这篇也是学姐粉丝的投稿，最近几周推文写了几篇粉丝投稿，发现大家对学习知识复盘做的是真的好。今天这篇是深度之眼学员粉丝写的这篇《图像分类baseline》需要的同学可以来做参考。

投稿还在进行中，学习心得、个人经历、学习建议、学习工具都可以投稿来。投稿就有奖品赠送，感兴趣的就找学姐吧！

图像分类baseline

定义超类

图像维度的匹配

正向传播

定义损失函数

定义训练部分

从dataset定义data_loader,从data_loader得到数据集

1.将数据放入设备

2.传入模型

3.模型结果传入损失函数

4.损失函数反向传播

device的读取

梯度清空

pytorch的梯度不清空就会累积

定义epoch,batch_size

定义data_loader()以及数据集划分

传入数据集以及数据集的标签

• train_lables 训练集

• train_labels['target'] 训练集的标签

• train_index 划分的训练集标签

• test_index 划分的验证集标签

• train_images,valid_images = 数据集['图像路径或图像'].iloc[训练集标签],数据集['图像路径或图像'].iloc[测试集标签]

• train_targets,valid_targets= 数据集['图像的标签'].iloc[训练集标签],数据集['图像的标签'].iloc[测试集标签]

定义dataset

传入dataset就是dataloader

定义优化器

模型训练

一个for循环就是一折

定义验证函数

定义验证集精度计算

(预测结果，预测标签)

模型保存

常见错误：out of memory

重启notebook

不要直接复制代码使用，编辑器有差异可能会因为空格和换行运行时报错。粉丝投稿，有错误理性交流不要上来就喷。我们都是高材生，有素质。