Pytorch实现男女证件照性别分类

今儿个用pytorch写了一个识别证件照性别的神经网络，一开始用sgd，死活收敛不到一半，还不如蒙呢，蒙还有50%的准确率，后来用adam，一下子就收敛到接近100%了，可以商用了。我发现别放男明星的，不太准啊，这个明星娘化看来被人工智能发现了。。。
来，先上图，看看成果。

该程序用了ImageLoader加载数据，省去了自己定义数据模型的功夫。
本地图片应该如下图一样放置

test文件夹一样的结构，就不上图了。
训练代码我贴一下把，完整代码可以给我转账9.9元获取.转帐的时候备注下你的邮箱，我会及时发到你邮箱。


```python
if __name__ == '__main__':# transform = transforms.Compose(#     [transforms.ToTensor(),#      transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])## trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)# trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True, num_workers=2)## testset = torchvision.datasets.CIFAR10(root='./data', train=False, download=True, transform=transform)# testloader = torch.utils.data.DataLoader(testset, batch_size=4, shuffle=False, num_workers=2)data_transform = transforms.Compose([transforms.Resize(22),transforms.CenterCrop(20),transforms.ToTensor(),transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])hymenoptera_dataset = datasets.ImageFolder(root='MaleAndFemale',transform=data_transform)test_dataset = datasets.ImageFolder(root='Test',transform=data_transform)trainloader = torch.utils.data.DataLoader(hymenoptera_dataset,batch_size=4, shuffle=False, num_workers=2)testloader = torch.utils.data.DataLoader(test_dataset,batch_size=4, shuffle=False, num_workers=2)classes = ('男人', '女人')net = Net()criterion = nn.CrossEntropyLoss()optimizer = optim.Adam(net.parameters(), lr=0.001)for epoch in range(20):  # loop over the dataset multiple timesrunning_loss = 0.0for i, data in enumerate(trainloader, 0):# get the inputsinputs, labels = data# zero the parameter gradientsoptimizer.zero_grad()# forward + backward + optimizeoutputs = net(inputs)loss = criterion(outputs, labels)loss.backward()optimizer.step()# print statisticsrunning_loss += loss.item()# if i % 4 == 19:  # print every 2000 mini-batches#     print('[%d, %5d] loss: %.3f' % (epoch + 1, i + 1, running_loss / 20))#     running_loss = 0.0print('[%d, %5d] loss: %.3f' % (epoch + 1, i + 1, loss.item()))print('Finished Training')PATH = './cifar_net.pth'# torch.save(net.state_dict(), PATH)dataiter = iter(testloader)images, labels = dataiter.next()print('GroundTruth: ', ' '.join('%5s' % classes[labels[j]] for j in range(4)))# 输出图片imshow(torchvision.utils.make_grid(images))net.load_state_dict(torch.load(PATH))outputs = net(images)print(outputs)_, predicted = torch.max(outputs, 1)print('predicted',predicted)print('Predicted: ', ' '.join('%5s' % classes[predicted[j]] for j in range(4)))

Pytorch实现男女证件照性别分类相关推荐

java性别分类汇总,excel表格数据男女分类汇总-在Excel中，对数据清单进行“按性别分类汇总出男女......
在Excel中,对数据清单进行"按性别分类汇总出男女... 在Excel中,对数据清单进行性别分类汇总出男女生的英语平均分"可使用AVERAGEIF函数实现. 操骤如下: 1.打开 ...
CV：基于Keras利用CNN主流架构之mini_XCEPTION训练性别分类模型hdf5并保存到指定文件夹下
CV:基于Keras利用CNN主流架构之mini_XCEPTION训练性别分类模型hdf5并保存到指定文件夹下目录图示过程核心代码图示过程核心代码 from keras.callbacks ...
用身高和/或体重数据进行性别分类
用身高和/或体重数据进行性别分类 [摘要]根据身高和/或体重等数据,利用模式识别贝叶斯(bayes)分类器来对人的性别进行分类,做出函数图,使得我们容易分析这两者之间的异同.熟练运用matlab的相关 ...
【项目实战课】基于Pytorch的EfficientNet血红细胞分类竞赛实战
欢迎大家来到我们的项目实战课,本期内容是<基于Pytorch的EfficientNet血红细胞分类竞赛实战>.所谓项目课,就是以简单的原理回顾+详细的项目实战的模式,针对具体的某一个主题, ...
实时卷积神经网络实现人脸检测和情感/性别分类
本文提出了一种通用的实现方法卷积神经网络(CNN)构建框架设计实时CNN.创建实时面部检测视觉系统,实现性别分类和情绪分类. 其中:IMDB性别分类测试准确率:96%:fer2013情绪分类测试准确率 ...
基于pytorch后量化（mnist分类）---浮点训练vs多bit后量化vs多bit量化感知训练效果对比
基于pytorch后量化(mnist分类)-浮点训练vs多bit后量化vs多bit量化感知训练效果对比代码下载地址:下载地址试了 bit 数为 1-8 的准确率,得到下面这张折线图: 发现,当 b ...
朴素贝叶斯分类器简介及C++实现(性别分类)
贝叶斯分类器是一种基于贝叶斯定理的简单概率分类器. 在机器学习中,朴素贝叶斯分类器是一系列以假设特征之间强(朴素)独立下运用贝叶斯定理为基础的简单概率分类器.朴素贝叶斯是文本分类的一种热门(基准)方法 ...
【小白学习PyTorch教程】十五、BERT：通过PyTorch来创建一个文本分类的Bert模型
@Author:Runsen 2018 年,谷歌发表了一篇题为<Pre-training of deep bidirectional Transformers for Language Unde ...
Pytorch TextCNN实现中文文本分类（附完整训练代码）
Pytorch TextCNN实现中文文本分类(附完整训练代码) 目录 Pytorch TextCNN实现中文文本分类(附完整训练代码) 一.项目介绍二.中文文本数据集 (1)THUCNews文本数 ...

Pytorch实现男女证件照性别分类

Pytorch实现男女证件照性别分类相关推荐

最新文章

热门文章