python 手动读取cifar10_pytorch构建CNN对cifar10识别

最新推荐文章于 2023-11-01 17:28:03 发布

weixin_39517400

最新推荐文章于 2023-11-01 17:28:03 发布

阅读量347

点赞数

文章标签： python 手动读取cifar10

本文链接：https://blog.csdn.net/weixin_39517400/article/details/111669785

版权

本教程介绍了如何使用PyTorch手动读取和处理CIFAR10数据集，构建一个CNN分类器，训练并测试模型。通过训练，网络在测试集上达到了9%的准确率，但在某些类别上表现出色，如飞机达到99%的准确性。

摘要由CSDN通过智能技术生成

训练一个分类器
上一讲中已经看到如何去定义一个神经网络（构造一个类，前向传播，后向传播），计算损失值和更新网络的权重。你现在可能在想下一步。

关于数据？

一般情况下处理图像、文本、音频和视频数据时，可以使用标准的Python包来加载数据到一个numpy数组中。然后把这个数组转换成torch.*Tensor。

图像可以使用 Pillow, OpenCV
音频可以使用 scipy, librosa
文本可以使用原始Python和Cython来加载，或者使用 NLTK或 SpaCy 处理

对于图像任务，我们创建了一个包torchvision，它包含了处理一些基本图像数据集的方法。这些数据集包括 Imagenet, CIFAR10, MNIST 等。除了数据加载以外，torchvision还包含了图像转换器，torchvision.datasets和torch.utils.data.DataLoader。

torchvision包不仅提供了巨大的便利，也避免了代码的重复。

在这个教程中，我们使用CIFAR10数据集，它有如下10个类别：‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’。CIFAR-10的图像都是 3x32x32大小的，即，3颜色通道，32x32像素。

训练一个图像分类器

依次按照下列顺序进行：

使用torchvision加载和归一化CIFAR10训练集和测试集
定义一个卷积神经网络
定义损失函数
在训练集上训练网络
在测试集上测试网络

读取数据和归一化

import torch
import torchvision
import torchvision.transforms as transforms

torchvision的输出是[0,1]的PILImage图像，我们把它转换为归一化范围为[-1, 1]的张量.

transform = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])#对读取数据做个处理，打个包
#Normalize是数据归一化

trainset = torchvision.datasets.CIFAR10(root='/jhub/stude