PyTorch实战
文章平均质量分 56
图像
丁天牛
小白也要拥有大梦想
展开
-
Pytorch:VGG16
import torchimport torch.nn as nnimport torch.nn.functional as F class VGG16(nn.Module): def __init__(self): super(VGG16, self).__init__() #输入图片大小为:3 * 224 * 224 self.conv1_1 = nn.Conv2d(3, 64, 3) #原创 2021-07-08 21:39:40 · 1874 阅读 · 1 评论 -
Pytorch:一、对图片数据进行标准化(猫狗)
标准化在我们把数据导入模型进行训练的时候,我们首先要对数据进行标准化处理,为什么需要进行标准化呢?简要地说,为了保证网络可以良好的收敛,在不清楚各个维度的相对重要程度之前,标准化使得输入的各个维度分布相近,从而允许我们在网络训练过程中,对各个维度“一视同仁”(即设置相同的学习率、正则项系数、权重初始化、以及激活函数)。反过来,当我们使用全局相同的学习率、权重初始化、以及激活函数等网络设置时,方差更大的维度将获得更多的重视。标准化后我们数据的均值为0,方差为1标准化的公式如下:x_i表示训练集数据原创 2021-07-02 16:40:17 · 4750 阅读 · 0 评论 -
Pytorch:二、数据加载与数据集的划分(猫狗)
在我们进行深度学习的时候,首先对数据进行一些预处理再将数据输入我们构建好的模型中Dataloader是PyTorch中有关数据输入和预处理的类要使用Dataloader类首先应该导入该类:from torch.utils.data import DataLoadertorch.utils.data.DataLoader类的签名:DataLoader(dataset, batch_size=1, shuffle=False, sampler=None, batch_sampler=None, nu原创 2021-06-30 17:18:27 · 3047 阅读 · 1 评论 -
Pytorch:三、数据的迭代训练(猫狗)
首先定义一个epoch,也就是一共迭代多少轮再定义cirterion与optimizer,就是损失函数和优化器然后使用循环语句来训练我们的train_loader,首先外层循环为for epoch in range(epochs),也就是一共迭代多少轮次此时我们要定义runing_loss损失值与train_correct正确率还有train_total记录我们的标签接下来使用for i, data in enumerate进行train_lader的迭代训练其中enumerate返回两个参数,原创 2021-07-05 16:36:28 · 1753 阅读 · 1 评论