python模型训练

目录

1、新建模型   train_model.py

2、运行模型

（1）首先会下载data文件库

（2）完成之后会开始训练模型（10次）

3、 训练好之后，进入命令集

 4、输入命令：python -m tensorboard.main --logdir="C:\Users\15535\Desktop\day6\train"

（1）目录的绝对路径获得方法

 5、打开网页可视化图形

（1）运行完之后会自动有一个网址，点进去

 （2）显示

---

1、新建模型   train_model.py

import torch
import torchvision.transforms
from torch.utils.tensorboard import SummaryWriter
from torchvision import datasets
from torch.utils.data import DataLoader
import torch.nn as nn
from torch.nn import CrossEntropyLoss
 
 
#step1.下载数据集
 
train_data=datasets.CIFAR10('./data',train=True,\
                            transform=torchvision.transforms.ToTensor(),
                            download=True)
test_data=datasets.CIFAR10('./data',train=False,\
                            transform=torchvision.transforms.ToTensor(),
                            download=True)
 
print(len(train_data))
print(len(test_data))
 
 
#step2.数据集打包
train_data_loader=DataLoader(train_data,batch_size=64,shuffle=False)
test_data_loader=DataLoader(test_data,batch_size=64,shuffle=False)
 
#step3.搭建网络模型
 
class My_Module(nn.Module):
    def __init__(self):
        super(My_Module,self).__init__()
        #64*32*32*32
        self.conv1=nn.Conv2d(in_channels=3,out_channels=32,\
                             kernel_size=5,padding=2)
 
        #64*32*16*16
        self.maxpool1=nn.MaxPool2d(2)
 
        #64*32*16*16
        self.conv2=nn.Conv2d(in_channels=32,out_channels=32,\
                             kernel_size=5,padding=2)
 
        #64*32*8*8
        self.maxpool2=nn.MaxPool2d(2)
 
        #64*64*8*8
        self.conv3=nn.Conv2d(in_channels=32,out_channels=64,\
                             kernel_size=5,padding=2)
 
        #64*64*4*4
        self.maxpool3=nn.MaxPool2d(2)
 
        #线性化
        self.flatten=nn.Flatten()
        self.linear1=nn.Linear(in_features=1024,out_features=64)
        self.linear2=nn.Linear(in_features=64,out_features=10)
 
    def forward(self,input):
        #input:64,3,32,32
        output1=self.conv1(input)
        output2=self.maxpool1(output1)
        output3=self.conv2(output2)
        output4=self.maxpool2(output3)
        output5=self.conv3(output4)
        output6=self.maxpool3(output5)
        output7=self.flatten(output6)
        output8=self.linear1(output7)
        output9=self.linear2(output8)
 
        return output9
 
 
my_model=My_Module()
# print(my_model)
loss_func=CrossEntropyLoss()#衡量模型训练的过程（输入输出之间的差值）
#优化器，lr越大模型就越“聪明”
optim = torch.optim.SGD(my_model.parameters(),lr=0.001)
 
writer=SummaryWriter('./train')
#################################训练###############################
for looptime in range(10):             #模型训练的次数：10
    print("------looptime:{}------".format(looptime+1))
    num=0
    loss_all=0
    for data in (train_data_loader):
        num+=1
        #前向
        imgs, targets = data
        output = my_model(imgs)
        loss_train = loss_func(output,targets)
        loss_all=loss_all+loss_train
        if num%100==0:
            print(loss_train)
 
        #后向backward 三步法  获取最小的损失函数
        optim.zero_grad()
        loss_train.backward()
        optim.step()
 
        # print(output.shape)
    loss_av=loss_all/len(test_data_loader)
    print(loss_av)
    writer.add_scalar('train_loss',loss_av,looptime)
    writer.close()
#################################验证#########################
    with torch.no_grad():
        accuracy=0
        test_loss_all=0
        for data in test_data_loader:
            imgs,targets = data
            output = my_model(imgs)
            loss_test = loss_func(output,targets)
            #output.argmax(1)---输出标签
            accuracy=(output.argmax(1)==targets).sum()
 
            test_loss_all = test_loss_all+loss_test
            test_loss_av = test_loss_all/len(test_data_loader)
            acc_av = accuracy/len(test_data_loader)
 
        print("测试集的平均损失{}，测试集的准确率{}".format(test_loss_av,acc_av))
        writer.add_scalar('test_loss',test_loss_av,looptime)
        writer.add_scalar('acc',acc_av,looptime)
 
writer.close()

2、运行模型

（1）首先会下载data文件库

（2）完成之后会开始训练模型（10次）

3、 训练好之后，进入命令集

 4、输入命令：python -m tensorboard.main --logdir="C:\Users\15535\Desktop\day6\train"

（1）目录的绝对路径获得方法

执行下面的操作自动复制

 

 

 5、打开网页可视化图形

（1）运行完之后会自动有一个网址，点进去

 （2）显示