You can not select more than 25 topics Topics must start with a chinese character,a letter or number, can include dashes ('-') and can be up to 35 characters long.

dataset_CIFAR-10.py 1.6 kB

123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354
  1. import os
  2. import torch as t
  3. import torchvision as tv
  4. import torchvision.transforms as transforms
  5. from torchvision.transforms import ToPILImage
  6. show = ToPILImage() # 可以把Tensor转成Image,方便可视化
  7. # 第一次运行程序torchvision会自动下载CIFAR-10数据集,
  8. # 大约100M,需花费一定的时间,
  9. # 如果已经下载有CIFAR-10,可通过root参数指定
  10. # 定义对数据的预处理
  11. transform = transforms.Compose([
  12. transforms.ToTensor(), # 转为Tensor
  13. transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)), # 归一化
  14. ])
  15. # set data storage dir & check whether do download
  16. data_path = "../data/"
  17. p = os.path.join(data_path, "cifar-10-batches-py")
  18. do_download = True
  19. if os.path.isdir(p):
  20. do_download = False
  21. # 训练集
  22. trainset = tv.datasets.CIFAR10(
  23. root=data_path,
  24. train=True,
  25. download=do_download,
  26. transform=transform)
  27. trainloader = t.utils.data.DataLoader(
  28. trainset,
  29. batch_size=4,
  30. shuffle=True,
  31. num_workers=2)
  32. # 测试集
  33. testset = tv.datasets.CIFAR10(
  34. root=data_path,
  35. train=False,
  36. download=do_download,
  37. transform=transform)
  38. testloader = t.utils.data.DataLoader(
  39. testset,
  40. batch_size=4,
  41. shuffle=False,
  42. num_workers=2)
  43. classes = ('plane', 'car', 'bird', 'cat', 'deer',
  44. 'dog', 'frog', 'horse', 'ship', 'truck')

机器学习越来越多应用到飞行器、机器人等领域,其目的是利用计算机实现类似人类的智能,从而实现装备的智能化与无人化。本课程旨在引导学生掌握机器学习的基本知识、典型方法与技术,通过具体的应用案例激发学生对该学科的兴趣,鼓励学生能够从人工智能的角度来分析、解决飞行器、机器人所面临的问题和挑战。本课程主要内容包括Python编程基础,机器学习模型,无监督学习、监督学习、深度学习基础知识与实现,并学习如何利用机器学习解决实际问题,从而全面提升自我的《综合能力》。