2. 使用pytorch搭建简单的卷积神经网络

原创

已于 2023-07-21 13:35:58 修改 · 234 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #cnn #人工智能 #神经网络 #深度学习 #python

于 2023-07-21 13:30:11 首次发布

pytorch搭建简单的CNN网络进行训练

适合小白入门

1. 导包

import numpy as np
import torch, torchvision
import torch.nn as nn
import torch.nn.functional as F
from torchvision import datasets
import torchvision.transforms as transforms

torchvison:计算机视觉工具包，包含：
torchvison.transforms(常用的图像预处理方法)；
torchvision.datasets(常用数据集的dataset实现，MNIST,CIFAR-10,ImageNet等)；
torchvison.model(常用的模型预训练，AlexNet,VGG,ResNet,GoogleNet等)。

2. 准备数据集

下载一个公开数据集CIFAR10，简单的普通三通道图片的数据。

ROOT = '.data'  # 下载保存路径

train_data = datasets.CIFAR10(ROOT, train=True, download = True)

数据预处理（增强）

计算数据的平均偏差和标准差，以便将其归一化。
数据集是由彩色图像组成的，但是有三个颜色通道(红色、绿色和蓝色)。
独立计算每个颜色通道的均值和标准差。

means = train_data.data.mean(axis = (0,1,2))/ 255
stds = train_data.data.std(axis = (0,1,2))/ 255

数据增强
定义数据预处理（增强）的方式

train_transforms = transforms.Compose([
    transforms.RandomRotation(5),
    transforms.RandomHorizontalFlip(0.5),
    transforms.ToTensor(),  # 将一个PIL Image或numpy.ndarray图像转换为一个Tensor数据类型
    transforms.Normalize(mean = means, std <