pytorch-cifar运行自己的数据

目录

1. 注意：

2. 数据加载方式（数据格式为：图片文件夹、带有文件路径和标签的txt文件）

3. 网络选择

---

1. 注意：

（1）官网GitHub - kuangliu/pytorch-cifar: 95.47% on CIFAR10 with PyTorch

（2）从终端命令行运行，否则没有测试结果    PS D:\Code\pytorch-cifar> python .\main.py

（3）#D:\Code\pytorch-cifar\models\resnet.py中注意修改最后一层维数

class ResNet(nn.Module):

    self.linear = nn.Linear(276480, num_classes)

x:  torch.Size([2, 3, 656, 875])
out1:  torch.Size([2, 64, 656, 875])
out2:  torch.Size([2, 64, 656, 875])
out3:  torch.Size([2, 128, 328, 438])
out4:  torch.Size([2, 256, 164, 219])
out5:  torch.Size([2, 512, 82, 110])
out6:  torch.Size([2, 512, 20, 27])
out7:  torch.Size([2, 276480])  #276480=512*20*27对应最后一层全连接维数。
out8:  torch.Size([2, 2]) #第一个2为设置的batchsize值；第二个2为设置的类别数据。

2. 数据加载方式（数据格式为：图片文件夹、带有文件路径和标签的txt文件）

#D:\Code\pytorch-cifar\main.py
import torch.nn as nn
import torch.optim as optim
import torch.nn.functional as F
import torch.backends.cudnn as cudnn

import torchvision
import torchvision.transforms as transforms

import os
import argparse

from models import *
from utils import progress_bar
from PIL import Image

from torch.utils.data import Dataset, DataLoader


def default_loader(path):
    # 注意要保证每个batch的tensor大小时候一样的。
    return Image.open(path).convert('RGB')
class MyDataset(Dataset):
    def __init__(self, txt, transform=