Pytorch深度学习完整GPU图像分类代码

小维_

已于 2024-04-13 22:25:25 修改

阅读量797

点赞数 3

分类专栏：深度学习算法——Pytorch 文章标签：深度学习分类人工智能

于 2024-04-13 16:28:58 首次发布

本文链接：https://blog.youkuaiyun.com/qq_38633279/article/details/137718421

版权

1. CPU与GPU不同

1.输入数据
2.网络模型
3.损失函数
.cuda()

说明：下面代码中GPU版本中取消下划线的即为CPU版本

2.完成的分类代码(GPU)

import torch
import torchvision
from torch.utils.tensorboard import SummaryWriter

# from model import *
# 准备数据集
from torch import nn
from torch.utils.data import DataLoader

# 定义训练的设备
~~device = torch.device("cuda")~~ 

train_data = torchvision.datasets.CIFAR10(root="../data", train=True, transform=torchvision.transforms.ToTensor(),
                                          download=True)
test_data = torchvision.datasets.CIFAR10(root="../data", train=False, transform=torchvision.transforms.ToTensor(),
                                         download=True)

# length 长度
train_data_size = len(train_data)
test_data_size = len(test_data)
# 如果train_data_size=10, 训练数据集的长度为：10
print("训练数据集的长度为：{}".format(train_data_size))
print("测试数据集的长度为：{}".format(test_data_size))


# 利用 DataLoader 来加载数据集
train_dataloader