完整代码链接：https://github.com/SPECTRELWF/pytorch-cnn-study

网络介绍：

Alexnet网络是CV领域最经典的网络结构之一了，在2012年横空出世，并在当年夺下了不少比赛的冠军，下面是Alexnet的网络结构：

网络结构较为简单，共有五个卷积层和三个全连接层，原文作者在训练时使用了多卡一起训练，具体细节可以阅读原文得到。
Alexnet文章链接：http://www.cs.toronto.edu/~fritz/absps/imagenet.pdf
作者在网络中使用了Relu激活函数和Dropout等方法来防止过拟合，更多细节看文章。

数据集介绍

使用的是ImageNet里面的猫和狗类的数据集，共包含10000+图片，其中划分测试集8000，测试集2000+，猫和狗类别平衡。

定义网络结构

就按照网络结构图中一层一层的定义就行，其中第1,2,5层卷积层后面接有Max pooling层和Relu激活函数，五层卷积之后得到图像的特征表示，送入全连接层中进行分类。

# !/usr/bin/python3
# -*- coding:utf-8 -*-
# Author:WeiFeng Liu
# @Time: 2021/11/2 下午3:25import torch.nn as nnclass AlexNet(nn.Module):def __init__(self, width_mult=1):super(AlexNet, self).__init__()# 定义每一个就卷积层self.layer1 = nn.Sequential(# 卷积层  #输入图像为1*28*28nn.Conv2d(3, 32, kernel_size=3, padding=1),# 池化层nn.MaxPool2d(kernel_size=2, stride=2),  # 池化层特征图通道数不改变，每个特征图的分辨率变小# 激活函数Relunn.ReLU(inplace=True),)self.layer2 = nn.Sequential(nn.Conv2d(32, 64, kernel_size=3, padding=1),nn.MaxPool2d(kernel_size=2, stride=2),nn.ReLU(inplace=True),)self.layer3 = nn.Sequential(nn.Conv2d(64, 128, kernel_size=3, padding=1),)self.layer4 = nn.Sequential(nn.Conv2d(128, 256, kernel_size=3, padding=1),)self.layer5 = nn.Sequential(nn.Conv2d(256, 256, kernel_size=3, padding=1),nn.MaxPool2d(kernel_size=3, stride=2),nn.ReLU(inplace=True),)# 定义全连接层self.fc1 = nn.Linear(256 * 27 * 27, 1024)self.fc2 = nn.Linear(1024, 512)self.fc3 = nn.Linear(512, 2)# 对应两个类别的输出def forward(self, x):x = self.layer1(x)x = self.layer2(x)x = self.layer3(x)x = self.layer4(x)x = self.layer5(x)# print(x.shape)x = x.view(-1, 256 * 27 * 27)x = self.fc1(x)x = self.fc2(x)x = self.fc3(x)return x

训练

# !/usr/bin/python3
# -*- coding:utf-8 -*-
# Author:WeiFeng Liu
# @Time: 2021/11/4 下午12:59import torch
import torch.nn as nn
import torch.optim as optim
import torchvision
import torchvision.transforms as transforms
from alexnet import AlexNet
from utils import plot_curve
from dataload.dog_cat_dataload import Dog_Cat_Dataset
# 定义使用GPU
from torch.utils.data import DataLoader
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")# 设置超参数
epochs = 30
batch_size = 32
lr = 0.01transform = transforms.Compose([transforms.Resize([224,224]),transforms.RandomHorizontalFlip(),transforms.ToTensor(),# transforms.Normalize(mean=[.5,.5,.5],std=[.5,.5,.5]),])train_dataset = Dog_Cat_Dataset(r'/home/lwf/code/pytorch学习/alexnet-cat-dag/ImageNet/train',transform=transform)train_loader = DataLoader(train_dataset,batch_size=batch_size,shuffle = True,)
net = AlexNet().cuda(device)
loss_func = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(),lr=lr,momentum=0.9)train_loss = []
for epoch in range(epochs):sum_loss = 0for batch_idx,(x,y) in enumerate(train_loader):x = x.to(device)y = y.to(device)pred = net(x)optimizer.zero_grad()loss = loss_func(pred,y)loss.backward()optimizer.step()sum_loss += loss.item()train_loss.append(loss.item())print(["epoch:%d , batch:%d , loss:%.3f" %(epoch,batch_idx,1.0*sum_loss/(batch_idx+1))])torch.save(net.state_dict(), '/home/lwf/code/pytorch学习/alexnet-cat-dag/model/cat_dog_model.pth')
plot_curve(train_loss)

使用交叉熵损失函数和SGD优化器来训练网络，训练后保存模型至本地。

测试准确率

预测单张图片：

使用PYTORCH复现ALEXNET实现猫狗识别相关推荐

Pytorch采用AlexNet实现猫狗数据集分类（训练与预测）
Pytorch采用AlexNet实现猫狗数据集分类(训练与预测) 介绍 AlexNet网络模型猫狗数据集 AlexNet网络训练训练全代码预测预测图片介绍 AlexNet模型是CNN网络中经 ...
AlexNet 实现猫狗分类（keras and pytorch）
AlexNet 实现猫狗分类前言在训练网络过程中遇到了很多问题,先在这里抱怨一下,没有硬件条件去使用庞大的ImageNet2012 数据集 .所以在选择合适的数据集上走了些弯路,最后选择有kagg ...
猫狗识别——PyTorch
猫狗识别数据集下载: 网盘链接:https://pan.baidu.com/s/1SlNAPf3NbgPyf93XluM7Fg 提取密码:hpn4 1. 要导入的包 import os import ...
DL之AlexNet：利用卷积神经网络类AlexNet实现猫狗分类识别(图片数据增强→保存h5模型)
DL之AlexNet:利用卷积神经网络类AlexNet实现猫狗分类识别(图片数据增强→保存h5模型) 目录利用卷积神经网络类AlexNet实现猫狗分类识别(图片数据增强→保存h5模型) 设计思路处 ...
详解pytorch实现猫狗识别98%附代码
详解pytorch实现猫狗识别98%附代码前言一.为什么选用pytorch这个框架? 二.实现效果三.神经网络从头到尾 1.来源:仿照人为处理图片的流程,模拟人们的神经元处理信息的方式 2.总览 ...
PyTorch实现猫狗识别VGG
转载:https://magolor.cn/2020/01/14/2020-01-14-blog-01/ Kaggle 猫狗识别比赛地址:https://www.kaggle.com/c/dogs-v ...
基于卷积神经网络的猫狗识别
卷积神经网络的猫狗识别任务需求环境配置识别猫狗实例首先导入库数据预处理: 读取数据: 定义网络: 调整机器学习率定义训练过程训练开始训练结果用于测试代码结果任务需求按照 htt ...
使用卷积神经网络处理猫狗识别数据集_v1
说明采用pytorch框架实现猫狗识别. 数据集下载猫狗识别数据集下载: 链接:https://pan.baidu.com/s/1hfzSacJbNBUhcDDtPnzlsg 提取码:fu74 ...
Tensorflow实现kaggle猫狗识别（循序渐进进行网络设计）
这篇是tensorflow版本,pytorch版本会在下一篇博客给出友情提示:尽量上GPU,博主CPU上跑一个VGG16花了1.5h... Tensorflow实现kaggle猫狗识别数据集获取 ...

使用PYTORCH复现ALEXNET实现猫狗识别