pytorch官方教程训练分类器代码理解

pytorch官方教程训练分类器代码理解

新手的代码熟悉，有错误请大佬指出。

通常，当您必须处理图像，文本，音频或视频数据时，您可以使用标准的python包将数据加载到numpy数组中。然后你可以将这个数组转换成一个torch.*Tensor。
特别是对于视觉，我们创建了一个名为的包 torchvision，其中包含用于常见数据集的数据加载器，如Imagenet，CIFAR10，MNIST等，以及用于图像的数据转换器，即 torchvision.datasets和torch.utils.data.DataLoader。
这提供了极大的便利并避免编写样板代码。
在本教程中，我们将使用CIFAR10数据集。它有类：‘飞机’，‘汽车’，‘鸟’，‘猫’，‘鹿’，‘狗’，‘青蛙’，‘马’，‘船’，‘卡车’。CIFAR-10中的图像尺寸为3x32x32，即尺寸为32x32像素的3通道彩色图像。

训练图像分类器

我们将按顺序执行以下步骤：

1.使用加载和标准化CIFAR10训练和测试数据集 torchvision
2.定义卷积神经网络
3.定义损失函数
4.在训练数据上训练网络
5.在测试数据上测试网络

使用加载和标准化CIFAR10训练和测试数据集 torchvision

先展示些图片：

定义卷积神经网络

定义损失函数

在训练数据上训练网络

在测试数据上测试网络

代码链接：
https://github.com/Wenbin94/94/blob/master/lesson1.py