• Welcome to the world's largest Chinese hacker forum

    Welcome to the world's largest Chinese hacker forum, our forum registration is open! You can now register for technical communication with us, this is a free and open to the world of the BBS, we founded the purpose for the study of network security, please don't release business of black/grey, or on the BBS posts, to seek help hacker if violations, we will permanently frozen your IP and account, thank you for your cooperation. Hacker attack and defense cracking or network Security

    business please click here: Creation Security  From CNHACKTEAM

Recommended Posts

进口桨

从paddle.io导入数据集

批处理大小=64

BATCH_NUM=20

IMAGE_SIZE=[17]

CLASS_NUM=5

将数组作为铭牌导入

类我的数据集(数据集):

'''

步骤一:继承paddle.io.Dataset类

'''

def __init__(自身,数量_样本):

'''

步骤二:实现构造函数,定义数据集大小

'''

超级(我得数据集,自我).__init__()

自我。数量_样本=数量_样本

self.data=np.random.randn(5,17)

def __getitem__(self,index):

'''

步骤三:实现__getitem__方法,定义指定指数时如何获取数据,并返回单条数据(训练数据,对应的标签)

'''

#数据=桨。统一(IMAGE _ SIZE,dtype='float32 ')

#打印(类型(数据))

data=self.data[index].重塑(17)

# data=np.dtype(np.float32)

data=data.astype(np.float32)

# label=paddle.randint(0,CLASS_NUM-1,dtype='int64 ')

标签=NP。数组(NP。随机的。randint(4))。重塑(1)

打印(标签)

返回数据,标签

def __len__(self):

'''

步骤四:实现__len__方法,返回数据集总数目

'''

返回自身数量_样本

# 测试定义的数据集

custom_dataset=MyDataset(5)

打印('=============自定义数据集===========')

对于数据,在自定义数据集:中标注

打印(数据。形状,标签。形状)

打印(数据、标签)

破裂

mnist=paddle.nn.Sequential(

paddle.nn.Flatten(),

桨神经线性(17,512),

paddle.nn.ReLU(),

paddle.nn.Dropout(0.2),

线性(512,5)

)

# 预计模型结构生成模型对象,便于进行后续的配置、训练和验证

型号=桨。模型(mnist)

# 模型训练相关配置,准备损失计算方法,优化器和精度计算方法

模型。准备(划桨。优化器。Adam(参数=模型。参数()),

paddle.nn.CrossEntropyLoss(),

paddle.metric.Accuracy())

# 开始模型训练

model.fit(自定义数据集

纪元=5,

批处理大小=64

详细=1)

Link to comment
Share on other sites