打卡P4周：猴痘病识别题

•  🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍦  参考文章：365天深度学习训练营-第11周：优化器对比实验（训练营内部成员可读）
• 🍖 原作者：
  
  K同学啊|接辅导、项目定制

一. 前期准备

1. 设置GPU

与前面的一致

2. 导入数据

与p3一致

输出结果

复习了一下glob（）的用法.

打印classeNames列表，显示每个文件所属的类别名称。这一次相比于上一次仔细看了列表，显示了数量，以及transform.compose（）下的参数。

学习到了，需要标准化处理，以达到更容易收敛的目的。

3. 划分数据集

学习到了可以直接通过len函数得到dataset创建的对象的图片总数。

本课程又介绍了一遍torch.utils.data.DataLoader()参数详解。这次根据程序推断出了输出结果是：

然后我发现了在p3忽略掉的torch.utils.data.random_split()的用法：

该方法将总体数据total_data按照指定的大小比例（[train_size, test_size]）随机划分为训练集和测试集，并将划分结果分别赋值给train_dataset和test_dataset两个变量。

二. 构建简单cnn网络/训练模型

此次代码复现报错，RuntimeError：省略.. The "freeze_support()" line can be omitted if the program ...

通过加 if name == 'main': 语句，解决问题。

epoch划分了20个，这里仅展示8个：