LeNet实战
前面已经介绍过了LeNet的网络结构。现在我们将移植LeNet网络框架进行制作一个自己的神经网络图像识别。
构想
很多人使用LeNet进行手写数字识别。这在少数据集上，有着很好的性能。我根据这个特性。我准备收集一些英文和数字的数据。使用pytorch进行一个识别训练。看看最终的效果如何。
过程：
收集数据集 -> 分类 -> 搭建整个代码框架 -> 投入训练 -> 微调修改参数 -> 测试 -> 预测
收集数据集
我搜集了一系列的英文加数字的数据集，其中也包括了我自己写的。
大概就是如以下这个样式：
总共收集了2800张照片，我们数据集就搞定了。
分类
数据都收集好了，那我们就要给它们分上类了。对于我这次实践，由于是第一次，很多东西，都写得比较繁杂。可能是我技术不太娴熟，很多代码捷径走不来~
我就简单的按文件夹名称进行一个分类。如下图样式：
可能有人会问，为什么A到Z我也用了数字代替(我只用了26个大写字母+10个数字)。
因为用A-Z的话这个是字符的形式，label要转成int输进网络。转不了~。不要问我为什么，我也没搞懂，一开始用的字母，转不了咯。
分类的第二部分，就是分训练集和测试集了。
按同样的方法，从2800张图片中拿出200张作为测试集，2600张训练集。
好了，数据集制作完成~
搭建代码框架
这部分内容比较多，比较细。放在下一篇了。
未完待续~