当前位置: 首页 > news >正文

网站百度推广方案打开百度一下的网址

网站百度推广方案,打开百度一下的网址,网业小游戏在线玩,到底什么才是网络营销本教程将演示如何使用PyTorch框架对预训练模型进行微调,实现热狗与非热狗图像的分类任务。我们将从数据准备开始,逐步完成数据加载、可视化等关键步骤。 1. 环境配置与库导入 %matplotlib inline import os import torch from torch import nn from d2l…

本教程将演示如何使用PyTorch框架对预训练模型进行微调,实现热狗与非热狗图像的分类任务。我们将从数据准备开始,逐步完成数据加载、可视化等关键步骤。


1. 环境配置与库导入

%matplotlib inline
import os
import torch
from torch import nn
from d2l import torch as d2l
import torchvision

2. 热狗数据集准备

# 热狗数据集配置
d2l.DATA_HUB['hotdog'] = (d2l.DATA_URL + 'hotdog.zip','fba480ffa8aa7e0febbb511d181409f899b9baa5')# 下载并加载数据集
data_dir = d2l.download_extract('hotdog')
train_imgs = torchvision.datasets.ImageFolder(os.path.join(data_dir, 'train'))
test_imgs = torchvision.datasets.ImageFolder(os.path.join(data_dir, 'test'))

3. 数据可视化

# 可视化训练集样本
import matplotlib.pyplot as plt# 设置画布大小
plt.figure(figsize=(12, 8))# 绘制前16张图片
for i, (image, label) in enumerate(train_imgs[:16]):plt.subplot(4, 4, i+1)plt.imshow(image)plt.title('hotdog' if label == 0 else 'not hotdog')plt.axis('off')plt.tight_layout()
plt.show()

输出结果

array([<Axes: >, <Axes: >, <Axes: >, <Axes: >, <Axes: >, <Axes: >,<Axes: >, <Axes: >, <Axes: >, <Axes: >, <Axes: >, <Axes: >,<Axes: >, <Axes: >, <Axes: >, <Axes: >], dtype=object)

(实际运行时将显示4x4网格排列的16张图像,包含热狗和其他食品的图片) 

4.数据增强 

normalize = torchvision.transforms.Normalize(mean=[0.485, 0.456, 0.406],std=[0.229, 0.224, 0.225]
)train_augs = torchvision.transforms.Compose([torchvision.transforms.RandomResizedCrop(224),torchvision.transforms.RandomHorizontalFlip(),torchvision.transforms.ToTensor(),normalize
])test_augs = torchvision.transforms.Compose([torchvision.transforms.Resize(256),torchvision.transforms.CenterCrop(224),torchvision.transforms.ToTensor(),normalize
])

5.定义并修改预训练模型

# 使用预训练的ResNet18模型
pretrained_net = torchvision.models.resnet18(pretrained=True)
print(pretrained_net.fc)  # 最后一层全连接层查看

输出结果:

Linear(in_features=512, out_features=1000, bias=True)
# 修改最后一层,以适应我们二分类任务
finetune_net = torchvision.models.resnet18(pretrained=True)
finetune_net.fc = nn.Linear(finetune_net.fc.in_features, 2)
nn.init.xavier_uniform_(finetune_net.fc.weight)

6.微调模型

定义微调函数:

from torch.utils.data import DataLoader
from torchvision.datasets import ImageFolderdef train_fine_tuning(net, lr, batch_size=128, num_epochs=5, param_group=True):train_iter = DataLoader(ImageFolder(os.path.join(data_dir,'train'), transform=train_augs),batch_size=batch_size,shuffle=True)test_iter = DataLoader(ImageFolder(os.path.join(data_dir,'test'), transform=test_augs),batch_size=batch_size,shuffle=False)devices = d2l.try_all_gpus()loss = nn.CrossEntropyLoss(reduction='mean')if param_group:params_lx = [param for name, param in net.named_parameters()if name not in ['fc.weight', 'fc.bias']]optim = torch.optim.SGD([{'params': params_lx},{'params': net.fc.parameters(), 'lr': lr * 10}], lr=lr, weight_decay=0.001)else:optim = torch.optim.SGD(net.parameters(), lr=lr, weight_decay=0.001)d2l.train_ch13(net, train_iter, test_iter, loss, optim, num_epochs, devices)

使用小的学习率进行微调:

train_fine_tuning(finetune_net, 5e-5)

输出:

loss 0.006, train acc 0.606, test acc 0.599
18.3 examples/sec on [device(type='cuda', index=0)]

为了进行比较,所有模型参数初始化为随机值 

scratch_net=torchvision.models.resnet18() # 没有预训练参数
scratch_net.fc=nn.Linear(scratch_net.fc.in_features,2) # 修改最后一层全连接层,输出为2
train_fine_tuning(scratch_net,5e-4,param_group=False) # param_group=False使得所有层的参数都为默认的学习率   

输出:

loss 0.005, train acc 0.752, test acc 0.750
10.6 examples/sec on [device(type='cuda', index=0)]

7.总结

本文完整展示了从数据准备到模型训练的热狗分类任务流程。关键步骤包括:

  1. 使用torchvision加载和预处理图像数据

  2. 可视化数据集样本

  3. 构建数据加载管道

  4. 修改预训练模型进行微调

  5. 训练和评估分类模型

实际应用中可以通过调整数据增强策略、尝试不同网络架构、优化超参数等方式进一步提升模型性能。后续可以扩展为部署到移动端的食品识别应用。


注意事项

  1. 确保GPU环境加速训练

  2. 根据显存调整batch_size大小

  3. 适当调整学习率等超参数

  4. 添加早停机制防止过拟合

希望本教程能帮助您快速上手PyTorch模型微调任务!

http://www.cadmedia.cn/news/7135.html

相关文章:

  • 企业网站开发设计seo推广的全称是
  • 龙岗网站建设哪家好长沙做网站推广
  • 如何做网站产品经理推广平台有哪些?
  • 青岛品牌网站建设价格seo优化评论
  • 免费的网站入口在哪如何利用互联网宣传与推广
  • 自助建站网站平台关键词查询爱站网
  • html网站建设方案新闻头条今日要闻最新
  • 网站如何做快捷支付google app
  • 网上教学网站建设网络营销有哪些推广方式
  • 网站做微信登录北京seo软件
  • 长治网站建设哪家好seo免费优化
  • 惠州网站建设制作公司成都纯手工seo
  • 企业网站建设很有必要打字赚钱平台 学生一单一结
  • 云阳营销型网站建设域名注册查询入口
  • 有没有教做生态手工的网站app投放推广
  • app开发公司属于什么行业徐州百度快照优化
  • 柳州网站建设推荐短网址
  • 温州市网络科技有限公司关键词点击优化工具
  • 网站程序代码营销推广方式
  • 网站商城定制网站建设推广优化
  • 南宁建设网站制作站长工具whois查询
  • 天津网站建设优化企业重庆seo全面优化
  • 做一个交易网站要花多少钱做一个企业网站大概需要多少钱
  • 网站服务器怎么看是哪个厂家的培训心得体会范文大全1000字
  • 奉贤免费网站建设免费搭建自己的网站
  • 网站做301跳转的作用东莞做网页建站公司
  • 网站关键词优化办法北京网聘咨询有限公司
  • 上海php做网站天津快速关键词排名
  • 开发东莞网站制作公司市场营销毕业论文5000字
  • 今天大事件新闻南宁关键词优化公司