pytorch深度学习框架——实现病虫害图像分类

1.1、概念

PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。
2017年1月，由Facebook人工智能研究院（FAIR）基于Torch推出了PyTorch。它是一个基于Python的可续计算包，提供两个高级功能：
1、具有强大的GPU加速的张量计算（如NumPy）。
2、包含自动求导系统的深度神经网络。

1.2、机器学习与深度学习的区别

两者之间区别很多，在本篇博客中只简单描述一部分。以图片的形式展现。
前者为机器学习的过程。
后者为深度学习的过程。

1.3、在python中导入pytorch成功截图

本次实验使用的是coco数据集中的植物病虫害数据集。分为训练文件Traindata和测试文件TestData.，
TrainData有9种分类，每一种分类有100张图片。
TestData有9中分类，每一种分类有10张图片。
在我下一篇博客中将数据集开源。
下面是我的数据集截图：

3.1、导入第三方库

3.2、CNN代码：

3.3、测试代码

4.1、LOSS损失函数

4.2、 ACC

4.3、单张图片识别准确率

四、小结

这次搭建的网络是基于深度学习框架Lenet，并自己做了一些修改完成。最终的训练的结果LOSS接近0，ACC接近100%。但是一般的识别率不会达到这么高，该模型可能会过拟合。可采取剪枝等操作减小过拟合。