【小白学习PyTorch教程】六、基于CIFAR-10 数据集，使用PyTorch 从头开始​​构建图像分类模型

@Author：Runsen

图像识别本质上是一种计算机视觉技术，它赋予计算机“眼睛”，让计算机通过图像和视频“看”和理解世界。

在开始阅读本文之前，建议先了解一下什么是tensor、什么是torch.autograd以及如何在 PyTorch 中构建神经网络模型。

CIFAR-10 数据集

本教程使用具有 10 个类的CIFAR10 数据集：‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, 和‘truck’.

构建图像分类模型的 5 个步骤

• 加载并标准化训练和测试数据
• 定义卷积神经网络 (CNN)
• 定义损失函数和优化器
• 在训练数据上训练模型
• 在测试数据上测试模型

首先，我们导入库matplotlib和numpy. 这些分别是绘图和数据转换的基本库。

import matplotlib.pyplot 
  

 

文章来源: maoli.blog.csdn.net，作者：刘润森！，版权归原作者所有，如需转载，请联系作者。

原文链接：maoli.blog.csdn.net/article/details/117937442