使用使用PyTorch训练一个图像分类器实例训练一个图像分类器实例
今天小编就为大家分享一篇使用PyTorch训练一个图像分类器实例，具有很好的参考价值，希望对大家有所帮
助。一起跟随小编过来看看吧
如下所示：如下所示：
import torch
import torchvision
import torchvision.transforms as transforms
import matplotlib.pyplot as plt
import numpy as np
print("torch: %s" % torch.__version__)
print("tortorchvisionch: %s" % torchvision.__version__)
print("numpy: %s" % np.__version__)
Out:
torch: 1.0.0
tortorchvisionch: 0.2.1
numpy: 1.15.4
数据从哪儿来？数据从哪儿来？
通常来说，你可以通过一些python包来把图像、文本、音频和视频数据加载为numpy array。然后将其转换为torch.*Tensor。
图像。Pillow、OpenCV是用得比较多的
音频。scipy和librosa
文本。纯Python或者Cython就可以完成数据加载，可以在NLTK和SpaCy找到数据
对于计算机视觉而言，我们有torchvision包，它可以用来加载一下常用数据集如Imagenet、CIFAR10、MINIST等等，也有一
些常用的为图像准备数据转换例如torchvision.datasets和torch.utils.data.DataLoader。
这次的教程中，我们使用CIFAR10数据集，他有‘airplane', ‘automobile', ‘bird', ‘cat', ‘deer', ‘dog', ‘frog', ‘horse', ‘ship', ‘truck'这
几个类别的图像。图像大小都是3x32x32的。也就是说，图像都是三通道的，每一张图的尺寸都是32x32。
训练一个图像分类器训练一个图像分类器
步骤如下：
使用torchvision加载、归一化训练集和测试集
定义卷积神经网络
定义损失函数
使用训练集训练网络
评论0