深度学习经典优化器（python全代码）

【资源说明】 基于深度学习的面部表情识别系统python源码+部署说明+代码注释(毕设项目).zip 1、该资源内项目代码都是经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能。 基于深度学习的面部表情识别系统python源码+部署说明+代码注释(毕设项目).zi 一共有28709个label，说明包含了28709张表情包。<br> 每一行就是一张表情包4848=2304个像素，相当于4848个灰度值(intensity)(0为黑, 255为白) 二、数据预处理 1.标签与特征分离 2.数据可视化 对特征进一步处理，也就是将每个数据行的2304个像素值合成每张48*48的表情图，最后做成24000张表情包。 3.分割训练集和测试集 __Step1__:划分一下训练集和验证集。一共有28709张图片，我取前24000张图片作为训练集，其他图片作为验证集。新建文件夹cnn_train和cnn_val，将0.jpg到23999.jpg放进文件夹cnn_train，将其他图片放进文件夹cnn_val.<br> __Step2__:对每张图片标记属于哪一个类别，存放在dataset.csv中，分别在刚刚训练集和测试集执行标记任务。<br> __Step3__:重写Dataset类，它是Pytorch中图像数据集加载的一个基类，需要重写类来实现加载上面的图像数据集 三、搭建模型 四、训练模型 损失函数使用交叉熵，优化器是随机梯度下降SGD，其中weight_decay为正则项系数，每轮训练打印损失值，每5轮训练打印准确率。