版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/github_39611196/article/details/84644513
本文主要介绍fastai自带的案例,MNIST手写数据集。
1、导入包。
import fastai
from fastai import *
from fastai.vision import *
2、下载MNIST数据集。
path = untar_data(URLs.MNIST_SAMPLE)
path
\
3、通过Image folder对数据进行转换,并进行标准化。
data = ImageDataBunch.from_folder(path, ds_tfms=(rand_pad(2, 28), []), bs=64)
data.normalize(imagenet_stats)
4、显示一张图片。
image, label = data.train_ds[0]
image
5、对数据集进行训练。
learn = create_cnn(data, models.resnet18, metrics=accuracy)
learn.fit_one_cycle(1, 0.01)
6、输出训练准确率。
accuracy(*learn.get_preds())
7、通过csv对数据进行转换,进行标准化,并显示一张图片。
data = ImageDataBunch.from_csv(path, ds_tfms=(rand_pad(2, 28), []), bs=64)
data.normalize(imagenet_stats)
img, label = data.train_ds[0]
img
8、对数据集进行训练。
learn = create_cnn(data, models.resnet18, metrics=accuracy)
learn.fit_one_cycle(1, 0.01)
9、输出准确率。
accuracy(*learn.get_preds())