pytorch模型部署到树莓派（pytorch搭建模型）

科技前沿 • 2025-05-16 07:55 • 阅读 43

大家好，我是讯享网，很高兴认识大家。

 <svg xmlns="http://www.w3.org/2000/svg" style="display: none;"> <path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path> </svg> <p>Pytorch 对于树莓派提供了较好的支持&#xff0c;可以利用 Pytorch 在树莓派上进行试试推理&#xff0c;当然也可以使用树莓派进行模型训练了&#xff0c;这里尝试使用树莓派CPU对模型进行训练。</p>

讯享网

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）：

讯享网

1 训练代码

讯享网

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，：

讯享网

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：

讯享网

导入自定义模型

导入模型：

讯享网

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：

讯享网

数据加载 class

构建 dataloader

讯享网

数据加载至训练设备上
选择CPU训练还是GPU训练：

加载模型

讯享网

加载损失函数

这里使用交叉误熵损失函数：

加载优化器

讯享网

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

讯享网

2 训练

2.1 生成训练数据

2.2 训练模型

讯享网

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。

在这里插入图片描述