pytorch下搭建神经网络进行图像识别任务

最新推荐文章于 2024-01-28 14:32:19 发布

Bymyself.kk

最新推荐文章于 2024-01-28 14:32:19 发布

阅读量926

点赞数

分类专栏： pytorch 文章标签：图像识别神经网络 python

本文链接：https://blog.csdn.net/yykkkybs/article/details/107009535

版权

本文介绍了如何使用PyTorch构建LSTM循环神经网络进行图像识别任务，数据集包含‘bmp2’, ‘btr70’, ‘t72’三个类别，重点在于图像数据的预处理步骤。" 135189519,7337247,Transformer技术与对话式AI的未来,"['人工智能', '语言模型', '深度学习', '自然语言处理', '对话系统']

摘要由CSDN通过智能技术生成

任务说明：本次对自己的数据集进行分类操作，后续采用LSTM循环神经网络，本次图像分为 ‘bmp2’,‘btr70’,'t72’三类。

(一) 图像数据预处理部分

import numpy as np
import os
import torch
from torch.utils.data.dataset import Dataset
from PIL import Image
import matplotlib.pyplot as plt    #导入工具包

#首先将图像数据生成列表，并分类别加上标签
def prepare_datalist():
    gt = {
   'bmp2':0,'btr70':1,'t72':2} #创建集合，将三类图像分别对应0.1.2的标签
    laebls = ['bmp2','btr70','t72'] 
    train_root = 'data/train'
    test_root = 'data/test'

    with open(<