dnn分类鸢尾花 pytorch_基于PyTorch的深度学习入门教程之训练一个神经网络分类器...

本文参考PyTorch官网的教程，分为五个基本模块来介绍PyTorch。为了避免文章过长，这五个模块分别在五篇博文中介绍。

Part1：PyTorch简单知识

Part2：PyTorch的自动梯度计算

Part3：使用PyTorch构建一个神经网络

Part4：训练一个神经网络分类器

Part5：数据并行化

本文是关于Part4的内容。

Part4：训练一个神经网络分类器

前面已经介绍了定义神经网络，计算损失和更新权重，这里介绍训练神经网络分类器。

1关于数据

通常，当你需要处理图像、文本、饮品或者视频数据，你可以使用标准的python包将数据导入到numpy的array中。之后，你可以将array转换到torch.*Tensor。

(1)对于图像，Pillow、OpenCV等包非常有用。

(2)对于音频，scipy和librosa等包非常好。

(3)对于文本，原始Python或基于Cython的加载，或者NLTK和SpaCy都是有用的。

尤其对于视觉，我们创建了一个叫做torchvision的包，包含了对于常用数据集(如ImageNet，CIFAR10，MNIST等)的数据加载器和对于images、viz的数据转换器，torchvision.datasets和torch.utils.data.DataLoader。

在该教程中，我们使用CIFAR10数据集。它含有这些类：‘airplane’，‘automobile’，‘bird’，‘cat’，‘deer’，‘dog’，‘frog’，‘horse’，‘ship’，‘truck’。这些图像的尺寸是3*32*32，即3通道的彩色图像，尺寸为32*32。