- 🍨 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