利用kaggle+pytorch进行机器学习1（图像分类）_kaggle如何安装低版本CUDA

kaggle

label

124 浏览量更新于2023-05-03 评论 1 收藏 542KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

利用利用kaggle+pytorch进行机器学习进行机器学习1（图像分类）（图像分类）

最近在学习机器学习，一开始准备适应tensorflow框架，结果学习的时候发现tensrflow2.0与1.0版本兼容性太差，于是采用pytorch框架。

对于学生党而言，免费的GPU是最重要的资源，kaggle提供了每周30个小时的免费GPU，基本满足了学习需要。

没有自己写源码，参考了kaggle上面的一个资源，并作了一定注释和修改。

#导入必要的包

import numpy as np # linear algebra

import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)

import os

import torch

import torch.nn as nn

import cv2

import matplotlib.pyplot as plt

import torchvision

from torch.utils.data import Dataset, DataLoader, ConcatDataset

from torchvision import transforms

import copy

import tqdm

from PIL import Image

%matplotlib inline

在这里插入代码片

#图片文件解压缩

!unzip ../input/train -d train

!unzip ../input/test1 -d test1

#设置文件路径

train_dir = '/kaggle/working/train/train'

test_dir = '/kaggle/working/test1/test1'

train_files = os.listdir(train_dir)

test_files = os.listdir(test_dir)

#图片处理类

class CatDogDataset(Dataset):

def __init__(self, file_list, dir, mode='train', transform = None):

self.file_list = file_list

self.dir = dir

self.mode= mode

self.transform = transform

if self.mode == 'train':

if 'dog' in self.file_list[0]:

self.label = 1

else:

self.label = 0

def __len__(self):

return len(self.file_list)

def __getitem__(self, idx):

img = Image.open(os.path.join(self.dir, self.file_list[idx]))

if self.transform:

img = self.transform(img)

if self.mode == 'train':

img = img.numpy()

return img.astype('float32'), self.label

else:

img = img.numpy()

return img.astype('float32'), self.file_list[idx] #数据转换函数

data_transform = transforms.Compose([

transforms.Resize(256),

transforms.ColorJitter(),

transforms.RandomCrop(224),

transforms.RandomHorizontalFlip(),

transforms.Resize(128),

transforms.ToTensor()

])

#分离猫，狗的图像数据

cat_files = [tf for tf in train_files if 'cat' in tf] dog_files = [tf for tf in train_files if 'dog' in tf]

cats = CatDogDataset(cat_files, train_dir, transform = data_transform)

dogs = CatDogDataset(dog_files, train_dir, transform = data_transform)

catdogs = ConcatDataset([cats, dogs])

#数据加载

dataloader = DataLoader(catdogs, batch_size = 32, shuffle=True, num_workers=4)

samples, labels = iter(dataloader).next()

plt.figure(figsize=(16,24))

grid_imgs = torchvision.utils.make_grid(samples[:24])

np_grid_imgs = grid_imgs.numpy()

# in tensor, image is (batch, width, height), so you have to transpose it to (width, height, batch) in numpy to show it.

plt.imshow(np.transpose(np_grid_imgs, (1,2,0)))

# transfer learning

#使用Gpu

device = 'cuda'

model = torchvision.models.densenet121(pretrained=True) #调用pytorch中的预训练模型

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余2页未读，立即下载

weixin_38729269

粉丝: 4
资源: 851

会员权益专享

利用kaggle+pytorch进行机器学习1（图像分类）

评论0

会员权益专享

最新资源

利用kaggle+pytorch进行机器学习1（图像分类）

评论0

图像分类器：使用PyTorch对花卉种类进行分类的图像分类器

Dog_Cat_Classification:使用CNN对猫狗图像进行分类

Kaggle-Dogs_vs_Cats_PyTorch:kaggle比赛

利用kaggle怎么跑pytorch

kaggle猫狗数据集下载

如何学习pytorch

你从一个Python 老师的角度来教我Python 机器学习，我具备一定的Python 基础，请列出来学习方法

给个Python学习机器学习的学习路径

pytorch猫狗二分类

如何快速入门机器学习

如何高效学习神经网络，如何高效学习机器学习

机器学习和深度学习如何零基础学习

kaggle使 cnn 完成轴承故障信号分类练习赛任务答案

kaggle安装pydea

图像识别算法工程师需要一些什么技能？如何能够一步步的成为图像识别算法专家？有哪些推荐的参考资料、学习资料或者相关的学习文档、方法等等

python机器学习学习路线

零基础人工智能学习项目有哪些？

如何深度学习python

如何学习机器学习、深度学习、强化学习？有什么建议

机器学习和深度学习都要学些什么

会员权益专享

最新资源