eye_s1的博客

基于CNN（LeNet）的垃圾分类（C语言实现CNN算子）一、先使用python训练模型二、提取参数提取模型参数提取图片三、编写CNN算子在windows中实现在FPGA中实现，使用avalon接口一、先使用python训练模型具体步骤参考基于pytorch的MNIST数据集的四层CNN，测试准确率99.77%这篇文章，各种步骤我写的很详细，只需要将MNIST数据集换成垃圾分类的数据集，再调整一下参数就好了。二、提取参数提取模型参数权重和偏置我们需要提取每一个具有学习的参数的训练层的权重和偏置

基于pytorch的MNIST数据集的四层CNN，测试准确率99.77%MNIST数据集环境配置文件存储结构代码引入库调用GPU初始化变量导入数据集并进行数据增强导入测试集加载测试集查看部分图片model结构权值初始化实例化网络，设置优化器定义存储数据的列表定义训练函数定义测试函数查看模型的识别能力训练模型可视化训练结果预测mnist数据集中的图片预测手写数字图片预处理加载模型预测手写数字（单张）预测手写数字（多张）调整参数，优化模型五层结构参考MNIST数据集MNIST 数据集已经是一个被”嚼烂”了的

关于PyTorch和TensorFlow的GPU问题一、测试GPUPyTorchTensorflow二、用CPU加载GPU模型PyTorchTensorFlow-gpu一、测试GPUPyTorch# 输入import torchprint(torch.cuda.is_available())device = torch.device("cuda:0" if (torch.cuda.is_available() and 1> 0) else "cpu")print(device)pri