数据

这是一个在kaggle上的竞赛，原数据提供了25000张图片，本文所使用的数据集来自其中train的8000张,包括4000张猫和4000张狗

#将数据导入
data_dir = 'E:\\code\\Python\\catanddog\\train'
test_dir = 'E:\\code\\Python\\catanddog\\test'

class Data(data.Dataset):def __init__(self, path, transform = None, train = True, test = False):self.test = testself.train = trainself.transform = transform#imgs = [os.path.join(path, img) for img in os.listdir(path)]imgs = [os.path.join(data_dir, img) for img in path]#imgs存的是每张图片的总路径if self.test:#test模式self.imgs = imgselse:#train模式random.shuffle(imgs)#数据打乱self.imgs = imgsdef __getitem__(self, index):img = self.imgs[index]if self.test:label = 2else:label = 0 if 'cat' in img.split('\\')[-1] else 1#cat = 0, dog = 1image = Image.open(img)image = self.transform(image)return image, labeldef __len__(self):return len(self.imgs)

#train和val的transform处理
#对train进行了随机裁剪翻转的操作
transform_train = transforms.Compose([transforms.Resize((256, 256)), transforms.RandomCrop((224, 224)), transforms.RandomHorizontalFlip(), transforms.ToTensor(),transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.2225))
])transform_val = transforms.Compose([transforms.Resize((224, 224)),transforms.ToTensor(),transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225)),
])

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
train_dirs, valid_dirs = train_test_split(os.listdir(data_dir), test_size = 0.2, random_state = 2021)
trainset = Data(train_dirs, transform = transform_train)
valset = Data(valid_dirs, transform = transform_val)
trainloader = torch.utils.data.DataLoader(trainset, batch_size = 20, shuffle = True, num_workers = 0)
valloader = torch.utils.data.DataLoader(valset, batch_size = 20, shuffle = False, num_workers = 0)

Net

model = resnet18(pretrained=True)
model.fc = nn.Linear(512, 2,bias=True)
model = model.to(device)
optimizer = torch.optim.SGD(model.parameters(), lr=0.001, momentum=0.9, weight_decay=5e-4)  # 设置训练细节
scheduler = StepLR(optimizer, step_size=3)
criterion = nn.CrossEntropyLoss()

train+test

#训练并保存模型
for epoch in range(1):train(epoch)val(epoch)
torch.save(model, 'catvsdog_model.pth')  # 保存模型
#一次epoch在验证集上准确度有0.988

#对图片进行预测
classes = ['cat', 'dog']
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model = torch.load('catvsdog_model.pth')  # 加载模型
model = model.to(device)
model.eval()  # 把模型转为test模式img = cv2.imread("E:\\code\\Python\\catanddog\\test\\dog.3886.jpg")  # 读取要预测的图片
cv2.imshow("img", img)
img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
trans = transforms.Compose([transforms.Resize((224, 224)),transforms.ToTensor(),transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225)),])img = trans(img)
img = img.to(device)
img = img.unsqueeze(0)  # 图片扩展多一维,因为输入到保存的模型中是4维的[batch_size,通道,长，宽]，而普通图片只有三维，[通道,长，宽]
output = model(img)
prob = F.softmax(output, dim=1)  # prob是2个分类的概率
value, predicted = torch.max(output.data, 1)
pred_class = classes[predicted.item()]
print(pred_class)

猫狗大战——pytorch+resnet18相关推荐

python猫狗大战pytorch_深度学习实战---猫狗大战(pytorch实现)
数据准备猫狗大战数据集下载链接微软的数据集已经分好类,直接使用就行, 数据划分我们将猫和狗的图片分别移动到训练集和验证集中,其中90%的数据作为训练集,10%的图片作为验证集,使用shutil. ...
深度学习实战---猫狗大战(pytorch实现)
数据准备猫狗大战数据集下载链接微软的数据集已经分好类,直接使用就行, 数据划分我们将猫和狗的图片分别移动到训练集和验证集中,其中90%的数据作为训练集,10%的图片作为验证集,使用shutil. ...
图片分类猫狗大战 pytorch VGG
使用pytorch实现猫狗大战一.简介二.理论三.实现 1️⃣.实现准备 2️⃣.创建VGG16模型 3️⃣.训练模型 4️⃣.在验证集上测试训练的模型 5️⃣.在测试集上运行四.总结五.我 ...
深度学习--猫狗大战pytorch实战
文章目录数据准备&处理模型构建训练 kaggle上的一个经典项目,拿来做做算是当CNN入门了,做的比较粗糙简单我把整个项目分成了四块 config用来配置一些参数,Dataset用来构 ...
猫狗大战pytorch实现
目录评估函数,计算图片多分类的准确率 topK 保存准确率信息完整代码评估函数,计算图片多分类的准确率 topK ## topk的准确率计算 def accuracy(output, lab ...
CNN入门+猫狗大战(Dogs vs. Cats)+PyTorch入门
一些修改(修改后的代码) 修改原网络的输出方式.原网络采用的交叉熵torch.nn.CrossEntropyLoss()进行Loss计算,而这个函数内部是已经进行了softmax处理的(参考),所以网 ...
Python分类实例之猫狗大战
目录作者介绍编程实战指南比赛数据集介绍(Dogs vs cats) 环境配置模型定义数据加载训练和测试结果展示参考作者介绍周新龙,男,西安工程大学电子信息学院,2019级研究生, ...
cleverhans与foolbox的对比使用（pytorch+python3）
cleverhans与foolbox的对比使用(pytorch+python3) 一.最新版cleverhans Although CleverHans is likely to work on ma ...
PC端 Rockchip RKNN-Toolkit 连接 Rockchip NPU 设备
PC端 Rockchip RKNN-Toolkit 连接 Rockchip NPU 设备 flyfish 安装Windows版的Rockchip RKNN-Toolkit 可以使用anaconda简化 ...

猫狗大战——pytorch+resnet18

cats vs dogs——resnet18

数据

Net

train+test

猫狗大战——pytorch+resnet18相关推荐

最新文章

热门文章