-
#AI挑战营第二站#RV1106的rknn模型转换、仿真推理
-
先打卡一下，后续优化https://bbs.eeworld.com.cn/forum.php?mod=viewthread&tid=1283213&page=1&extra=#pid3333154
-
测试模型
def test(model, device, test_loader):
model.eval()
test_loss = 0
correct = 0
with torch.no_grad():
for data, target in test_loader:
data, target = data.to(device), target.to(device)
output = model(data)
test_loss += F.nll_loss(output, target, reduction='sum').item() # sum up batch loss
pred = output.argmax(dim=1, keepdim=True) # get the index of the max log-probability
correct += pred.eq(target.view_as(pred)).sum().item()
test_loss /= len(test_loader.dataset)
print('\nTest set: Average loss: {:.4f}, Accuracy: {}/{} ({:.0f}%)\n'.format(
test_loss, correct, len(test_loader.dataset),
100. * correct / len(test_loader.dataset)))
训练模型测试结果：
-
个人信息已确认，领取板卡，可继续完成&分享挑战营第二站和第三站任务
-
本帖最后由 NNTK_NLY 于 2024-4-14 19:08 编辑
#AI挑战营第一站# 利用pytorch进行手写数字模型训练的训练和转换
预期应用：使用摄像头获取手写图像，对图像进行处理然后进行NPU推理检测图片所写数字；完成摄像头车牌识别功能。
-
本帖最后由 NNTK_NLY 于 2024-4-14 19:10 编辑
模型训练的本质：使用训练数据集来训练构建模型，通过调整参数不断迭代优化模型，使模型训练出期望能力，能够对新数据进行预测或决策。
训练的最终结果：生成一个能够对输入新数据进行准确预测或决策的模型。
PyTorch是什么：一种神经网络学习框架，可用于训练深度学习模型
PyTorch目前都支持哪些系统和计算平台：支持系统：linux mac windows ,支持语言：python、C/C++,支持平台：CUDA、CPU
#AI挑战营第一站# 利用pytorch进行手写数字模型训练的训练和转换
-
主持楼主
嵌入式系统