7. 神经网络训练MNIST数据集的简单实现

Austin6035

已于 2022-05-03 21:08:47 修改

阅读量1.5k

点赞数 2

分类专栏：图神经网络算法学习笔记文章标签：神经网络人工智能深度学习

于 2022-05-03 21:00:52 首次发布

本文链接：https://blog.csdn.net/Austin6035/article/details/124545706

版权

本文介绍了一个简单的神经网络模型实现，用于训练MNIST数据集进行数字分类。内容包括全连接神经网络的搭建，加入ReLU激活函数，数据集的下载与加载，样本标签的独热编码，模型训练过程及数据可视化，最后讨论了模型的保存和加载。

摘要由CSDN通过智能技术生成

1. 实现全连接神经网络搭建(第3节内容)

在简单神经网络框架中，增加ReLU激活函数

import torch.nn as nn
##########################Step 1: 全连接神经网络搭建#############################
class NeuralNet(nn.Module):
    def __init__(self, in_features, hidden_features, out_features):
        super(NeuralNet, self).__init__()
        #  输入层 ->  隐藏层
        self.layer1 = nn.Linear(in_features, hidden_features)
        #  隐藏层 -> 输出层
        self.layer2 = nn.Linear(hidden_features, out_features)
 
    def forward(self, x):
        y = self.layer1(x)          # 第一层参数传递
        y = nn.functional.relu(y)   # ReLU激活函数
        y = self.layer2(y)          # 第二层参数传递
        return y

2. 完成数据集下载(第6节内容)

from torchvision.transforms import ToTensor
from torchvision.datasets import MNIST
############################Step 2: 数据集下载##################################
trainData = MNIST(root = "./",            
                  train = True,          
                  transform=ToTensor(), 
                  download = True)       
testData = MNIST(root = "./",
                  train = False,
                  transform=ToTensor(),
                  download = True)

3. 完成数据集加载(第6节内容)

from torch.utils.data import DataLoader
############################Step 3: 数据集加载##################################
batch_size = 64
trainData_loader = DataLoader(dataset = trainData,
                              batch_size = batch_size, 
                              shuffle = True)  
testData_loader = DataLoader(dataset = testData,
                             batch_size = batch_size,