Pytorch实现cifar-10图像分类

最新推荐文章于 2025-09-26 16:29:44 发布

原创

最新推荐文章于 2025-09-26 16:29:44 发布 · 1.1k 阅读

4 ·

CC 4.0 BY-SA版权

本文详细介绍了使用PyTorch深度学习框架对CIFAR-10数据集进行图像分类的过程，包括数据预处理、模型定义、训练、评估及预测。展示了如何构建卷积神经网络，设置损失函数和优化器，以及利用GPU加速训练。

导入必要的包

import torch
import torchvision
import torchvision.transforms as transforms
import matplotlib.pyplot as plt
import numpy as np

import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim

通过transform 实现对数据进行处理

transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)),
    ])

数据加载：

trainset = torchvision.datasets.CIFAR10(root=r'./data',
                                        train=True,download=False,transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size= 4, shuffle=False, num_workers=0)

testset = torchvision.datasets.CIFAR10(root=r'./data',
                                       train=False,download=False, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=4, shuffle=False, num_workers=0)

classes = ('plane', 'car', 'bird','cat','deer',
           'dog'