pytorch加载tiny ImageNet

下载与处理链接

# 使用foolbox实现JSMA算法
import foolbox
import torch
import numpy as np
from torchvision import datasets,models,transforms
import os
import matplotlib.pyplot as pltdevice = torch.device("cuda" if (torch.cuda.is_available()) else "cpu")# instantiate model
kmodel = models.resnet18(pretrained=True).eval().to(device)def tinyImageNet_sample(batch_size, data_dir, model):num_label = 200# normalize = transforms.Normalize((0.4802, 0.4481, 0.3975), (0.2770, 0.2691, 0.2821))# 将图像归一化到 -1~1，不写则归一化到 0~1normalize = transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))transform_train = transforms.Compose([transforms.Resize(224), transforms.ToTensor(), ])# transform_test = transforms.Compose([transforms.Resize(32), transforms.ToTensor(), normalize, ])trainset = datasets.ImageFolder(root=os.path.join(data_dir, 'train'), transform=transform_train)# testset = datasets.ImageFolder(root=os.path.join(data_dir, 'val'), transform=transform_test)train_loader = torch.utils.data.DataLoader(trainset, batch_size=batch_size, shuffle=True, pin_memory=True)# test_loader = torch.utils.data.DataLoader(testset, batch_size=batch_size, shuffle=False, pin_memory=True)# return train_loader, test_loader, num_labeldevice = 'cuda' if torch.cuda.is_available() else 'cpu'images = Nonelabels = Nonefor data in train_loader:images,labels = databreakimages = images.to(device)with torch.no_grad():_,predict = torch.max(model(images),1)return images.data.cpu(), predict.data.cpu()images, labels = tinyImageNet_sample(10, './Data/tiny-imagenet-200',kmodel)def plot_clean(n_cols,n_rows,clean_example,clean_target,attack_name):n_cols = n_colsn_rows = n_rowscnt = 1cnt1 = 1plt.figure(figsize=(n_rows,n_cols))for i in range(n_cols):for j in range(n_rows):plt.subplot(n_cols,n_rows,cnt1)plt.xticks([])plt.yticks([])if j == 0:plt.ylabel(attack_name,size=15)plt.title("{}".format(clean_target[cnt-1]))plt.imshow(clean_example[cnt-1].to('cpu').detach().numpy().transpose(1,2,0))plt.subplot(n_cols,n_rows,cnt1)cnt1 = cnt1 + 1cnt = cnt + 1plt.show()print('\n')plot_clean(2,5,images,labels,'CW targeted')

pytorch加载tiny ImageNet相关推荐

pytorch加载自己的数据集，数据集载入-视频合集
pytorch加载数据主要学习了两种:只有图片的数据集和有scv保存标签的数据集而第一种只有图片的数据集的加载又分为两种:标签在文件夹上的和标签在图片名上的 1.第一种标签在文件夹上的数据加载方法 ...
pytorch 驱动不兼容_解决Pytorch 加载训练好的模型遇到的error问题
这是一个非常愚蠢的错误 debug的时候要好好看error信息提醒自己切记好好对待error!切记!切记! -----------------------分割线---------------- py ...
用pytorch加载训练模型
用pytorch加载.pth格式的训练模型在pytorch/vision/models网页上有很多现成的经典网络模型可以调用,其中包括alexnet.vgg.googlenet.resnet.inc ...
Pytorch加载模型只导入部分层权重，即跳过指定网络层的方法
需求 Pytorch加载模型时,只导入部分层权重,跳过部分指定网络层.(权重文件存储为dict形式) 方法一常见方法:加载权重时用if对网络层进行筛选 ''' # model为定义的网络结构: cl ...
pytorch加载自己的图片数据集的两种方法
目录 ImageFolder 加载数据集使用pytorch提供的Dataset类创建自己的数据集. Dataset加载数据集接下来我们就可以构建我们的网络架构: 训练我们的网络: 保存网络模型(这 ...
Pytorch加载模型并进行图像分类预测
目录 1. 整体流程 1)实例化模型 2)加载模型 3)输入图像 4)输出分类结果 5)完整代码 2. 处理图像 1) How can i convert an RGB image into gray ...
pytorch加载训练数据集dataloader操作耗费时间太久，该如何解决？
笔者在使用pytorch加载训练数据进行模型训练的时候,发现数据加载需要耗费太多时间,该如何缩短数据加载的时间消耗呢?经过查询相关文档,总结实际操作过程如下: 1.尽量将jpg等格式的文件保存为bmp ...
Pytorch加载torchvision从本地下载好的预训练模型的简单解决方案
大家好,我是爱编程的喵喵.双985硕士毕业,现担任全栈工程师一职,热衷于将数据思维应用到工作与生活中.从事机器学习以及相关的前后端开发工作.曾在阿里云.科大讯飞.CCF等比赛获得多次Top名次.喜 ...
目标检测（3）—— 如何使用PyTorch加载COCO类型的数据集
一.如何使用PyTorch加载COCO数据集打开pytorch的官网可以看到COCO数据集不提供下载回顾json文件里面都有什么:"annotations"里面有" ...

pytorch加载tiny ImageNet

pytorch加载tiny ImageNet相关推荐

最新文章

热门文章