利用pytorch实现对CIFAR-10数据集的分类_cifar10分类pytorch - CSDN文库

78 浏览量更新于2023-05-03 评论 1 收藏 41KB 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pytorch实现对实现对CIFAR-10数据集的分类数据集的分类

步骤如下：步骤如下：

1.使用torchvision加载并预处理CIFAR-10数据集、

2.定义网络

3.定义损失函数和优化器

4.训练网络并更新网络参数

5.测试网络

运行环境：运行环境：

windows+python3.6.3+pycharm+pytorch0.3.0

import torchvision as tv

import torchvision.transforms as transforms

import torch as t

from torchvision.transforms import ToPILImage

show=ToPILImage() #把Tensor转成Image，方便可视化

import matplotlib.pyplot as plt

import torchvision

import numpy as np

###############数据加载与预处理

transform = transforms.Compose([transforms.ToTensor(),#转为tensor

transforms.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5)),#归一化

])

#训练集

trainset=tv.datasets.CIFAR10(root='/python projects/test/data/',

train=True,

download=True,

transform=transform)

trainloader=t.utils.data.DataLoader(trainset,

batch_size=4,

shuffle=True,

num_workers=0)

#测试集

testset=tv.datasets.CIFAR10(root='/python projects/test/data/',

train=False,

download=True,

transform=transform)

testloader=t.utils.data.DataLoader(testset,

batch_size=4,

shuffle=True,

num_workers=0)

classes=('plane','car','bird','cat','deer','dog','frog','horse','ship','truck')

(data,label)=trainset[100] print(classes[label])

show((data+1)/2).resize((100,100))

# dataiter=iter(trainloader)

# images,labels=dataiter.next()

# print(''.join('11%s'%classes[labels[j]] for j in range(4)))

# show(tv.utils.make_grid(images+1)/2).resize((400,100))

def imshow(img):

img = img / 2 + 0.5

npimg = img.numpy()

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

dataiter = iter(trainloader)

images, labels = dataiter.next()

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1页未读，立即下载

评论0

weixin_38677244

粉丝: 5
资源: 1004

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈