【PyTorch】CNN图像识别分类模型

使用PyTorch搭建一个类似LeNet-5的卷积神经网络结构，用于fashion-mnist数据集的图像分类。分为数据准备、模型建立、使用训练集进行训练和使用测试集测试模型效果并可视化。

import numpy as np
import pandas as pd
from sklearn.metrics import accuracy_score,confusion_matrix,classification_report
import matplotlib.pyplot as plt
import seaborn as sns
import copy
import time
import torch
import torch.nn as nn
from torch.optim import Adam
import torch.utils.data  as Data
from torchvision import transforms
from torchvision.datasets import FashionMNIST

#读取数据
train_data=FashionMNIST(
    root="./data/FashionMNIST",
    train=True,
    transform=transforms.ToTensor(),
    download=False
)
#定义数据加载器
train_loader=Data.DataLoader(
    dataset=train_data,
    batch_size=64,
    shuffle=False,
    num_workers=0,
)
print("train_loader的batch数量为：",len(train_loader))

#可视化一个batch的图像
#获取一个batc的数据
for step,(b_x,b_y) in enumerate(train_loader):
    if step>0:
        break
#可视化一个batch的图像
batch_x=b_x.squeeze().numpy()
batch_y=b_y.numpy()
class_label=train_data.classes
class_label[0]="T-shirt"
plt.figure(figsize=(12,5))
for ii in np.arange(len(batch_y)):
    plt.subplot(4,16,ii+1)#4行16列
    plt.imshow(batch_x[ii,:,:],cmap=plt.cm.gray)
    plt.title(class_label[batch_y[ii]],size=9)
    plt.axis("off")
    plt.subplots_adjust(wspace=0.05)
# plt.show()
#测试集数据处理
test_data=FashionMNIST(
    root="./data/FashionMNIST",
    train=False,
    # transform=transforms.ToTensor(),
    download=False
)
test_data_x=test_data.data