import os #python下的包,用来操作文件夹文件
import torch
from torch.utils import data#加载数据用的
import numpy as np
from MyDataset import dataset
from MyNet import MyNet
import torch.nn as nn
if __name__ == "__main__":
my_data = dataset("E:\code\python_code\CatDog\img")
train_data = data.DataLoader(my_data,batch_size = 100,shuffle = True)
Net = MyNet()
optimer = torch.optim.Adam(Net.parameters())
loss_fun = nn.MSELoss()
for epoch in range(10):
for i, (x, y) in enumerate(train_data):
x = x.view(-1,100*100*3)
output = Net(x)
y = y.long()
y = torch.zeros(y.size()[0], 2).scatter_(1, y.view(-1, 1), 1)
loss = loss_fun(y, output)
optimer.zero_grad()
loss.backward()
optimer.step()
#print(loss.item())
if i % 10 == 0:
print(loss.item())
out = torch.argmax(output, dim=1)
y = torch.argmax(y, dim=1)
acc = np.mean(np.array(out == y, dtype=np.float32))
print(acc)
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
首先定义了一个简单的神经网络模型,包含两个卷积层和两个全连接层。接着通过transforms定义了数据的预处理操作,包括剪、归一化等。然后加载训练数据集,并进行批量的数据加载与数据增强等操作。接着初始化了神经网络、损失函数和优化器。通过循环多次迭代来训练神经网络,每次训练更新参数。 在训练完成后,可以使用训练好的模型对新的图像进行分类。可以通过torch.load()加载模型的权重参数,并使用net.eval()将模型设置为评估模式。然后使用net(image)进行预测,得到分类结果。 此外,还可以通过测试集的准确率等指标来评估模型的性能,对模型进行调优或进行更多的迭代训练。 请注意,上述代码中的train_data_path需替换为实际的训练数据集路径。另外,为了提高训练速度,你可能需要使用GPU进行训练,可以通过将数据和模型移至GPU上实现。 这只是一个简单的示例,实际应用中还可以进行更多的参数调优、使用更复杂的网络模型,以及使用更多的数据增强技术来提高模型的性能和泛化能力。首先定义了一个简单的神经网络模型,包含两个卷积层和两个全连接层。接着通过transforms定义了数
资源推荐
资源详情
资源评论
收起资源包目录
基于pytorch的猫狗分类(源码+数据集) (2000个子文件)
0.1772.jpeg 6KB
1.1870.jpeg 6KB
1.3182.jpeg 5KB
1.1077.jpeg 5KB
1.3785.jpeg 5KB
1.5908.jpeg 5KB
1.2800.jpeg 5KB
1.1976.jpeg 5KB
0.2693.jpeg 5KB
1.4389.jpeg 5KB
1.4768.jpeg 5KB
1.811.jpeg 5KB
1.2674.jpeg 5KB
1.1862.jpeg 5KB
1.736.jpeg 5KB
0.4380.jpeg 5KB
0.653.jpeg 5KB
1.5997.jpeg 5KB
1.5329.jpeg 5KB
1.2513.jpeg 5KB
1.5947.jpeg 5KB
1.55.jpeg 5KB
1.5282.jpeg 5KB
1.3103.jpeg 5KB
1.1460.jpeg 5KB
1.2517.jpeg 5KB
1.4737.jpeg 5KB
1.5249.jpeg 5KB
1.3292.jpeg 5KB
1.2571.jpeg 5KB
1.1830.jpeg 5KB
1.1624.jpeg 5KB
1.1403.jpeg 5KB
1.2308.jpeg 5KB
1.2481.jpeg 5KB
1.1630.jpeg 5KB
1.2019.jpeg 5KB
1.2804.jpeg 5KB
1.5453.jpeg 5KB
1.323.jpeg 5KB
1.5878.jpeg 5KB
1.3982.jpeg 5KB
1.1658.jpeg 5KB
1.352.jpeg 5KB
1.1035.jpeg 5KB
1.4173.jpeg 5KB
1.2731.jpeg 5KB
1.1419.jpeg 5KB
1.5299.jpeg 5KB
0.2954.jpeg 5KB
1.5030.jpeg 5KB
1.2554.jpeg 5KB
1.683.jpeg 5KB
1.1114.jpeg 5KB
0.1953.jpeg 5KB
1.823.jpeg 5KB
1.1444.jpeg 5KB
1.4051.jpeg 5KB
1.723.jpeg 5KB
1.5444.jpeg 5KB
0.5174.jpeg 5KB
1.4656.jpeg 5KB
1.4462.jpeg 5KB
1.548.jpeg 5KB
1.5018.jpeg 5KB
1.3316.jpeg 5KB
1.2279.jpeg 5KB
1.5727.jpeg 5KB
1.2701.jpeg 5KB
1.4013.jpeg 5KB
1.1902.jpeg 5KB
0.2970.jpeg 5KB
1.1776.jpeg 5KB
1.3787.jpeg 5KB
1.898.jpeg 5KB
1.4403.jpeg 5KB
1.3222.jpeg 5KB
1.2000.jpeg 5KB
1.2129.jpeg 5KB
1.1323.jpeg 5KB
1.5621.jpeg 5KB
0.3128.jpeg 5KB
1.5362.jpeg 5KB
1.3455.jpeg 5KB
1.3392.jpeg 5KB
1.624.jpeg 5KB
1.5712.jpeg 5KB
0.3998.jpeg 5KB
1.744.jpeg 5KB
1.4878.jpeg 5KB
1.4604.jpeg 5KB
1.2594.jpeg 5KB
1.437.jpeg 5KB
1.4371.jpeg 5KB
0.3631.jpeg 5KB
1.114.jpeg 5KB
1.5328.jpeg 5KB
1.1604.jpeg 5KB
1.2633.jpeg 5KB
1.220.jpeg 5KB
共 2000 条
- 1
- 2
- 3
- 4
- 5
- 6
- 20
资源评论
荒野大飞
- 粉丝: 9332
- 资源: 415
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功