Jetbot中基于PyTorch的避障训练及并部署代码分析

CestMerNeil

于 2021-02-19 16:13:37 发布

阅读量714

点赞数

文章标签： pytorch 机器学习深度学习

本文链接：https://blog.youkuaiyun.com/weixin_43823538/article/details/113866623

版权

本文详细分析了Jetbot如何利用PyTorch进行避障训练的代码，包括模型构建、训练过程以及最后的部署步骤，旨在深入理解深度学习在机器人导航中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Jetbot中基于PyTorch的避障训练及并部署代码分析

import torch
import torch.optim as optim
import torch.nn.functional as F
import torchvision
import torchvision.datasets as datasets
import torchvision.models as models
import torchvision.transforms as transforms
import cv2
import numpy as np

'''数据包转化'''
dataset = datasets.ImageFolder(
   'dataset',
   transforms.Compose([
       transforms.ColorJitter(0.1, 0.1, 0.1, 0.1),
       transforms.Resize((224, 224)),
       transforms.ToTensor(),
       transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
   ])
)

'''将数据包分成训练组和测试组'''
train_dataset, test_dataset = torch.utils.data.random_split(dataset, [len(dataset) - 50, 50])

'''创建两个实例，用于混排并生成图片'''
train_loader = torch.utils.data.DataLoader(
   train_dataset,
   batch_size=8,
   shuffle=True,
   num_workers=0
)

test_loader = torch.utils.data

最低0.47元/天解锁文章