使用Pytorch对数据集CIFAR-10分类处理

最新推荐文章于 2025-09-11 14:27:55 发布

原创

最新推荐文章于 2025-09-11 14:27:55 发布 · 3.9k 阅读

8 ·

CC 4.0 BY-SA版权

本文介绍了使用Pytorch对CIFAR-10数据集进行分类的详细步骤，包括数据预处理、网络结构定义、损失函数与优化器选择、网络训练及参数更新，并展示了训练和测试结果。

使用Pytorch对数据集CIFAR-10进行分类，主要是以下几个步骤：

下载并预处理数据集
定义网络结构
定义损失函数和优化器
训练网络并更新参数
测试网络效果

#数据加载和预处理
#使用CIFAR-10数据进行分类实验
import torch as t
import torchvision as tv
import torchvision.transforms as transforms
from torchvision.transforms import ToPILImage
show = ToPILImage() # 可以把Tensor转成Image，方便可视化

#定义对数据的预处理
transform = transforms.Compose([
    transforms.ToTensor(),
    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 = './data/',
    train = True,
    download = True,
    transform = transform
)

trainloader = t.utils.data.DataLoader(
    trainset,
    batch_size = 4,
    shuffle = True,
    num_workers = 2,
)

#测试集
testset = tv.datasets.CIFAR10(
    root = './data/',
    train = False,
    download = True,
    transform = transform,
)
testloader = t.utils.data.DataLoader(
    testset,
    batch_size = 4,
    shuffle = F