03数据加载-模型等API介绍

机器学习/03数据加载-模型等API介绍/图片数据处理.py

@@ -0,0 +1,10 @@
+from torchvision.datasets import MNIST
+from torchvision import transforms
+from torch.utils.data import DataLoader
+
+
+mnist_train = MNIST(root="./MNIST_data", train=True, download=True, transform=transforms.PILToTensor())
+
+a = DataLoader(mnist_train, batch_size=1, shuffle=True)
+for i in a:
+    print(i)

机器学习/03数据加载-模型等API介绍/图片数据标准化处理.py

@@ -0,0 +1,18 @@
+from torchvision.datasets import MNIST
+from torchvision import transforms
+from torch.utils.data import DataLoader
+
+# 图片标准化处理目的就是提高识别准确度
+my_transforms = transforms.Compose(
+    [
+        transforms.PILToTensor(),
+    ]
+)
+
+mnist_train = MNIST(root="./MNIST_data", train=True, download=True, transform=my_transforms)
+
+a = DataLoader(mnist_train, batch_size=1, shuffle=True)
+for img, labels in a:
+    print(img)
+    print(labels)
+    exit()

机器学习/03数据加载-模型等API介绍/图片数据融合处理.py

@@ -0,0 +1,22 @@
+from torchvision.datasets import MNIST
+from torchvision import transforms
+from torch.utils.data import DataLoader
+from torchvision.utils import make_grid
+import matplotlib.pyplot as plt
+
+# 图片标准化处理目的就是提高识别准确度，比如灰度，旋转，等等
+my_transforms = transforms.Compose(
+    [
+        transforms.PILToTensor(),
+    ]
+)
+
+mnist_train = MNIST(root="./MNIST_data", train=True, download=True, transform=my_transforms)
+
+a = DataLoader(mnist_train, batch_size=2, shuffle=True)
+for img, labels in a:
+    print(labels)
+    image = make_grid(img).permute(1, 2, 0).numpy()
+    plt.imshow(image)
+    plt.show()
+    exit()

机器学习/03数据加载-模型等API介绍/模型和优化器.py

@@ -0,0 +1,21 @@
+from torch import optim
+from torch import nn
+
+
+# 全连接层
+class MnistModel(nn.Module):
+    def __init__(self):
+        super(MnistModel, self).__init__()
+        self.fc2 = nn.Linear(1 * 28 * 28, 100)  # 最终为什么是 10，因为手写数字识别最终是 10分类的，分类任务中有多少，就分几类。 0-9
+        self.relu = nn.ReLU()
+
+    def forward(self, image):
+        image_viwed = image.view(-1, 1 * 28 * 28)  # 此处需要拍平
+        out = self.fc2(image_viwed)
+        fc1_out = self.relu(out)
+        return out
+
+
+model = MnistModel()
+optimizer = optim.Adam(model.parameters(), lr=1e-4)
+LOST = nn.CTCLoss()