当前位置:   article > 正文

pytorch,用lenet5识别cifar10数据集(训练+测试+单张图片识别)_lenet单张图片测试

lenet单张图片测试

目录

LeNet-5

LeNet-5 结构

CIFAR-10

pytorch实现

lenet模型

训练模型

1.导入数据

2.训练模型

3.测试模型

测试单张图片

代码

运行结果


LeNet-5

LeNet-5 是由 Yann LeCun 等人在 1998 年提出的一种经典卷积神经网络(CNN)模型,主要用于手写数字识别任务。它在 MNIST 数据集上表现出色,并且是深度学习历史上的一个重要里程碑。

LeNet-5 结构

LeNet-5 的结构包括以下几个层次:

  1. 输入层: 32x32 的灰度图像。
  2. 卷积层 C1: 包含 6 个 5x5 的滤波器,输出尺寸为 28x28x6。
  3. 池化层 S2: 平均池化层,输出尺寸为 14x14x6。
  4. 卷积层 C3: 包含 16 个 5x5 的滤波器,输出尺寸为 10x10x16。
  5. 池化层 S4: 平均池化层,输出尺寸为 5x5x16。
  6. 卷积层 C5: 包含 120 个 5x5 的滤波器,输出尺寸为 1x1x120。
  7. 全连接层 F6: 包含 84 个神经元。
  8. 输出层: 包含 10 个神经元,对应于 10 个类别。

CIFAR-10

CIFAR-10 是一个常用的图像分类数据集,包含 10 个类别的 60,000 张 32x32 彩色图像。每个类别有 6,000 张图像,其中 50,000 张用于训练,10,000 张用于测试。

1. 标注数据量训练集:50000张图像测试集:10000张图像

2. 标注类别数据集共有10个类别。具体分类见图1。

3. 可视化

pytorch实现

lenet模型

  • 平均池化(Average Pooling):对池化窗口内所有像素的值取平均,适合保留图像的背景信息。
  • 最大池化(Max Pooling):对池化窗口内的最大值进行选择,适合提取显著特征并具有降噪效果。

在实际应用中,最大池化更常用,因为它通常能更好地保留重要特征并提高模型的性能。

  1. import torch.nn as nn
  2. import torch.nn.functional as func
  3. class LeNet(nn.Module):
  4. def __init__(self):
  5. super(LeNet, self).__init__()
  6. self.conv1 = nn.Conv2d(3, 6, kernel_size=5)
  7. self.conv2 = nn.Conv2d(6, 16, kernel_size=5)
  8. self.fc1 = nn.Linear(16*5*5, 120)
  9. self.fc2 = nn.Linear(120, 84)
  10. self.fc3 = nn.Linear(84, 10)
  11. def forward(self, x):
  12. x = func.relu(self.conv1(x))
  13. x = func.max_pool2d(x, 2)
  14. x = func.relu(self.conv2(x))
  15. x = func.max_pool2d(x, 2)
  16. x = x.view(x.size(0), -1)
  17. x = func.relu(self.fc1(x))
  18. x = func.relu(self.fc2(x))
  19. x = self.fc3(x)
  20. return x

训练模型

1.导入数据

导入训练数据和测试数据

  1. def load_data(self):
  2. #transforms.RandomHorizontalFlip() 是 pytorch 中用来进行随机水平翻转的函数。它将以一定概率(默认为0.5)对输入的图像进行水平翻转,并返回翻转后的图像。这可以用于数据增强,使模型能够更好地泛化。
  3. train_transform = transforms.Compose([transforms.RandomHorizontalFlip(), transforms.ToTensor()])
  4. test_transform = transforms.Compose([transforms.ToTensor()])
  5. train_set = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=train_transform)
  6. self.train_loader = torch.utils.data.DataLoader(dataset=train_set, batch_size=self.train_batch_size, shuffle=True)
  7. # shuffle=True 表示在每次迭代时,数据集都会被重新打乱。这可以防止模型在训练过程中过度拟合训练数据,并提高模型的泛化能力。
  8. test_set = torchvision.datasets.CIFAR10(root='./data', train=False, download=True, transform=test_transform)
  9. self.test_loader = torch.utils.data.DataLoader(dataset=test_set, batch_size=self.test_batch_size, shuffle=False)

2.训练模型

  1. def train(self):
  2. print("train:")
  3. self.model.train()
  4. train_loss = 0
  5. train_correct = 0
  6. total = 0
  7. for batch_num, (data, target) in enumerate(self.train_loader):
  8. data, target = data.to(self.device), target.to(self.device)
  9. self.optimizer.zero_grad()
  10. output = self.model(data)
  11. loss = self.criterion(output, target)
  12. loss.backward()
  13. self.optimizer.step()
  14. train_loss += loss.item()
  15. prediction = torch.max(output, 1) # second param "1" represents the dimension to be reduced
  16. total += target.size(0)
  17. # train_correct incremented by one if predicted right
  18. train_correct += np.sum(prediction[1].cpu().numpy() == target.cpu().numpy())
  19. progress_bar(batch_num, len(self.train_loader), 'Loss: %.4f | Acc: %.3f%% (%d/%d)'
  20. % (train_loss / (batch_num + 1), 100. * train_correct / total, train_correct, total))
  21. return train_loss, train_correct / total

3.测试模型

  1. def test(self):
  2. print("test:")
  3. self.model.eval()
  4. test_loss = 0
  5. test_correct = 0
  6. total = 0
  7. with torch.no_grad():
  8. for batch_num, (data, target) in enumerate(self.test_loader):
  9. data, target = data.to(self.device), target.to(self.device)
  10. output = self.model(data)
  11. loss = self.criterion(output, target)
  12. test_loss += loss.item()
  13. prediction = torch.max(output, 1)
  14. total += target.size(0)
  15. test_correct += np.sum(prediction[1].cpu().numpy() == target.cpu().numpy())
  16. progress_bar(batch_num, len(self.test_loader), 'Loss: %.4f | Acc: %.3f%% (%d/%d)'
  17. % (test_loss / (batch_num + 1), 100. * test_correct / total, test_correct, total))
  18. return test_loss, test_correct / total

测试单张图片

网上随便下载一个图片

然后使用图片编辑工具,把图片设置为32x32大小

通过导入模型,然后测试一下

代码

  1. import torch
  2. import cv2
  3. import torch.nn.functional as F
  4. #from model import Net ##重要,虽然显示灰色(即在次代码中没用到),但若没有引入这个模型代码,加载模型时会找不到模型
  5. from torch.autograd import Variable
  6. from torchvision import datasets, transforms
  7. import numpy as np
  8. classes = ('plane', 'car', 'bird', 'cat',
  9. 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
  10. if __name__ == '__main__':
  11. device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
  12. model = torch.load('lenet.pth') # 加载模型
  13. model = model.to(device)
  14. model.eval() # 把模型转为test模式
  15. img = cv2.imread("bird1.png") # 读取要预测的图片
  16. trans = transforms.Compose(
  17. [
  18. transforms.ToTensor()
  19. ])
  20. img = trans(img)
  21. img = img.to(device)
  22. img = img.unsqueeze(0) # 图片扩展多一维,因为输入到保存的模型中是4维的[batch_size,通道,长,宽],而普通图片只有三维,[通道,长,宽]
  23. # 扩展后,为[1,1,28,28]
  24. output = model(img)
  25. prob = F.softmax(output,dim=1) #prob是10个分类的概率
  26. print(prob)
  27. value, predicted = torch.max(output.data, 1)
  28. print(predicted.item())
  29. print(value)
  30. pred_class = classes[predicted.item()]
  31. print(pred_class)

运行结果

  1. tensor([[1.8428e-01, 1.3935e-06, 7.8295e-01, 8.5042e-04, 3.0219e-06, 1.6916e-04,
  2. 5.8798e-06, 3.1647e-02, 1.7037e-08, 8.9128e-05]], device='cuda:0',
  3. grad_fn=<SoftmaxBackward0>)
  4. 2
  5. tensor([4.0915], device='cuda:0')
  6. bird

从结果看,效果还不错。记录一下

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/知新_RL/article/detail/1005329
推荐阅读
相关标签
  

闽ICP备14008679号