调参侠带你入门深度学习：Lenet分类实战（2）：训练与推理

最新推荐文章于 2023-12-20 02:28:01 发布

「已注销」

最新推荐文章于 2023-12-20 02:28:01 发布

阅读量485

点赞数

分类专栏：再探人工智能文章标签： python

本文链接：https://blog.csdn.net/weixin_46421489/article/details/121091734

版权

本文是深度学习系列的第二篇，以CIFAR10数据集为例，利用LeNet进行图像分类。介绍了数据集特性，展示了加载数据、训练模型和预测的流程，最后分享了作者的实践感悟。

摘要由CSDN通过智能技术生成

前言

上篇文章中我们已经介绍了LeNet模型的搭建，这篇文章我们以CIFAR10这个数据集为例，来带大家体验一波深度学习的魅力！

CIFAR10 dataset介绍

它有以下类别： ‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’. 并且是3X32X32的3通道图像。

加载数据

import torch
import torch.nn as nn
import torchvision
import numpy as np
import matplotlib.pyplot as plt
import torchvision.transforms as transforms
from model import Lenet
import torch.optim as optim #优化

#1.数据集处理
#预处理，to_tensor(whc->cwh,0~255->0~1)，正则化处理
transform = transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5))])
#训练数据集
trainset = torchvision.datasets.CIFAR10(root='./root',train=True,transform=transform,download=False)
#读取训练数据集
trainloader = torch.utils.data.DataLoader(trainset,batch_size=36,shuffle=True,num_workers=0)

#验证数据集
val_set = torchvision.datasets.CIFAR10(root='./root',train=False<