pytorch安装及LeNet案例

　　（1）安装pytorchpytorch官网安装网址：https：pytorch。orggetstartedlocally，可选择cuda或者pip安装，只要在命令行上输入安装官网上的指令即可。
　　pytorch官网安装torchvision
　　condainstalltorchvision
　　3，查看pytorch子模块的具体含义
　　网址：https：pytorch。orgdocsstableindex。html
　　（2）pytorchdemo
　　1，pytorchTensor的通道排序：〔batch，channel，height，width〕
　　（3）案例：搭建LeNet网络
　　代码详解
　　LeNet网络文件结构
　　其中，model是网络模型文件、train是训练文件、predict是预测文件
　　网络模型model。py文件
　　importtorch。nnasnn
　　importtorch。nn。functionalasF
　　classLeNet（nn。Module）：
　　definit（self）：
　　super（LeNet，self）。init（）
　　self。conv1nn。Conv2d（3，16，5）3：特征层深度16：卷积核个数Filter：55
　　self。pool1nn。MaxPool2d（2，2）
　　self。conv2nn。Conv2d（16，32，5）
　　self。pool2nn。MaxPool2d（2，2）
　　self。fc1nn。Linear（3255，120）
　　self。fc2nn。Linear（120，84）
　　self。fc3nn。Linear（84，10）
　　defforward（self，x）：
　　xF。relu（self。conv1（x））input（3，32，32）按照公式：N（WF2P）S1（32520）1128output（16，28，28）
　　xself。pool1（x）output（16，14，14）
　　xF。relu（self。conv2（x））output（32，10，10）
　　xself。pool2（x）output（32，5，5）
　　xx。view（1，3255）output（3255）
　　xF。relu（self。fc1（x））output（120）
　　xF。relu（self。fc2（x））output（84）
　　xself。fc3（x）output（10）
　　returnx
　　训练文件：
　　importmatplotlib。pyplotasplt
　　importnumpyasnp
　　importtorch
　　importtorchvision
　　importtorch。nnasnn
　　frommodelimportLeNet
　　importtorch。optimasoptim
　　importtorchvision。transformsastransforms
　　defmain（）：
　　transformtransforms。Compose（
　　〔transforms。ToTensor（），作用：将PILImageornumpy数据转换成tensor数据，即将（HWC）转换成（CHW）
　　transforms。Normalize（（0。5，0。5，0。5），（0。5，0。5，0。5））〕）作用：标准化input〔channel〕（input〔channel〕mean〔channel〕）std〔channel〕
　　trainsettorchvision。datasets。CIFAR10（root。data，trainTrue，
　　downloadFalse，transformtransform）download为true，会自动将cifar数据集下载至本地的data文件夹中
　　trainloadertorch。utils。data。DataLoader（trainset，batchsize36，
　　shuffleTrue，numworkers0）
　　valsettorchvision。datasets。CIFAR10（root。data，trainFalse，
　　downloadFalse，transformtransform）
　　valloadertorch。utils。data。DataLoader（valset，batchsize5000，
　　shuffleFalse，numworkers0）
　　valdataiteriter（valloader）
　　valimage，vallabelnext（valdataiter）
　　classes（plane，car，bird，cat，
　　deer，dog，frog，horse，ship，truck）
　　显示单张图片
　　defimshow（img）：
　　imgimg20。5反标准化
　　npimgimg。numpy（）
　　plt。imshow（np。transpose（npimg，（1，2，0）））
　　printlabels
　　print（。join（5sclasses〔vallabel〔j〕〕forjinrange（4）））
　　showimages
　　figplt。figure（figsize（7，5））设置画布
　　foridxinrange（4）：
　　axfig。addsubplot（2，2，idx1，xticks〔〕，yticks〔〕）
　　imshow（valimage〔idx〕）展示第idx图片
　　ax。settitle（classes〔vallabel〔idx〕〕）为图片设置标签
　　plt。show（）
　　netLeNet（）
　　lossfunctionnn。CrossEntropyLoss（）
　　optimizeroptim。Adam（net。parameters（），lr0。001）
　　forepochinrange（5）：loopoverthedatasetmultipletimes
　　runningloss0。0
　　forstep，datainenumerate（trainloader，start0）：
　　dataisalistof〔inputs，labels〕
　　inputs，labelsdata
　　zerotheparametergradients
　　optimizer。zerograd（）
　　forwardbackwardoptimize
　　outputsnet（inputs）
　　losslossfunction（outputs，labels）
　　loss。backward（）
　　optimizer。step（）
　　printstatistics
　　runninglossloss。item（）
　　ifstep500499：printevery500minibatches
　　withtorch。nograd（）：
　　outputsnet（valimage）〔batch，10〕
　　predictytorch。max（outputs，dim1）〔1〕
　　accuracytorch。eq（predicty，vallabel）。sum（）。item（）vallabel。size（0）
　　print（〔d，5d〕trainloss：。3ftestaccuracy：。3f
　　（epoch1，step1，runningloss500，accuracy））
　　runningloss0。0
　　print（FinishedTraining）
　　savepath。Lenet。pth
　　torch。save（net。statedict（），savepath）
　　ifnamemain：
　　main（）
　　predict。py预测文件
　　importtorch
　　importtorchvision。transformsastransforms
　　fromPILimportImage
　　frommodelimportLeNet
　　defmain（）：
　　transformtransforms。Compose（
　　〔transforms。Resize（（32，32）），将图片尺寸变为3232
　　transforms。ToTensor（），
　　transforms。Normalize（（0。5，0。5，0。5），（0。5，0。5，0。5））〕）
　　classes（plane，car，bird，cat，
　　deer，dog，frog，horse，ship，truck）
　　netLeNet（）
　　net。loadstatedict（torch。load（Lenet。pth））
　　imImage。open（img。png）
　　imtransform（im）〔C，H，W〕
　　imtorch。unsqueeze（im，dim0）〔N，C，H，W〕
　　withtorch。nograd（）：
　　outputsnet（im）
　　predicttorch。max（outputs，dim1）〔1〕。numpy（）
　　print（classes〔int（predict）〕）
　　ifnamemain：
　　main（）
　　想深入学习的可点击如下链接