Pytorch 对于树莓派提供了较好的支持，可以利用 Pytorch 在树莓派上进行试试推理，当然也可以使用树莓派进行模型训练了，这里尝试使用树莓派CPU对模型进行训练。
0 环境配置
必要的环境安装，这个步骤没有什么值得说的，这里不再赘述，有需要可以参考之前的博客：树莓派5上手。
另外，这里还需要安装matplotlib绘图库（之后绘制损失曲线用的到）：
1 训练代码
1.1 生成模拟数据集
在没有数据集的情况下，通过简单的方式来生成一个数据集。数据集包含两部分，训练的值和标签，训练的值用data表示，训练的标签用label表示，：
1.2 训练数据处理
- 导入需要的工具包：
- 导入自定义数据集 API：
- 导入自定义模型
导入模型：
- 加载数据集
- 划分训练集和测试集
去数据集的前 70% 为训练集，后 30% 为测试集：
- 数据加载 class
- 构建 dataloader
- 数据加载至训练设备上
选择CPU训练还是GPU训练：
- 加载模型
- 加载损失函数
这里使用交叉误熵损失函数：
- 加载优化器
- 初始化训练集准确率和测试集准确率列表
初始化两个列表，这两个列表分别用于存储训练集准确率和测试集准确率，每间隔show_result_epoch轮保存一次训练准确率和测试准确率，打印一次训练集和测试集的准确率:
1.3 完整训练函数
2 训练
2.1 生成训练数据
2.2 训练模型
2.3 训练结果
由于这里的训练集和测试集都是使用的随机数，可以的看到，测试的准确率比较低。训练速度的话，就真的是不快。
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，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/rgzn-ptkj/64288.html