pytorch模型加载测试_pytorch入门笔记---训练分类器

一个入门语音分离小菜鸡的日记

写此文的目的是记录自己的学习过程，一些经过，遇到问题以及解决问题的方法，存放在这里，方便自己以后复习以及自己的一些总结，如果此文对你有帮助，或者我写的有错误，请随时联系我。

https://pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html#sphx-glr-beginner-blitz-cifar10-tutorial-py​pytorch.org

放上官方链接。

数据呢？

通常，当您必须处理图像，文本，音频或视频数据时，可以使用将数据加载到numpy数组中的标准python包。然后，您可以将此数组转换为torch.*Tensor。

• 对于图像，Pillow，OpenCV等软件包很有用
• 对于音频，请使用scipy和librosa等软件包
• 对于文本，基于Python或Cython的原始加载，或者NLTK和SpaCy很有用

具体地，对于视觉，我们已经创建了一个叫做 torchvision，其中有对普通数据集如Imagenet，CIFAR10，MNIST等和用于图像数据的变压器，即，数据装载机 torchvision.datasets和torch.utils.data.DataLoader。

这提供了极大的便利，并且避免了编写样板代码。

在本教程中，我们将使用CIFAR10数据集。它具有以下类别：“飞机”，“汽车”，“鸟”，“猫”，“鹿”，“狗”，“青蛙”，“马”，“船”，“卡车”。CIFAR-10中的图像尺寸为3x32x32，即尺寸为32x32像素的3通道彩色图像。

训练图像分类器

我们将按顺序执行以下步骤：

1. 使用以下命令加载和标准化CIFAR10训练和测试数据集 torchvision
2. 定义卷积神经网络
3. 定义损失函数
4. 根据训练数据训练网络
5. 在测试数据上测试网络

1.加载并标准化CIFAR10

使用torchvision，加载CIFAR10非常容易。