企业展示网站,重庆市建设工程信息官方网站,吉林建站,池州市网站建设优化搭建神经网络请看PyTorch搭建LeNet神经网络-CSDN博客
实现训练集请看PyTorch搭建LeNet训练集详细实现-CSDN博客
测试集比较简单#xff0c;直接上代码。
代码实现
# 导包 不必多说
import torch
import torchvision.transforms as transforms
from PIL import Image
from …搭建神经网络请看PyTorch搭建LeNet神经网络-CSDN博客
实现训练集请看PyTorch搭建LeNet训练集详细实现-CSDN博客
测试集比较简单直接上代码。
代码实现
# 导包 不必多说
import torch
import torchvision.transforms as transforms
from PIL import Image
from model import LeNet# 详细解释见下面
transform transforms.Compose([transforms.Resize((32, 32)),transforms.ToTensor(),transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])# 与训练集一样的分类
classes (plane, car, bird, cat,deer, dog, frog, horse, ship, truck)# 模型实例化
net LeNet()
net.load_state_dict(torch.load(LeNet.pth)) # 载入在训练时保存的权重文件im Image.open(3.jpg)
im transform(im) # 预处理数据
im torch.unsqueeze(im, dim0) # 将数据中增加一个batch维度with torch.no_grad():outputs net(im)# 寻找最大值所在的index索引值predict torch.max(outputs, dim1)[1].data.numpy()
# 最后打印预测结果
print(classes[int(predict)])预处理数据函数
transform transforms.Compose([transforms.Resize((32, 32)),transforms.ToTensor(),transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))]) 这一段是将数据预处理相比于训练集中的数据预处理多了transforms.Resize((32, 32))因为导入的图片尺寸不一定正确需要先将图片的尺寸重新定义。
运行结果
我测试了飞机、汽车、鸟飞机、汽车都可以识别出来。但鸟不行可能是图片的像素太小训练不到位。 把鸟给预测成猫了 总结
三天从0开始实现了LeNet。跟着b站上的视频反复观看并记笔记再自己手敲代码再写出笔记。代码都能跑通实现中间遇到的问题也靠自己独立解决了。对于自己来说还是比较有成就感的。但是我知道这点知识对于想要学好深度学习是远远远远不够的。还是要继续不断地学习。这样一篇一篇笔记也是我努力学习的见证要努力成为很厉害的人希望大家也是
