【2021-4-2】手动码出AlexNet(3.主文件供参考)_不调库手动实现了alexnet-优快云博客

本文链接：https://blog.youkuaiyun.com/empirethird/article/details/115404753

该博客展示了如何利用AlexNet模型对不同天气类型（如多云、雾霾、雨天等）进行分类。作者创建了一个数据通道来获取训练样本，并通过循环调用来训练模型。在训练过程中，作者并未展示调参后的模型和数据，因为这需要额外精力且不具指导意义。最后，博主绘制了模型损失随训练迭代的变化图。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

声明一下，这只是基本的网络和运行结构。调参之后的模型和数据由于需要花费精力而且没有指导意义，不会放。

from Data_Channel import Data_Channel
from AlexNet_Model import AlexNet
import numpy as np
import matplotlib.pyplot as plt
'''
主训练函数，这个就简单了，直接调用数据通道就行。
创建三组数据通道，依次调用，传入模型进行训练。
'''
Alex_model = AlexNet(learning_rate=0.02, drop_out=0.8, n_classes=6)
Labels_OH = {"cloudy":np.tile(np.array([0,0,0,0,0,1]), (80,1)), "haze":np.tile(np.array([0,0,0,0,1,0]), (80,1)),
             "rainy":np.tile(np.array([0,0,0,1,0,0]), (80,1)), "snow":np.tile(np.array([0,0,1,0,0,0]), (80,1)),
             "sunny":np.tile(np.array([0,1,0,0,0,0]), (80,1)), "thunder":np.tile(np.array([1,0,0,0,0,0]), (80,1))}
DC_Dic = {"cloudy":Data_Channel(category="cloudy", pool_size=20), "haze":Data_Channel(category="haze", pool_size=20),
          "rainy":Data_Channel(category="rainy", pool_size=20), "snow":Data_Channel(category="snow", pool_size=20),
          "sunny":Data_Channel(category="sunny", pool_size=20), "thunder":Data_Channel(category="thunder", pool_size=20)}

DC_list = ["cloudy", "haze", "rainy", "snow", "sunny", "thunder"]

for i in range(50):
    print("running")
    Index = DC_list[i%6]
    labels_now = Labels_OH[Index]
    DC = DC_Dic[Index]
    DC.Renew_dataset()
    Alex_model.learn(DC.RF_pool, labels_now)

X = np.arange(len(Alex_model.Loss_list))
plt.plot(X, Alex_model.Loss_list, '-r')
plt.grid()
plt.show()