pytorchgpu测试_PyTorch教程-4:PyTorch中网络的训练与测试

PyTorch教程-4:PyTorch中网络的训练与测试

基本原理

对于要训练的模型,首先我们需要定义其结构,实例化一个用于计算Loss的loss_function和一个用于更新参数的optimizer,之后的事情就比较简单了,只要准备训练数据,然后设定训练的代数(或者停止条件)就可以进行迭代的训练。最后保存模型。对于验证的模型,只要将数据传输进训练好的模型中就能得到预测的结果,当然这个过程通常是不需要计算梯度的,所以通常在 torch.no_grad() 的条件下进行。

本节以CIFAR10的一个简单训练为例进行说明

准备数据

PyTorch中提供了很好的数据接口,当然也可以配合其他的数据集与数据加载工具。对于本节中的图像类型的数据,PyTorch的 torchvision 模块提供了很好的帮助,以及 torchvision.transforms 则对图像的预处理与变换提供了很方便的方法。这些在后边的内容中会详细地介绍,这里只给出一个简单的加载数据的例子,并将CIFR10的数据分成训练集和测试集:

import torch

import torchvision

import torchvision.transforms as transforms

transform = transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)

trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True, num_workers=2)

testset = torchvision.datasets.CIFAR10(root='./data', train=False, download=True, transform=transform)

testloader = torch.utils.data.DataLoader(testset, batch_size=4, shuff

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值