transforms.Compose([
                transforms.CenterCrop(224),
                transforms.ToTensor(),
                normalize,
            ])

data_dir = './dogscats'

dsets = {x: datasets.ImageFolder(os.