第二次pytorch程式碼訓練:神經網路等內容
阿新 • • 發佈:2021-10-17
Pytorch程式碼練習:
1.資料集分類
首先,將資料載入進入:
顯示資料集中的影象:
然後按照對應的操作建立網路,定義訓練和測試函式;之後,在小型全連線網路上進行訓練:
再在卷積神經網路上訓練:
測試打亂影象畫素順序再次進行測試:
重新定義訓練測試函式,對data加入打亂操作後在全連線網路上進行測試:
再在卷積神經網路上進行測試:
可以得出卷積神經網路在打亂順序後效能下降的結論。
2.資料分類:
首先,按照檔案中安排,載入歸一化CIFAR10使用torchvision;然後展示其中一部分圖片:
然後定義網路,損失函式和優化器,並訓練網路:
從剛剛的測試集中取出8張圖片,並將他們輸入模型檢視識別結果:
可以看到識別的準確率略低。
3.用VGG16進行CIFAR10分類:
首先,按照要求對dataloader進行定義:
然後定義VGG網路,通過室友指點,瞭解到有地方出現問題,並加以修改:
(在頭部加入cfg的定義)
初始化網路之後,進行網路訓練,測試程式碼與之前相同(就不放置圖片了)
然後測試驗證準確率,程式碼內容:
準確度:
可見簡化版VGG就可顯著提升準確程度。