深度学习pytorch——彩色图片识别

• 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍦 参考文章地址： 365天深度学习训练营-第P2周：彩色图片分类
• 🍖 作者：K同学啊​​​​​​​​​​

 一、前期准备

语言环境：Python3.8
● 编辑器：pycharm
● 学习环境：Pytorch11.7

CIFAR10数据集有60000张彩色图像，图像为32*32*3，分为10类，每类各6000张

其中50000张用于训练，构成5个训练批次，每一批次10000张；

剩下10000张的用于测试，构成1个批次，取10类中的每一类，每一类随机1000张。

1、设置CPU

import torch
#nn为神经网络
import torch.nn as nn
import matplotlib.pyplot as plt
import torchvision

# 一、 数据准备

# --- 1、设置GPU ---
import torchvision.datasets

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

2.导入数据

# ---2、导入数据---
#使用dataset下载CIFAR10数据集，并划分好训练集与测试集
​​​​​
train_ds = torchvision.datasets.CIFAR10('data',
                                        train=True,
                                        transform=torchvision.transforms.ToTensor(),  # 将##数据类型转化为Tensor
                                        download=True)

test_ds = torchvision.datasets.CIFAR10('data',
                                       train=False,
                                       transform=torchvision.transforms.ToTensor(),  # 将数据类型转化为Tensor
                                       download=False)

#使用dataloader加载数据，并设置好基本的batch_size
#图片数为20张
batch_size = 20

train_dl = torch.utils.data.DataLoader(train_ds,
                                       batch_size=batch_size,
                                       shuffle=False)
test_dl = torch.utils.data.DataLoader(test_ds, batch_size=batch_size)

3、数据可视化

#随机获取一批数据
imgs, labels = next(iter(train_dl))

# ---3、数据可视化---
#随机获取一批数据
imgs, labels