如何关闭多个数据集

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了如何关闭多个数据集相关的知识,希望对你有一定的参考价值。

参考技术A 可以使用快捷键进行批量删除。
具体步骤:同时按住Shift或Ctrl键选中多个数据集分组,然后再右键单击鼠标,在弹出的右键菜单中选择“删除分组”命令,可以实现一次删除多个选中的数据集分组。
数据集,又称为资料集、数据集合或资料集合,是一种由数据所组成的集合。Dataset(或dataset)是一个数据的集合,通常以表格形式出现。

如何使用 vgg16 为 ImageNet 准备和拆分数据集 [关闭]

【中文标题】如何使用 vgg16 为 ImageNet 准备和拆分数据集 [关闭]【英文标题】:How can I prepare and split data set for ImageNet with vgg16 [closed] 【发布时间】:2022-01-21 02:58:42 【问题描述】:
 ''' I am trying to classify image using PyTorch but I did manage to 
  stipulate my our data set to use it with vgg16 architecture ''' 
    
# ADD YOUR CODE HERE
def evaluate():
  running_loss = 0.0 #    counter = 0
   # Tell torch not to calculate gradients
  with torch.no_grad():
    for i, data in enumerate(testloader, 0):
      # get the inputs; data is a list of [inputs, labels]
      inputs, labels = data
      # Move to device
      inputs = inputs.to(device = device)
      labels = labels.to(device = device)
      # Forward pass
      outputs = model(inputs)
      # Calculate Loss
      loss = criterion(outputs, labels)
      # Add loss to the validation set's running loss
      running_loss += loss.item()
    # Since our model  find the real percentages by  the  following 
  val_loss = running_loss / len(testloader)
  print('val loss: %.3f' % (val_loss))
     # Get the top class of the output
  return val_loss
## 1. Dataset 

加载您获得的数据集。图像应存储在 X 变量中,您的标签应存储在 Y 变量中。将数据集拆分为训练集、验证集和测试集,并对数据进行预处理以进行训练。

def eval_acc(train=False):
  correct = 0
  total = 0
  # since we're not training, we don't need to calculate the 
  #gradients 
  #for our outputs
  with torch.no_grad():
      loader = trainloader if train else testloader 
      for data in loader:
          images, labels = data
          images = images.to(device = device)
          labels = labels.to(device = device)
          # calculate outputs by running images through the network
          outputs = model(images)
          # the class with the highest energy is what we choose as 
          #prediction
          _, predicted = torch.max(outputs.data, 1)
          total += labels.size(0)
          correct += (predicted == labels).sum().item()

   # Print out the information
  print('Accuracy of the network on the 10000 %s images: %d %%' % ('train' if train else 'test', 100 * correct / total))

【问题讨论】:

【参考方案1】:

您的forward() 方法中缺少return 语句。

def forward(self,x):
    x = F.relu(self.fc1(x))
    x = self.fc2(x)
    return x # <--- THIS

【讨论】:

以上是关于如何关闭多个数据集的主要内容,如果未能解决你的问题,请参考以下文章

如何创建类似于 cifar-10 的数据集 [关闭]

如何在 GDAL ruby​​ 绑定中显式关闭数据集?

如何使用邮政编码数据集创建地图? (美国邮政编码)[关闭]

如何使用 vgg16 为 ImageNet 准备和拆分数据集 [关闭]

如何使用 mysql 数据库作为机器学习的数据集 [关闭]

如何在文本框中显示数据集的多个结果集