news 2026/9/17 4:43:33

如何写一个可以识别图像数字的基于VIT大模型的简单代码?

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
如何写一个可以识别图像数字的基于VIT大模型的简单代码?

直接上代码,源代码来自于kaggle上的大神,经过简单修改得到

# 模型# 数据# 训练fromtorch.utils.dataimportDataset,DataLoaderimportnumpyfromPILimportImageclassconvertDataset(Dataset):def__init__(self,data,transform)->None:super().__init__()self.data=data self.transform=transform self.labels=self.data.iloc[:,0].values self.images=self.data.iloc[:,1:].values.astype(numpy.uint8)def__len__(self):returnlen(self.data)def__getitem__(self,index):label=self.labels[index]image=self.images[index].reshape(28,28)image=Image.fromarray(image,"L")image=self.transform(image)returnimage,labeldefmain():# 模型importtorch.nnasnnimporttimm dict_path="D:\\kaggle\\digit-recognizer\\dict.pth"importosclassVIT(nn.Module):def__init__(self,*args,**kwargs)->None:super().__init__(*args,**kwargs)self.model=timm.create_model("vit_base_patch16_224",pretrained=True)self.model.head=nn.Linear(self.model.head.in_features,10)# type:ignoreifos.path.exists(dict_path):print("load dict")self.model.load_state_dict(torch.load(dict_path))defforward(self,x):returnself.model(x)importtorch device=torch.device("cuda"iftorch.cuda.is_availableelse"cpu")model=VIT().to(device)# 数据importpandas train_data=pandas.read_csv("input/train.csv")fromtorchvisionimporttransforms transform=transforms.Compose([transforms.Resize((224,224)),transforms.Grayscale(num_output_channels=3),transforms.ToTensor(),transforms.Normalize((0.5,),(0.5,))])train_dataset=convertDataset(train_data,transform)train_dataloader=DataLoader(train_dataset,batch_size=20,shuffle=True,num_workers=1,pin_memory=True)# 训练epoches=5optimizer=torch.optim.Adam(model.parameters(),lr=1e-4)criterion=nn.CrossEntropyLoss()importtimeimporttorch.autograd.profilerasprofilerforepochinrange(epoches):model.train()batch=0forimages,labelsintrain_dataloader:start_time=time.time()images,labels=images.to(device),labels.to(device)optimizer.zero_grad()output=model(images)loss=criterion(output,labels)loss.backward()optimizer.step()batch+=1total=len(labels)start_time1=time.time()_,predicted=output.max(1)correct=(predicted==labels).sum().item()print(f"batch:{batch}/{len(train_dataloader)}",f"epoch:{epoch}/{epoches}",f"loss:{loss.item():.4f}",f"accuracy:{correct/total:.4f}",f"spend:{time.time()-start_time:.2f}")ifbatch%1000==0:torch.save(model.model.state_dict(),dict_path)if__name__=="__main__":main()
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/9/16 7:38:57

14、Ubuntu实用软件探索与使用指南

Ubuntu实用软件探索与使用指南 在Ubuntu系统中,有许多实用的软件可以满足我们不同的需求,无论是进行桌面出版、音乐创作,还是学习教育知识,都能找到合适的工具。下面将为大家详细介绍几款实用软件的使用方法和相关资源。 1. Inkscape资源推荐 Inkscape是一款强大的矢量绘…

作者头像 李华
网站建设 2026/9/16 0:11:04

18、Ubuntu服务器安装与管理全解析

Ubuntu服务器安装与管理全解析 1. RAID阵列配置 在Ubuntu服务器安装过程中,RAID(独立磁盘冗余阵列)配置是提升性能和数据安全性的重要步骤。配置RAID阵列时,你可以将其当作真实分区进行操作。具体步骤如下: 1. 在所有参与的物理驱动器上创建相同大小的分区。 2. 选择将…

作者头像 李华
网站建设 2026/9/17 2:22:39

19、Ubuntu 服务器包管理全解析

Ubuntu 服务器包管理全解析 1. APT 源配置 在 Ubuntu 系统中,APT 源的配置信息存于 /etc/apt/sources.list 文件。可以使用文本编辑器打开,若不习惯 vim ,也可用更易上手的 nano : $ vim /etc/apt/sources.list以 # 开头的行是注释行,APT 会自动忽略。文件顶部…

作者头像 李华
网站建设 2026/9/17 6:12:48

用AppSmith让你的应用“主动说话“:Web Push实时通知实战

用AppSmith让你的应用"主动说话":Web Push实时通知实战 【免费下载链接】appsmith appsmithorg/appsmith: Appsmith 是一个开源的无代码开发平台,允许用户通过拖拽式界面构建企业级Web应用程序,无需编写任何后端代码,简…

作者头像 李华
网站建设 2026/9/16 7:56:57

如何快速掌握kafkactl:Apache Kafka命令行管理的终极指南

如何快速掌握kafkactl:Apache Kafka命令行管理的终极指南 【免费下载链接】kafkactl Command Line Tool for managing Apache Kafka 项目地址: https://gitcode.com/gh_mirrors/ka/kafkactl 在当今数据驱动的世界中,Apache Kafka已成为实时数据处…

作者头像 李华
网站建设 2026/9/16 7:36:53

24、Ubuntu社区交流的多元途径

Ubuntu社区交流的多元途径 在Ubuntu社区中,存在多种有效的交流途径,这些途径各具特色,满足了不同用户和开发者的需求。 邮件列表 邮件列表是Ubuntu社区中最重要的交流方式之一。它为重要公告发布和开发讨论提供了空间。目前,有超过300个公共邮件列表,且数量还在不断增加…

作者头像 李华