一个比较完整的pytorch项目

模型定义：

import torch
import torch.nn as nnclass DF(nn.Module):def __init__(self, nb_classes):super(DF, self).__init__()self.block1 = nn.Sequential(         nn.Conv1d(in_channels=1,              out_channels=32,            kernel_size=8,              stride=1,                   padding=0,                 ),  nn.BatchNorm1d(32),                   nn.ELU(alpha=1.0),                     nn.Conv1d(32, 32, 8, 1, 0),nn.BatchNorm1d(32),nn.ELU(alpha=1.0),nn.MaxPool1d(8, 4, 0), nn.Dropout(0.1), )self.block2 = nn.Sequential(nn.Conv1d(32, 64, 8, 1, 0),nn.BatchNorm1d(64),nn.ReLU(),nn.Conv1d(64, 64, 8, 1, 0),nn.BatchNorm1d(64),nn.ReLU(),nn.MaxPool1d(8, 4, 0),nn.Dropout(0.1),)self.block3 = nn.Sequential(nn.Conv1d(64, 128, 8, 1, 0),nn.BatchNorm1d(128),nn.ReLU(),nn.Conv1d(128, 128, 8, 1, 0),nn.BatchNorm1d(128),nn.ReLU(),nn.MaxPool1d(8, 4, 0),nn.Dropout(0.1),)self.block4 = nn.Sequential(nn.Conv1d(128, 256, 8, 1, 0),nn.BatchNorm1d(256), nn.ReLU(),nn.Conv1d(256, 256, 8, 1, 0),nn.BatchNorm1d(256),nn.ReLU(),nn.MaxPool1d(8, 4, 0),nn.Dropout(0.1),)self.fc1 = nn.Sequential(         nn.Flatten(),nn.Linear(3328,512),nn.BatchNorm1d(512),nn.ReLU(),nn.Dropout(0.7),              )self.fc2 = nn.Sequential(nn.Linear(512, 512),nn.BatchNorm1d(512),nn.ReLU(),nn.Dropout(0.5),              )self.out = nn.Sequential(nn.Linear(512, nb_classes),)   def forward(self, x):x = self.block1(x)x = self.block2(x)x = self.block3(x)x = self.block4(x)x = self.fc1(x)x = self.fc2(x)          output = self.out(x)return output, x

模型训练：

train_loader=train_dl
NB_CLASSES = 50
EPOCH = 100
BATCH_SIZE = 128
LR = 0.001cnn = DF(NB_CLASSES).float().cuda()loss_func = nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(cnn.parameters(), lr=LR)
validation_loader=test_dl
validation_size=450
train_size=4050for epoch in range(EPOCH):for step, (b_x, b_y) in enumerate(train_loader):# 128 1 5000b_x = b_x.cuda()b_y = b_y.cuda()output = cnn(b_x.unsqueeze(-2).float())[0]loss = loss_func(output, b_y.squeeze().long())resnet_loss.append(loss)optimizer.zero_grad()loss.backward()optimizer.step()if step % 1 == 0:corrects = 0avg_loss = 0for _, (b_x, b_y) in enumerate(validation_loader):b_x = b_x.cuda()b_y = b_y.cuda()logit = cnn(b_x.unsqueeze(-2).float())[0]loss = loss_func(logit, b_y.squeeze().long())avg_loss += loss.item()corrects += (torch.max(logit, 1)[1].view(b_y.size()).data == b_y.data).sum()size = validation_sizeavg_loss /= sizeaccuracy = 100.0 * corrects / sizeresnet_accuracy.append(accuracy)print('Epoch: {:2d}({:6d}/{}) Evaluation - loss: {:.6f}  acc: {:3.4f}%({}/{})'.format(epoch,step * 128,train_size,avg_loss, accuracy, corrects, size))

一个比较完整的pytorch项目相关推荐

分享一个比较完整的Vue2+项目供大家交流学习
分享一个比较完整的Vue2+项目供大家交流学习,这个项目的英文简介:Awesome douban DEMO created with Vue2.x + Vuex + Vue-router + vue- ...
[vue]开源一个精致完整的Vue项目(豆瓣)
各位道友,开源一个Vue2+项目: Awesome douban DEMO created with Vue2.x + Vuex + Vue-router + vue-resource 项目地址: h ...
Intellij Idea 搭建一个完整的JavaWeb项目（二）
手把手搭建一个完整的JavaWeb项目本案例使用Servlet+jsp制作,用Intellij Idea IDE和Mysql数据库进行搭建,详细介绍了搭建过程及知识点. 主要功能有: 1.用户注册 ...
机器学习入门系列(2)--如何构建一个完整的机器学习项目(一)
上一篇机器学习入门系列(1)–机器学习概览简单介绍了机器学习的一些基本概念,包括定义.优缺点.机器学习任务的划分等等. 接下来计划通过几篇文章来介绍下,一个完整的机器学习项目的实现步骤会分为几步,最后 ...
一个完整的pytorch预训练实现图像分类，模型融合
向AI转型的程序员都关注了这个号???????????? 机器学习AI算法工程公众号:datayx 利用pytorch实现图像分类,其中包含的densenet,resnext,mobilenet ...
【React进阶-1】从0搭建一个完整的React项目（入门篇）
这篇文章带领大家从零开始手动撸一个React项目的基础框架,集成React全家桶.万字长文,请各位有足够的时间时再来阅读和学习. 概述平时工作中一直在用React提供的脚手架工具搭建React项目, ...
一个完整的网络项目，如何根据需求配置交换机？值得收藏学习
通过实例来详细讲解一个完整的网络项目从规划到交换机配置的详细过程. 一.案例要求拓扑图小型园区中,分为两个部门,每个部门相互独立,却又通信,进行组网如下图. 二.分析在拿到项目后,首先就是对项目进 ...
分享一个完整的社区项目(Android端加后台)
'乡吧'社区APP安卓端代码简介 "乡吧"APP是我之前的一个练手项目,此App主要是提供一个同乡的社区交流平台, 用户可以选择自己家乡的'乡吧'进行发帖.评论.创建群或者直接与 ...
如何去实践一个完整的数据挖掘项目？
[每日一问] 如何去实践一个完整的数据挖掘项目? 机器学习项目 1 抽象成数学问题(明确问题) 2 获取数据 3 特征预处理与特征选择 4 训练模型与调优 5 模型诊断 6 模型融合(非必须) 7 上 ...
Scikit-Learn TensorFlow机器学习实用指南(二)：一个完整的机器学习项目【上】
机器学习实用指南(二):一个完整的机器学习项目[上] 作者:LeonG 本文参考自:<Hands-On Machine Learning with Scikit-Learn & Tens ...

一个比较完整的pytorch项目

一个比较完整的pytorch项目相关推荐

最新文章

热门文章