PyTorch 1.0 中文官方教程:训练分类器

译者:bat67

最新版会在译者仓库首先同步。

目前为止,我们以及看到了如何定义网络,计算损失,并更新网络的权重。

现在可能会想,

数据呢?

通常来说,当必须处理图像、文本、音频或视频数据时,可以使用python标准库将数据加载到numpy数组里。然后将这个数组转化成torch.*Tensor

  • 对于图片,有Pillow,OpenCV等包可以使用
  • 对于音频,有scipy和librosa等包可以使用
  • 对于文本,不管是原生python的或者是基于Cython的文本,可以使用NLTK和SpaCy

特别对于视觉方面,我们创建了一个包,名字叫torchvision,其中包含了针对Imagenet、CIFAR10、MNIST等常用数据集的数据加载器(data loaders),还有对图片数据变形的操作,即torchvision.datasetstorch.utils.data.DataLoader

这提供了极大的便利,可以避免编写样板代码。

在这个教程中,我们将使用CIFAR10数据集,它有如下的分类:“飞机”,“汽车”,“鸟”,“猫”,“鹿”,“狗”,“青蛙”,“马”,“船”,“卡车”等。在CIFAR-10里面的图片数据大小是3x32x32,即三通道彩色图,图片大小是32x32像素。

cifar10

训练一个图片分类器

我们将按顺序做以下步骤:

  1. 通过torchvision加载CIFAR10里面的训练和测试数据集,并对数据进行标准化
  2. 定义卷积神经网络
  3. 定义损失函数
  4. 利用训练数据训练网络
  5. 利用测试数据测试网络

阅读全文/改进本文

展开阅读全文
©️2020 CSDN 皮肤主题: 黑客帝国 设计师: 上身试试 返回首页
实付0元
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值