Pytorch实现卷积神经网络CNN

本文使用Pytorch实现卷积神经网络CNN，仅为Pytorch新入坑者提供帮助，避免入门到放弃；
数据集为MNIST如文中代码所示；
最后，恭喜各位入坑，在调参的路上越走越远！

import torch
from torch.autograd import Variable
import torch.utils.data as Data
import torchvision  # 数据库模块
import torch.nn as nn
import matplotlib.pyplot as plt


LR = 0.001  # 学习率
BATCH_SIZE = 50  # 表示每次选取50个样本作训练
EPOCH = 1  # epoch表示整个数据集重复训练次数
DOWNLOAD_MNIST = False  # 是否下载MNIST

train_data = torchvision.datasets.MNIST(root='./mnist',
					train=True,  # 表示这是训练集
                                       	transform=torchvision.transforms.ToTensor(),  # 原始数据是array数组，转换为tensor,同时进行归一化
                                        download=DOWNLOAD_MNIST)

# 打印图片

print(train_data.data.size())  # 打印训练集的大小
print(train_data.targets.size())  # 打印训练集标签的大小
‘’使用imshow()函数加载训练集中的图片’‘’
plt.imshow(train_data.data[0].numpy(), cmap='gray')  
plt.title('%i' % train_data.targets[0])
plt.show()

# 训练
train_loader = Data.DataLoader(dataset=train_data, batch_size=BATCH_SIZE,
                              			 shuffle=True, num_workers=2)  # 批量化（包装）处理数据集

test_data = torchvision.datasets.MNIST(root='./mnist', train=False)

‘’‘#测试集shape from (2000, 28, 28) to (2000, 1, 28, 28), value in range(0,1)’‘