一、人民幣二分類
描述：輸入人民幣，通過模型判定類別並輸出。
- 數據：四個子模塊
數據收集 -> img,label 原始數據和標簽
數據划分 -> train訓練集 valid驗證集 test測試集
數據讀取 -> DataLoader ->(1)Sampler(生成index) (2)Dataset(讀取Img，Label)
數據預處理 -> transforms
1、DataLoader
- torch.utils.data.DataLoader 功能：構建可迭代的數據裝載器
- dataset：Dataset類，決定數據從哪里讀取及如何讀取
- batchsize：批大小
- num_works：是否多進程讀取數據
- shuffle：每個epoch是否亂序
- drop_last：當樣本數不能被batchsize整除時，是否舍棄最后一批數據
- Epoch、Iteration、Batchsize關系
Epoch：所有訓練樣本都已輸入到模型中，稱為一個epoch
Iteration：一批樣本輸入到模型中，稱之為一個Iteration
Batchsize：批大小，決定一個Epoch有多少個iteration
例如：樣本總數：80 batchsize：8
1 epoch = 10 iteration 一次iteration輸入8個樣本，所以一次的epoch=8
樣本總數：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抽象類，所有自定義的Dataset需要繼承它，並且復寫
- __getitem__() ：接收一個索引，返回一個樣本及標簽
3、數據讀取：
思考：讀哪些數據？從哪里讀數據？怎么讀數據？
二、Dataloader與Dataset
三、transform運行機制
torchvision：計算機視覺工具包
- torchvision.transforms：常用的圖像預處理方法
- torchvision.datasets：常用數據集的dataset實現，MNIST，CIFAR-10,ImageNet
- torchvision.model：常用的模型預訓練，AlexNet，VGG，ResNet，GoogLeNet等
1、torchvision.transforms --- 提高泛化能力
- l 數據中心化
- l 數據標准化
- l 縮放
- l 剪裁
- l 旋轉
- l 翻轉
- l 填充
- l 噪聲添加
- l 灰度變換
- l 線性變換
- l 仿射變換
- l 亮度、飽和度及對比度變換
四、數據標准化—transforms.normalize
transforms.normalize 功能：逐channel的對圖像進行標准化
output = （input - mean）/ std；
-
- mean：各通道的均值
- std：各通道的標准差
- inplace：是否原地操作