【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 本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！