2020-11-23

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.
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值