PyTorch入门（二）LeNet网络CIFAR10分类识别

PyTorch入门（二）LeNet网络CIFAR10分类识别

利用PyTorch构建动态计算图的一般步骤

• Load and nomoralize the training and test datasets
• Define a Convolutional Neural Network
• Difne a loss function
• Train the network on training data
• Test the netword on test data

LeNet进行CIFAR10分类Python代码

##Load and Normalizing CIFAR10
################################################################
import torch
import torchvision
import torchvision.transforms as transforms

IfDownLoad = False

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=IfDownLoad,
                                        transform=transform)
# 该参数是指在进行数据集加载时，启用的线程数目。截止当前2018年5月9日11:15:52，如官方未解决该BUG，则可以通过修改num_works参数为 0 ，只启用一个主进程加载数据集，避免在windows使用多线程即可。
trainloader = torch.utils.data.DataLoader(trainset,
                                          batch_size=4,
                                          shuffle=True,