利用PyTorch自定义数据集实现猫狗分类

最新推荐文章于 2025-03-29 23:51:45 发布

Oshrin

最新推荐文章于 2025-03-29 23:51:45 发布

阅读量1.1w

点赞数 8

文章标签： PyTorch 深度学习卷积神经网络图像识别

本文链接：https://blog.youkuaiyun.com/qq_41563738/article/details/94356781

版权

本文介绍了如何使用PyTorch处理自定义的猫狗数据集，通过创建二分类神经网络，实现了对12500张图片的训练。在子数据集中，训练了一个72%准确率的模型，展示了深度学习和卷积神经网络在图像识别上的应用潜力。未使用防止过拟合技术，但通过添加这些技术，预期模型性能可进一步提升。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

看了许多关于PyTorch的入门文章，大抵是从torchvision.datasets中自带的数据集进行训练，导致很难把PyTorch运用于自己的数据集上，真正地灵活运用PyTorch。

这里我采用从Kaggle上下载的猫狗数据集，利用自定义数据集训练自己的二分类神经网络。

解压后，一个文件里面有12500张图，猫狗各一半，文件名类似于这样：cat.0.jpg、dog.12499.jpg

因为只是练手，所以不用这么大的，仅仅采用子数据集。

利用Python的os库，将数据集进行拆分。分为train与test两个文件架，每个里面都有cats和dogs两个文档。train里面每种动物有1000张图，test里面每种动物有500张图。图片大概是这个样子（大小不一）：

接下里开始编码：

# 导入库
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms

# 设置超参数
BATCH_SIZE

最低0.47元/天解锁文章