tiny imagenet 训练_Dataloader读取图片集并训练网络

使用Dataset制作好数据集之后，可以用Dataloader进行读取，然后用resnet34进行训练。

具体代码及注释如下

1 模块导入

其中data_read是利用Dataset制作数据集时写的文件

# 从data_read文件中读取函数

2 数据的读取

batch_size为每一次处理数据的数量，以60张图片为一组

# 读取数据
trainset = ImageFloder(root='D:/Anaconda3/data/tiny-imagenet-200', subdir='train', transform=train_transform)
traindataloader = DataLoader(trainset, batch_size=60, shuffle=True, num_workers=0)
valset = ImageFloder(root='D:/Anaconda3/data/tiny-imagenet-200', subdir='val', transform=test_transform)
valdataloader = DataLoader(valset, batch_size=60, num_workers=0)

3 网络构建

# 因为batch_size的存在，因此输入的x的size实际为([60,1,224,224])
# 网络开始搭建，自定义类均要继承 nn.Module 类
# 只需要定义 __init__ 和 forward 即可
# class_number表明最后分类的数量，200意味着一共有200个类型的图片，编号为0到199
class Net(nn.Module):
    def __init__(self, class_number=200):
        super(Net, self).__init__()
        self.net = resnet34(pretrained=True)
        # 修改 resnet34 的全连接层，定义第一次Linear的输出通道数
        self.cov2fc =