图像二分类神经网络代码

最新推荐文章于 2025-03-27 09:22:48 发布

GoldMinnie

最新推荐文章于 2025-03-27 09:22:48 发布

阅读量1.9k

点赞数 1

分类专栏：联邦学习文章标签：神经网络分类深度学习

本文链接：https://blog.youkuaiyun.com/zhangyi0626/article/details/122791807

版权

本文详细介绍了如何使用深度学习构建图像二分类神经网络，从数据预处理到模型训练，涵盖网络架构设计、损失函数选择及优化器的应用等关键步骤。通过实例代码，帮助读者理解并掌握神经网络在图像分类任务中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import torch
import torch.nn as nn
import torch.optim as optim
import torch.utils.data
import torch.nn.functional as F
import torchvision
from torchvision import transforms
from PIL import Image

def check_image(path):
    try:
        im = Image.open(path)
        return True
    except:
        return False
    
img_transforms =transforms.Compose([
    #scala incoming image to the same resolution of 64×64
    transforms.Resize((64,64)),    
    #take image data and turn it into a tensor
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406],
                    std=[0.229, 0.224, 0.225] )
    ])
#providing our images are in a structure where each directory is a label 
train_data_path = "./train/"
train_data = torchvision.datasets.ImageFolder(root=train_data_path,transform=img_transforms, is_valid_file=check_image