基于卷积神经网络的猫狗识别

最新推荐文章于 2022-10-03 12:38:36 发布

咳咳咳乐

最新推荐文章于 2022-10-03 12:38:36 发布

阅读量680

点赞数

分类专栏：人工智能机器学习文章标签：机器学习

本文链接：https://blog.csdn.net/zby9928/article/details/117966621

版权

本文介绍了如何利用Anaconda环境配置和PyTorch框架，通过从百度网盘或kaggle下载猫狗数据集，进行分类任务。详细步骤包括数据预处理、模型定义、训练过程和最终的预测。文章提供了代码参考，帮助读者实现猫狗图片的识别。

摘要由CSDN通过智能技术生成

基于卷积神经网络的猫狗识别

一、环境配置
二、数据集
三、猫狗分类
四、分类预测

一、环境配置

1、安装Anaconda
下载安装Anaconda
2、配置Pyorch

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torchvision

二、数据集

百度网盘下载：数据集
提取码：dmp4
在这里插入图片描述
kaggle网站的数据集下载地址：
添加链接描述

三、猫狗分类

1、导入库

import torch.nn.functional as F
import torch.optim as optim
import torch
import torch.nn as nn
import torch.nn.parallel
 
import torch.optim
import torch.utils.data
import torch.utils.data.distributed
import torchvision.transforms as transforms
import torchvision.datasets as datasets

2、设置超参数

#每次的个数
BATCH_SIZE = 20
#迭代次数
EPOCHS = 10
#采用cpu还是gpu进行计算
DEVICE = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

3、数据预处理

 
transform = transforms.Compose([
    transforms.Resize(100),
    transforms.RandomVerticalFlip(),
    transforms.RandomCrop(50),
    transforms.RandomResizedCrop(150),
    transforms.ColorJitter(brightness=0.5, contrast=0.5, hue=0.5),
    transforms.ToTensor(),
    transforms.Normalize([0.5, 0.