黑马程序员技术交流社区

标题: 【上海校区】Pytorch打怪路（一）pytorch进行CIFAR-10分类（5）... [打印本页]

---

作者: 不二晨    时间: 2018-9-5 10:14
标题: 【上海校区】Pytorch打怪路（一）pytorch进行CIFAR-10分类（5）...
1.直接上代码代码第一部分

• 
  
  dataiter = iter(testloader)      # 创建一个python迭代器，读入的是我们第一步里面就已经加载好的testloader
  
  
• 
  
  images, labels = dataiter.next() # 返回一个batch_size的图片，根据第一步的设置，应该是4张
  
  
• 
  
  
  
  
• 
  
  # print images
  
  
• 
  
  imshow(torchvision.utils.make_grid(images))  # 展示这四张图片
  
  
• 
  
  print('GroundTruth: ', ' '.join('%5s' % classes[labels[j]] for j in range(4))) # python字符串格式化 ' '.join表示用空格来连接后面的字符串，参考python的join（）方法
  
  
  

这一部分代码就是先随机读取4张图片，让我们看看这四张图片是什么并打印出相应的label信息，

因为第一步里面设置了是shuffle了数据的，也就是顺序是打乱的，所以各自出现的图像不一定相同，

代码第二部分

• 
  
  outputs = net(Variable(images))      # 注意这里的images是我们从上面获得的那四张图片，所以首先要转化成variable
  
  
• 
  
  _, predicted = torch.max(outputs.data, 1)  
  
  
• 
  
                  # 这个 _ , predicted是python的一种常用的写法，表示后面的函数其实会返回两个值
  
  
• 
  
                  # 但是我们对第一个值不感兴趣，就写个_在那里，把它赋值给_就好，我们只关心第二个值predicted
  
  
• 
  
                  # 比如 _ ,a = 1,2 这中赋值语句在python中是可以通过的，你只关心后面的等式中的第二个位置的值是多少
  
  
• 
  
  
  
  
• 
  
  print('Predicted: ', ' '.join('%5s' % classes[predicted[j]] for j in range(4)))  # python的字符串格式化
  
  
  

这里用到了torch.max(  ), 它是属于Tensor的一个方法：

注意到注释中第一句话，是说返回返回输入Tensor中每行的最大值，并转换成指定的dim（维度），

所以我们程序中的 torch.max(outputs.data, 1) ，很明显就是返回一个列，列元素是输入的outputs.data的每行最大值

而这里很明显，这个返回的列的第一个元素是image data，第二个元素是label， 我们只需要label，

所以就会有 _ , predicted这样的赋值语句，我在注释中也说明了这是什么意思

代码第三部分

• 
  
  correct = 0   # 定义预测正确的图片数，初始化为0
  
  
• 
  
  total = 0     # 总共参与测试的图片数，也初始化为0
  
  
• 
  
  for data in testloader:  # 循环每一个batch
  
  
• 
  
      images, labels = data
  
  
• 
  
      outputs = net(Variable(images))  # 输入网络进行测试
  
  
• 
  
      _, predicted = torch.max(outputs.data, 1)
  
  
• 
  
      total += labels.size(0)          # 更新测试图片的数量
  
  
• 
  
      correct += (predicted == labels).sum() # 更新正确分类的图片的数量
  
  
• 
  
  
  
  
• 
  
  print('Accuracy of the network on the 10000 test images: %d %%' % (
  
  
• 
  
      100 * correct / total))          # 最后打印结果
  
  
• 
  
  
  
  
  

tutorial给的结果是53%

代码第四部分

来测试一下每一类的分类正确率

• 
  
  class_correct = list(0. for i in range(10)) # 定义一个存储每类中测试正确的个数的 列表，初始化为0
  
  
• 
  
  class_total = list(0. for i in range(10))   # 定义一个存储每类中测试总数的个数的 列表，初始化为0
  
  
• 
  
  for data in testloader:     # 以一个batch为单位进行循环
  
  
• 
  
      images, labels = data
  
  
• 
  
      outputs = net(Variable(images))
  
  
• 
  
      _, predicted = torch.max(outputs.data, 1)
  
  
• 
  
      c = (predicted == labels).squeeze()
  
  
• 
  
      for i in range(4):      # 因为每个batch都有4张图片，所以还需要一个4的小循环
  
  
• 
  
          label = labels   # 对各个类的进行各自累加
  
  
• 
  
          class_correct[label] += c
  
  
• 
  
          class_total[label] += 1
  
  
• 
  
  
  
  
• 
  
  
  
  
• 
  
  for i in range(10):
  
  
• 
  
      print('Accuracy of %5s : %2d %%' % (
  
  
• 
  
          classes, 100 * class_correct / class_total))
  
  
  

---

作者: 不二晨    时间: 2018-9-6 11:08
奈斯

---

作者: 不二晨    时间: 2018-9-13 16:27

很不错，受教了

---

作者: 不二晨    时间: 2018-9-20 17:27
奈斯

---

作者: 魔都黑马少年梦    时间: 2018-11-1 16:48

---

欢迎光临 黑马程序员技术交流社区 (http://bbs.itheima.com/)

黑马程序员IT技术论坛 X3.2