pytorch实现CNN卷积神经网络
作者:小山爱学习 时间:2023-07-04 20:23:06
本文为大家讲解了pytorch实现CNN卷积神经网络,供大家参考,具体内容如下
我对卷积神经网络的一些认识
卷积神经网络是时下最为流行的一种深度学习网络,由于其具有局部感受野等特性,让其与人眼识别图像具有相似性,因此被广泛应用于图像识别中,本人是研究机械故障诊断方面的,一般利用旋转机械的振动信号作为数据。
对一维信号,通常采取的方法有两种,第一,直接对其做一维卷积,第二,反映到时频图像上,这就变成了图像识别,此前一直都在利用keras搭建网络,最近学了pytroch搭建cnn的方法,进行一下代码的尝试。所用数据为经典的minist手写字体数据集
import torch
import torch.nn as nn
import torch.utils.data as Data
import torchvision
import matplotlib.pyplot as plt
`EPOCH = 1
BATCH_SIZE = 50
LR = 0.001
DOWNLOAD_MNIST = True
从网上下载数据集:
```python
train_data = torchvision.datasets.MNIST(
root="./mnist/",
train = True,
transform=torchvision.transforms.ToTensor(),
download = DOWNLOAD_MNIST,
)
print(train_data.train_data.size())
print(train_data.train_labels.size())
```plt.imshow(train_data.train_data[0].numpy(), cmap='autumn')
plt.title("%i" % train_data.train_labels[0])
plt.show()
train_loader = Data.DataLoader(dataset=train_data, batch_size=BATCH_SIZE, shuffle=True)
test_data = torchvision.datasets.MNIST(root="./mnist/", train=False)
test_x = torch.unsqueeze(test_data.test_data, dim=1).type(torch.FloatTensor)[:2000]/255.
test_y = test_data.test_labels[:2000]
class CNN(nn.Module):
def __init__(self):
super(CNN, self).__init__()
self.conv1 = nn.Sequential(
nn.Conv2d(
in_channels=1,
out_channels=16,
kernel_size=5,
stride=1,
padding=2,
),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2),
)
self.conv2 = nn.Sequential(
nn.Conv2d(16, 32, 5, 1, 2),
nn.ReLU(),
nn.MaxPool2d(2),
)
self.out = nn.Linear(32*7*7, 10) # fully connected layer, output 10 classes
def forward(self, x):
x = self.conv1(x)
x = self.conv2(x)
x = x.view(x.size(0), -1) # flatten the output of conv2 to (batch_size, 32*7*7)
output = self.out(x)
return output
optimizer = torch.optim.Adam(cnn.parameters(), lr=LR)
loss_func = nn.CrossEntropyLoss()
from matplotlib import cm
try: from sklearn.manifold import TSNE; HAS_SK = True
except: HAS_SK = False; print('Please install sklearn for layer visualization')
def plot_with_labels(lowDWeights, labels):
plt.cla()
X, Y = lowDWeights[:, 0], lowDWeights[:, 1]
for x, y, s in zip(X, Y, labels):
c = cm.rainbow(int(255 * s / 9)); plt.text(x, y, s, backgroundcolor=c, fontsize=9)
plt.xlim(X.min(), X.max()); plt.ylim(Y.min(), Y.max()); plt.title('Visualize last layer'); plt.show(); plt.pause(0.01)
plt.ion()
for epoch in range(EPOCH):
for step, (b_x, b_y) in enumerate(train_loader):
output = cnn(b_x)
loss = loss_func(output, b_y)
optimizer.zero_grad()
loss.backward()
optimizer.step()
if step % 50 == 0:
test_output = cnn(test_x)
pred_y = torch.max(test_output, 1)[1].data.numpy()
accuracy = float((pred_y == test_y.data.numpy()).astype(int).sum()) / float(test_y.size(0))
print("Epoch: ", epoch, "| train loss: %.4f" % loss.data.numpy(),
"| test accuracy: %.2f" % accuracy)
plt.ioff()
来源:https://blog.csdn.net/xiaoshan0609/article/details/104382920
标签:pytorch,神经网络
0
投稿
猜你喜欢
在html中引入外部js文件,并调用带参函数的方法
2024-04-16 09:28:03
Go语言中TCP/IP网络编程的深入讲解
2024-01-30 08:05:55
python打包多类型文件的操作方法
2023-05-22 07:23:31
微信小程序(十二)text组件详细介绍
2024-04-19 09:43:53
Python爬虫库requests获取响应内容、响应状态码、响应头
2022-05-03 14:37:27
Python基于HOG+SVM/RF/DT等模型实现目标人行检测功能
2021-07-12 01:54:50
MySQL版本低了不支持两个时间戳类型的值解决方法
2024-01-18 14:13:21
python3.7将代码打包成exe程序并添加图标的方法
2021-01-17 08:29:32
SpringBoot+Mybatis-Plus实现mysql读写分离方案的示例代码
2024-01-17 02:13:32
Python查找算法之插补查找算法的实现
2021-03-12 08:16:57
Opencv图像处理之详解掩膜mask
2022-08-12 23:40:44
Python变量和数据类型详解
2022-01-25 07:26:25
vue函数防抖与节流的正确使用方法
2024-05-29 22:43:01
如何解决SQLServer占内存过多的问题
2008-12-18 15:01:00
tensorflow训练中出现nan问题的解决
2023-02-10 09:34:09
Python发送邮件的实例代码讲解
2021-06-05 02:35:10
基于PHP RSA密文过长加密解密 越过1024的解决方法
2023-09-07 02:57:56
Python设计模式行为型观察者模式
2022-02-20 12:32:58
使用requests库制作Python爬虫
2023-08-17 21:43:23
简述 Python 的类和对象
2023-05-17 12:44:23