人工智能学习07--pytorch12--AlexNet+花数据集+pytorch

最新推荐文章于 2024-03-11 23:25:02 发布
原创 最新推荐文章于 2024-03-11 23:25:02 发布 · 590 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能 #学习 #pytorch

文章详细介绍了AlexNet网络结构，包括卷积层、MaxPooling和全连接层的使用。通过PyTorch搭建网络时，提到了padding的处理、ReLU激活函数以及权重初始化。在训练花分类数据集时，文章讨论了数据划分、批量大小和后端设置问题，并解决了训练过程中遇到的错误。

AlexNet详解

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
这个网络可以看成上下两部分，因为作者使用了两块GPU进行并行运算。
为了便于理解，看其中一部分就行，因为这两部分是一样的。

  1. Conv1
    在这里插入图片描述
    在这里插入图片描述
    （1+2）代表的是padding的大小，虽然图中没有给出，但是自己可以推理出来，也可以从源码里面发现。
    1：在特征矩阵左边加上一列0，在右边加上两列0，上面加上一列0，下面加上两列0 。

（括号弹幕大佬：
2p就等于两边padding的像素之和，不一定严格要求两边padding的像素个数一样
）

（
其实这里双gpu和单gpu卷积层和下采样一致，这是因为batch只是增加厚度，而做卷积只会影响高宽。只是经过全链接的线性层，需要batch数据交互，后面才会互相影响。
）

  • MaxPool1
    Maxpooling下采样
    在这里插入图片描述
    池化操作只会改变输出矩阵的高度和宽度，不会改变特征矩阵的深度

  • Conv2
    在这里插入图片描述

  • MaxPool2
    在这里插入图片描述

  • Conv3
    在这里插入图片描述

  • Conv4

最低0.47元/天 解锁文章
Pycharm中画图警告：MatplotlibDeprecationWarning
奔走的王木木Sir的博客
07-01 2万+
解决Pycharm中出现的警告：MatplotlibDeprecationWarning
在使用pyplot时报错MatplotlibDeprecationWarning
m0_37724919的博客
02-03 2万+
MatplotlibDeprecationWarning
解决matplotlib警告问题：“Support for FigureCanvases without a required_interactive_framework“
qq_63277082的博客
06-18 7130
在用matplotlib进行绘图时出现如下警告：MatplotlibDeprecationWarning: Support for FigureCanvases without a required_interactive_framework attribute was deprecated in Matplotlib 3.6 and will be removed two minor releases later.这里我是想对digits数据集进行PCA降维，并想绘图查看降维效果，结果出现了开头的警告，但
3.2 使用pytorch搭建AlexNet并训练花分类数据集
weixin_44382711的博客
10-03 1466
文章目录class_indices.jsonmodel.pypredict.pytrain.py创建自己的数据集 #详解 class_indices.json { "0": "daisy", "1": "dandelion", "2": "roses", "3": "sunflowers", "4": "tulips" } model.py import torch.nn as nn import torch class AlexNet(nn.Module):
Pytorch迁移学习---训练花卉数据集
qq_40268672的博客
08-12 1919
什么是迁移学习（Transfer Learning） 迁移学习，简单的理解就是使用一些已经训练好的模型迁移到类似的新的问题进行使用，而不必对新问题重新建模，从头训练和优化参数。这些训练好的模型同时包含了优化好的参数，在使用的时候只需要做一些简单的调整就可以应用到新问题中了，可以说，迁移学习在某种程度上是站在了巨人的肩膀上。 本文使用已经训练完成的VGG16模型，固定特征提取层的参数，对分类层稍作修改，然后进行训练，训练过程仅更新分类层参数，采用的数据集则是有5个类别的花卉数据集，下图是花卉数据集的目录：
精选资源
action-recognition-models-pytorch:pytorch的动作识别模型
05-10
- 深度学习模型的实现通常包括定义网络结构（`.py` 文件）、配置超参数（如批量大小、学习率等）、加载和预处理数据集，以及训练和评估模型的代码。 - 通过阅读源码，可以了解如何在PyTorch中搭建和训练这些动作...
alexnet模型-基于深度学习AI算法对6种花卉识别-不含数据集图片-含逐行注释和说明文档.zip
最新发布
05-25
alexnet模型_基于深度学习AI算法对6种花卉识别-不含数据集图片-含逐行注释和说明文档 本代码是基于python pytorch环境安装的。 下载本代码后，有个环境安装的requirement.txt文本 如果有环境安装不会的，可自行网上...
PyTorch搭建AlexNet训练集
2301_78820199的博客
03-11 1333
PyTorch搭建AlexNet训练集详细解释！
alexnet模型-基于深度学习AI算法对蔬菜识别-不含数据集图片-含逐行注释和说明文档.zip
05-24
alexnet模型_基于深度学习AI算法对蔬菜识别-不含数据集图片-含逐行注释和说明文档 本代码是基于python pytorch环境安装的。 下载本代码后，有个环境安装的requirement.txt文本 如果有环境安装不会的，可自行网上搜索...
【源码+文档】基于Pytorch的花卉识别
yuxibdd的博客
07-10 400
80*80的数组 Pictures 和 N维向量 labels，每读取一个图片，将当前图片赋值到 Pictures 中，同时将文件名的第一个字母转换成数字，即为对应的标签，将其赋值到 labels 向量中。读取图片文件： os.listdir 获取图片所在的文件夹下的所有图片的名称，得到图片的总个数 N。降维可视化是将高维的图片数据映射到二维和三维空间中，以图像的方式观察各个类别的分布，达到可视化的目的。按照上面的处理流程，获取处理后的图片数组文件。80 的格式： 直接读出的 jpg 格式的格式为 80。
基于pytorch的深度学习花朵种类识别项目完整教程（内涵完整文件和代码）
03-24
1、项目要求： ​基于 pytorch 搭建神经网络分类模型识别花的种类，输入一张花的照片，输出显示最有可能的前八种花的名称和该种花的照片。 2、分三大步骤操作： 数据集预处理操作： 读取数据集数据 构建神经网络的数据集 1）数据增强：torchvision中transforms模块自带功能，将数据集中照片进行旋转、翻折、放大…得到更多的数据 2）数据预处理：torchvision中transforms也帮我们实现好了，直接调用即可 3）处理好的数据集保存在DataLoader模块中，可直接读取batch数据 网络模型训练操作： 迁移pytorch官网中models提供的resnet模型，torchvision中有很多经典网络架构，调用起来十分方便，并且可以用人家训练好的权重参数来继续训练，也就是所谓的迁移学习 选择GPU计算、选择训练哪些层、优化器设置、损失函数设置… 训练全连接层...... 详细介绍见：https://blog.youkuaiyun.com/zhaohaobingniu/article/details/119922606?spm=1001.2014.3001.5501
基于Pytorch的花卉识别
wm1634208243的博客
05-06 598
转换到 38080 的格式： 直接读出的 jpg 格式的格式为 80803 的数组，利用 numpy 的 transpose 函数，转换各个坐标轴，即 = . (2,0,1)得到38080 的数据。二、问题求解2.1 数据预处理2.1.1 预处理流程给定的数据集为 jpg 格式的数据，由于读取 jpg 格式的图片比较慢，所以将 jpg 格式存储在 numpy 的多维数组中，将提取出的多维数组存储在磁盘中，并且在下一次读取数据时，先判断是否存在已经打包好的多维数组文件。如果存在，那么直接读取多维数组的数据；
pytorch学习之基于resnet训练flower图像分类模型
qq_43668591的博客
05-01 2651
数据预处理部分： 数据增强：torchvision中transforms模块自带功能，比较实用 数据预处理：torchvision中transforms也帮我们实现好了，直接调用即可 DataLoader模块直接读取batch数据 首先，导入需要的各种库 import os import matplotlib.pyplot as plt %matplotlib inline import numpy as np import torch from torch import nn import torch.o
使用Pytorch实现Kaggle 比赛∶图像分类(CIFAR-10 ) ，模型使用ResNet-18
myec_lipse的博客
10-20 826
使用Pytorch实现Kaggle 比赛∶图像分类(CIFAR-10 ) ，模型使用ResNet-18
解释代码MatplotlibDeprecationWarning: Support for FigureCanvases without a required_interactive_framewo
再来一下！
10-02 3313
在你提供的代码中，警告可能是由于使用的FigureCanvas对象没有定义required_interactive_framework属性所引起的。具体而言，这意味着你的代码中使用的是一个过时的FigureCanvas对象，它在未来版本中可能不再受支持。**如果你使用的是过时的FigureCanvas对象，尝试升级到新版本的API或使用其他推荐的替代方案。需要注意的是，具体的解决方法可能依赖于你的代码和使用情况。3.如果你确定你的代码中的FigureCanvas对象是正确的，并且你没有其他选择，
MatplotlibDeprecationWarning: Support for FigureCanvases without a required_interactive_framework at
热门推荐
qq_43384629的博客
10-28 3万+
我使用的pychorm运行的opencv代码在运行时报了以上的错误，加上plt.show()就可以了。
Matplotlib Support for FigureCanvases without a required_interactive_framework
bhhuang66的博客
01-28 1万+
Matplotlib升级到3.6后程序执行告警MatplotlibDeprecationWarning的解决办法
Matplotlib show方法警告原因
程序新视界
05-17 2431
属性的Figure Canvases的支持。这意味着如果你的代码中使用了没有设置该属性的Figure Canvases，未来的版本中可能会导致错误或不可预测的行为。属性的Figure Canvases（绘图画布），发出了警告。这个属性是为了标识在交互式环境下所需的绘图框架。需要注意的是，确保在进行任何修改之前备份你的代码，并测试修改后的代码以确保一切正常运行。出现该警告信息的原因为：从Matplotlib 3.6版本开始，对于没有。警告的意思是在未来的两个次要版本中，即将移除对于没有。
Pycharm中使用matplotlib报错：MatplotlibDeprecationWarning
weixin_68265795的博客
06-11 3177
pycharm使用matplotlib报错解决：MatplotlibDeprecationWarning: Support for FigureCanvases without a required_interactive_framework attribute was deprecated in Matplotlib 3.6 and will be removed two minor releases later.
PyTorch深度学习实践：CIFAR-10数据集图像分类指南
PyTorch是由Facebook的人工智能研究团队开发的一个开源机器学习库，用于Python编程语言。PyTorch主要以动态计算图（define-by-run approach）为特点，相比于静态图（如TensorFlow），它使得模型的构建和调试更加...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值