如何使用PyTorch准备、训练并测试个人图片数据集？

本文共计1222个文字，预计阅读时间需要5分钟。

《PyTorch入门教程：利用自定义图片数据训练和测试》如果您有自己的图片数据，可以直接使用以下步骤进行处理和训练：

1.首先，准备您的图片数据集，确保每个类别都有对应的图片。

2.使用PyTorch和torchvision的图像处理功能来加载和预处理图片，例如调整大小、归一化等。

3.创建一个数据加载器（DataLoader），它可以批量加载数据并打乱顺序。

4.定义您的神经网络模型，可以是预定义的模型结构或自定义的。

5.编写训练和测试的循环，使用优化器和损失函数进行模型的训练和验证。

6.在每个epoch后，使用测试集来评估模型性能。

对于您使用的Fashion-MNIST数据集，以下是其特点的简要描述：

- 它包含10类，每类有7000个灰度图片，尺寸为28x28像素。- 训练集有60000个样本，测试集有10000个样本。- 这个数据集常用于图像识别和机器学习模型的训练和评估。

大部分的pytorch入门教程，都是使用torchvision里面的数据进行训练和测试。如果我们是自己的图片数据，又该怎么做呢？

一、我的数据

我在学习的时候，使用的是fashion-mnist。这个数据比较小，我的电脑没有GPU，还能吃得消。关于fashion-mnist数据，可以百度，也可以点此 了解一下，数据就像这个样子：

下载地址：github.com/zalandoresearch/fashion-mnist

但是下载下来是一种二进制文件，并不是图片，因此我先转换成了图片。