以下为《cifar10数据集的分类实践ppt》的无排版文字预览，完整格式请下载

下载前请仔细阅读文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。

第26组：曹某某，卫某某，王某某Cifar10数据集的分类实践..行业PPT模板http://doc.001pp.com/hangye/。01加载数据集加载数据集加载数据集.Pytorch提供的torchvision包，torchvision提供了dataloader去加载常见的MNIST，CIFAR-10，ImagetNet等数据集，也提供了transform去对图像进行变换，正则化和可视化。

我们的目的是用pytorch创建基于CIFAR-10数据集的图像分类器。

transform在上面的代码的作用主要是用来对数据进行预处理。

torchvision.datasets.CIFAR10 就指定了 CIFAR-10 这个数据集，这个模块定义了它如何去下载数据集，及如何从本地加载现成的数据，train 指定是否是训练数据集。

数据集需要配合 DataLoader 使用，DataLoader 从数据集中 内容过长，仅展示头部和尾部部分文字预览，全文请查看图片预览。 p>.定义 Loss 函数和优化器.在这里采用 cross-entropy-loss 函数作为 loss 函数，采用 Adam 作为 Optimizer。

nn.CrossEntropyLoss() 包含了 logsoftmax 和 loss 两个操作。。04训练模型训练模型.训练模型.训练模型定义 Loss 和优化器就可以开始训练了，训练的手段就是通过 Optimizer 尽量让 loss 的值变得更小，从而神经网络的预测变得越来越高。

epoch 和数据集的大小还有 batch size 有关。

。05测试模型.测试模型测试模型训练神经网络的目的是为了做预测，但为了检验这个模型的能力，所以在训练完成后需要进行测试，测试图片和训练图片不在同一堆数据当中。

最终这个神经网络的测试准确度达到了 85.31%[文章尾部最后300字内容到此结束,中间部分内容请查看底下的图片预览]

以上为《cifar10数据集的分类实践ppt》的无排版文字预览，完整格式请下载

下载前请仔细阅读上面文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。