【入门】Pytorch实现简单的图片分类器

系列文章目录

---

【入门】Pytorch实现简单的图片分类器

【入门】GPU训练图片分类器

---

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：

1. 使用torchvision加载并且归一化CIFAR10的训练和测试数据集
2. 定义一个卷积神经网络
3. 定义一个损失函数
4. 在训练集上训练模型
5. 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