基于LeNet-5的CIFAR10数据集分类（pytorch代码)

最新推荐文章于 2024-08-12 21:50:07 发布

伊泽瑞尔617

最新推荐文章于 2024-08-12 21:50:07 发布

阅读量671

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/qq_56373313/article/details/127340014

import torch
import torchvision
from torch import nn
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter

data_transform = torchvision.transforms.Compose([
                                     torchvision.transforms.RandomHorizontalFlip(),#随机翻转
                                     torchvision.transforms.ToTensor()
])##先将图片数据进行随机翻转再转化为tensor数据类型
#准备数据集
train_data = torchvision.datasets.CIFAR10("X:\\pycharm\\chengxu\\new\\dataset", train=True, transform=data_transform, download=True)
test_data = torchvision.datasets.CIFAR10("X:\\pycharm\\chengxu\\new\\dataset", train=False, transform=data_transform, download=True)
#看看数据集的长度
train_data_size = len(train_data) ##50000个训练图片  一个图片是（3，32，32）
test_data_size = len(test_data)##10000个测试图片
print(train_data_size, test_data_size)
#利用Dataloader来加载数据
train_dataloader = DataLoader(train_data, batch_size=64)## 从五万个训练图片中，64个图片一起训练（批量训练）数据变为了（64，3，32，32）
test_dataloader = DataLoader(t