自己动手搭建卷积神经网络实现手写数字识别（Mnist数据集）

Logos515

于 2024-11-28 10:44:49 发布

阅读量589

点赞数 5

文章标签： cnn 深度学习 python

本文链接：https://blog.csdn.net/Logos515/article/details/144105084

版权

一、配置环境

安装anaconda
创建anaconda虚拟环境
在环境下安装依赖（注意torch和cuda的版本要匹配，否则不能调用GPU）

二、模型创建

设计一个可以用于图像分类的卷积神经网络，首先明确输入的size大小为24*24的灰度图像，在此基础上使用公式

$n'=\lfloor\frac{(n+2p-k)}{s}\rfloor+1$

计算在前向传播的过程中，图片的尺寸变化，其中p是padding，k是kernel的边长，s是stride

我这里简单设计了一个卷积模型如下：

# 定义网络
class CustomNet(nn.Module):
    def __init__(self):
        super(CustomNet, self).__init__()
        self.features = nn.Sequential(
            # inputsize is 1 * 24 * 24
            nn.Conv2d(1, 16, 3, 2, 1),  # 输入通道 1（灰度图像），输出通道 16
            nn.ReLU(),
            # 16 * 12 * 12
            nn.Conv2d(16, 32, 5, 1, 2),
            nn.ReLU(),
            # 32 * 12 * 12
            nn.MaxPool2d(2, 2),
            # 32 * 6 * 6
            nn.Conv2d(32, 20, 5, 1, 2),
            nn.ReLU()
            # 20 * 6 * 6
        )
        self.fc = nn.Sequential(
            nn.Linear(20 * 6 * 6, 30),
            nn.ReLU(),
            # 20 * 6 * 6 -> 30
            nn.Linear(30, 10),
            # 30 -> 10
            nn.Softmax(dim=1)  # 改为 dim=1，因为 Softmax 需要指定维度
        )

    def forward(self, x):
        x = self.features(x)