一、人民币二分类

描述：输入人民币，通过模型判定类别并输出。

 

  • 数据：四个子模块

　　　　数据收集 -> img,label 原始数据和标签
　　　　数据划分 -> train训练集 valid验证集 test测试集
　　　　数据读取 -> DataLoader ->(1)Sampler(生成index) (2)Dataset(读取Img，Label)
　　　　数据预处理 -> transforms

1、DataLoader

  • 　　torch.utils.data.DataLoader  功能：构建可迭代的数据装载器
    • 　　dataset：Dataset类，决定数据从哪里读取及如何读取
    • batchsize：批大小
    •        num_works：是否多进程读取数据
    •        shuffle：每个epoch是否乱序
    •        drop_last：当样本数不能被batchsize整除时，是否舍弃最后一批数据
  • Epoch、Iteration、Batchsize关系

　　　　Epoch：所有训练样本都已输入到模型中，称为一个epoch

　　　　Iteration：一批样本输入到模型中，称之为一个Iteration

　　　　Batchsize：批大小，决定一个Epoch有多少个iteration

　　　　例如：样本总数：80 batchsize：8 

　　　　　　1    epoch = 10  iteration  一次iteration输入8个样本，所以一次的epoch=8

　　　　　　　　样本总数：87 batchsize：8

　　　　　　if drop_last = true  1 epoch = 10  iteration

                      else drop_last = false 1  epoch = 11 iteration

2、Dataset

  • torch.utils.data.Dataset   功能：Dataset抽象类，所有自定义的Dataset需要继承它，并且复写
    • 　　__getitem__()  ：接收一个索引，返回一个样本及标签

3、数据读取：

思考：读哪些数据？从哪里读数据？怎么读数据？

 

 

二、Dataloader与Dataset

 

三、transform运行机制

torchvision：计算机视觉工具包

  • torchvision.transforms：常用的图像预处理方法
  • torchvision.datasets：常用数据集的dataset实现，MNIST，CIFAR-10,ImageNet
  • torchvision.model：常用的模型预训练，AlexNet，VGG，ResNet，GoogLeNet等

1、torchvision.transforms  ---  提高泛化能力

  • l  数据中心化
  • l  数据标准化
  • l  缩放
  • l  剪裁
  • l  旋转
  • l  翻转
  • l  填充
  • l  噪声添加
  • l  灰度变换
  • l  线性变换
  • l  仿射变换
  • l  亮度、饱和度及对比度变换

四、数据标准化—transforms.normalize

transforms.normalize 功能：逐channel的对图像进行标准化

　　　　output = （input - mean）/ std；

    • 　　mean：各通道的均值
    • 　　std：各通道的标准差
    • 　　inplace：是否原地操作