经典五步：
1. 导包
# 从paddle.vision.models 模块中import 残差网络，VGG网络，LeNet网络 from paddle.vision.models import resnet50, vgg16, LeNet from paddle.vision.datasets import Cifar10 from paddle.optimizer import Momentum from paddle.regularizer import L2Decay from paddle.nn import CrossEntropyLoss from paddle.metric import Accuracy from paddle.vision.transforms import Transpose
2. 处理数据
# 使用Cifar10数据集 train_dataset = Cifar10(mode='train', transform=Transpose()) val_dataset = Cifar10(mode='test', transform=Transpose())
train_dataset[0]
(array([[[178., 178., 178., ..., 170., 168., 165.], [180., 179., 180., ..., 173., 171., 168.], [177., 177., 178., ..., 171., 169., 167.], ..., [112., 113., 114., ..., 100., 98., 101.], [112., 112., 113., ..., 102., 102., 102.], [103., 100., 103., ..., 92., 93., 91.]], [[176., 176., 176., ..., 168., 166., 163.], [178., 177., 178., ..., 171., 169., 166.], [175., 175., 176., ..., 169., 167., 165.], ..., [107., 109., 110., ..., 97., 94., 95.], [102., 103., 103., ..., 95., 93., 92.], [ 96., 93., 95., ..., 84., 86., 84.]], [[189., 189., 189., ..., 180., 177., 174.], [191., 190., 191., ..., 182., 180., 177.], [188., 188., 189., ..., 180., 178., 176.], ..., [107., 108., 110., ..., 94., 93., 95.], [101., 102., 103., ..., 93., 91., 91.], [ 92., 90., 94., ..., 80., 80., 77.]]], dtype=float32), array(0))
3. 创建模型
import paddle # 确保从paddle.vision.datasets.Cifar10中加载的图像数据是np.ndarray类型 paddle.vision.set_image_backend('cv2') # 调用resnet50模型 model = paddle.Model(resnet50(pretrained=False, num_classes=10))
4. 优化准备
# 定义优化器 optimizer = Momentum(learning_rate=0.01, momentum=0.9, weight_decay=L2Decay(1e-4), parameters=model.parameters()) # 进行训练前准备 model.prepare(optimizer, CrossEntropyLoss(), Accuracy(topk=(1, 5)))
5. 训练
#开启GPU use_gpu = True paddle.set_device('gpu:0') if use_gpu else paddle.set_device('cpu') # 启动训练 model.fit(train_dataset, val_dataset, epochs=30, batch_size=64, save_dir="./output", num_workers=10)
