数据集入神经网络

使用PyTorch训练CIFAR10数据集的简单网络

最新推荐文章于 2023-07-01 19:31:58 发布

原创

最新推荐文章于 2023-07-01 19:31:58 发布 · 443 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#神经网络 #pytorch #深度学习

这篇博客介绍了如何使用PyTorch构建一个名为'Tudui'的简单卷积神经网络模型，应用于CIFAR10数据集。首先，加载并预处理CIFAR10数据，然后定义网络结构，包括多个卷积层、最大池化层和全连接层。接着，设置交叉熵损失函数和SGD优化器，进行20轮的训练，每轮中通过反向传播计算损失并更新网络参数。


import torch
import torchvision
from torch import nn
from torch.nn import Conv2d,MaxPool2d,Flatten,Linear,Sequential
from torch.utils.data import DataLoader
from torch.nn import CrossEntropyLoss

dataset = torchvision.datasets.CIFAR10(root="E:\\notebookpytorch\\pyTorch学习\\NN\\data",train = False,
                                       transform = torchvision.transforms.ToTensor(),download = False)
dataloader = DataLoader(dataset,batch_size=1)

class Tudui(nn.Module):
    def __init__(self):
        super(Tudui,self).__init__()
        self.model1= Sequential(
            Conv2d(3, 32, 5, padding=2),
            MaxPool2d(2),
            Conv2d(32,32,5,padding = 2),
            MaxPool2d(2),
            Conv2d(32,64,5,padding=2),
            MaxPool2d(2),
            Flatten(),
            Linear(1024,64),
            Linear(64,10)
        )
       
        
    
    def forward(self,x):
        x = self.model1(x)
        return x
    
loss = CrossEntropyLoss()
tudui = Tudui