华为云实验-Alexnet

原创

已于 2022-03-21 10:21:29 修改 · 1k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #python #机器学习

于 2022-02-28 21:13:01 首次发布

本文档详细介绍了如何将数据集上传至OBS并进行数据划分，使用脚本split_data.py创建训练集和验证集。接着，通过Python代码进行模型训练，最终保存最优模型Alexnet.pth。此外，还展示了使用该模型对测试图片进行预测的过程，包括月季、玫瑰、向日葵和飞机的分类结果。同时，文章提及了数据集路径的调整以及相关路径知识。

实验步骤

首先讲数据集上传至OBS，在OBS中上传至云端，具体实现如下：

import moxing as mox
dataset_url = “obs://wkkk/flower_data/”
mox.file.copy_parallel(dataset_url,"./)

其中./为当前文件夹，…/为上一级文件夹(两个点）。

在Terminal里输入：

cd work
ls
python train.py

训练结束后得到结果最好的模型Alexnet.pth保存到当前文件夹。
!](https://img-blog.csdnimg.cn/a3c355d3adf44cc18bfb56874438424f.png)
在这里插入图片描述

在Terminal中输入：

ls
python predict.py

开始对测试图片进行预测：
预测月季的结果：

预测玫瑰的结果：

预测向日葵的结果：

预测飞机的结果：

总结

关于实验数据集的划分
采用的脚本-split_data.py。
具体操作：shift+右击，打开powellshell窗口，输入：

python .\split_data.py

import os
from shutil import copy, rmtree
import random


def mk_file(file_path: str):
    if os.path.exists(file_path):
        # 如果文件夹存在，则先删除原文件夹在重新创建
        rmtree(file_path)
    os.makedirs(file_path)


def main():
    # 保证随机可复现
    random.seed(0