系列文章目录
前言
本文很适合一些想要入门机器视觉的小伙伴。本实验推荐在Juypter Notebook上运行。
我们将按次序做如下步骤:
- 使用torchvision加载并且归一化CIFAR10的训练和测试数据集
- 定义一个卷积神经网络
- 定义一个损失函数
- 在训练集上训练模型
- 在测试集上测试模型
导入库
使用torchvision加载并归一化数据集。
import torch
import torchvision
import torchvision.transforms as transforms
数据归一化
torchvision数据集的输出范围是[0,1],我们将他们归一化至[-1,1]
tranform = transforms.Compose([transform.ToTensor(),transform.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,shuffle=False, num_workers=2)
classes = ('plane', 'car', 'bird', 'cat