图像处理8-CNN图像分类

本文通过Pytorch构建简单CNN与Google Net模型,对CIFAR-10数据集进行图像分类,详细介绍了数据预处理、网络定义、训练、测试与精度计算过程,最终得出简单CNN准确率为62.17%,Google Net精度为80.43%。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

图像处理系列

图像处理1-经典空间域增强——灰度映射

图像处理2-经典空间域增强——直方图均衡化

图像处理3-经典空间域增强——空域滤波

图像处理4-图像的傅里叶变换

图像处理5-图片加噪

图像处理6-大津法图像阈值分切

图像处理7-图像增强

一、内容

(1)利用Pytorch搭建简单的CNN网络实现图像分类,并测试分类效果(更多步骤可参考https://www.stefanfiott.com/machine-learning/cifar-10-classifier-using-cnn-in-pytorch/);

(2)修改网络模型,进行新的训练,并测试分类效果;

(3)撰写实验报告。

二、使用简单的CNN网络进行图像分类

1.导入包

       使用图2.1的代码导入包。

 

图2.1 导入包

2.数据下载、增强和划分

       使用图2.2的代码进行数据下载、增强和划分数据集。

 

图2.2 数据下载、增强、划分

3.神经网络定义

       使用图2.3的代码定义一个简单的CNN神经网络。

 

图2.3 定义简单的CNN神经网络

4.定义优化器

       使用图2.4的代码定义优化器。

图2.4 定义优化器

5.训练和保存神经网络

       使用图2.5的代码训练定义的模型,并保存,输出如图2.6。

 

图2.5 神经网络训练与保存

 

图2.6 模型训练输出

6.测试神经网络

a.准确率

    &

评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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