MNIST训练神经网络 acc:99.34%(pytorch)

最新推荐文章于 2021-05-13 14:40:01 发布
最新推荐文章于 2021-05-13 14:40:01 发布
阅读量348 收藏
点赞数
分类专栏： CV入门 文章标签： 卷积神经网络 神经网络 深度学习 pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/RylonW/article/details/114289147
版权
通过改进LeNet-5模型，将5x5卷积层替换为两个3x3卷积层并引入批量归一化，经过100个epoch的训练，在第63个epoch时模型达到99.25%的准确率。进一步使用SGD优化器，结合dropout策略（p=0.4），在fc2层应用，最终在测试集上实现了99.34%的高准确率。
摘要由CSDN通过智能技术生成

1.对LeNet-5的改进

将kernel_size=5的卷积层变为两层kernel_size=3的卷积层，并加入batch_normalization，具体实现如下：

self.conv1=nn.Sequential(nn.Conv2d(in_channels=1,out_channels=6,kernel_size=3),
                                   nn.Conv2d(in_channels=6,out_channels=6,kernel_size=3),
                                   nn.BatchNorm2d(6))
self.conv2=nn.Sequential(nn.Conv2d(in_channels=6,out_channels=16,kernel_size=3),
                                   nn.Conv2d(in_channels=16,out_channels=16,kernel_size=3)
最低0.47元/天 解锁文章
「已注销」
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
持久化的MNIST手写字识别，实现的那个MLP网络模型可以在MNIST数据集上得到98%的正确率
Ftwhale的博客
05-25 943
在前面的内容中我们写过一个完整的Tensorflow程序去解决MNSIT手写字识别问题，实现的那个MLP网络模型可以在MNIST数据集上得到98%的正确率，虽然准确率是很高但是也出现了一个问题，那就是每一次使用网络就需要重新训练一次，这样就造成了时间的浪费。尤其是在大型的神经网络中，模型训练的时间会变得更长，甚至会花上几天几周的时间。每次重新训练这样的大型神经网络显然是不行的，因此在训练的时候保存模型是非常有必要的。结合Tensorlfow模型持久化和前面所介绍的变量空间的知识，在本小节我们会重构MLP来实
Pytorch：卷积神经网络CNN，使用重复元素的网络（VGG）训练MNIST数据集99%以上正确率
weixin_45850972的博客
04-24 1043
import torch from torch import nn from torch.nn import init import torchvision import torchvision.transforms as transforms import sys import d2lzh_pytorch as d2l import time batch_size=128 trainset ...
用Mnist数据集训练神经网络
daoyone的博客
09-03 2735
用Mnist数据集训练神经网络 这篇博客是我在学习用tensorflow搭建神经网络时，所作的一些笔记。搭建的神经网络有两层隐藏层，和输入输出层。采用全连接的方式进行传输，优化算法采用自适用矩估计算法。 1.首先，导入tensorflow官方提供的库 import tensorflow as tf from tensorflow.examples.tutorials.mnist import in...
利用mnist数据集进行深度神经网络
码龙社的博客
03-17 951
初始神经网络 这里要解决的问题是，将手写数字的灰度图像（28 像素 x28 像素）划分到 10 个类别中（0~9)。我们将使用 MINST 数据集，它是机器学习领域的一个经典数据集，其历史几乎和这个领域一样长，而且已被人们深入研究。这个数据集包含 60000 张训练图像和 10000 张测试图像，由美国国家标准与技术研究院（National Institute of Standards and T...
在mnist数据集上训练神经网络(非CNN)
Mr. Feng
08-30 7513
任务： 使用tensorflow，构造并训练一个神经网络，在mnist数据集上训练神经网络，在测试集上达到超过98%的准确率。 要点提示： 在完成的过程中，综合运用目前学到的基础知识： - 深度神经网络 - 激活函数 - 正则化 - 初始化 - 摸索一下各个超参数 - 隐层神经元数量 - 学习率 - 正则化惩罚因子 - 最好每隔几个step就对loss、ac...
mnist.rar_68B9_MNIST_MNIST 数据集_site:en.pudn.com_tensenflow
09-24
MNIST 数据集是机器学习和深度学习领域一个非常经典的数据集，主要用来训练手写数字识别模型。这个数据集由 Yann LeCun、Corinna Cortes 和 Christopher J. C. Burges 在 1998 年创建，包含了 60,000 个训练样本和 ...
Resnet50卷积神经网络训练MNIST手写数字图像分类 Pytorch训练代码
02-05
# Resnet50卷积神经网络训练MNIST手写数字图像分类 Pytorch训练代码 1. 使用Pytorch定义ReNet50网络模型； 2. 使用Pytorch加载MNIST数据集，首次运行自动下载； 3. 实现训练MNIST手写数字图像分类，训练过程显示loss...
MNIST 手写数字识别-神经网络.zip
最新发布
06-23
神经网络在众多领域有着广泛的应用，从金融分析到图像处理，再到自然语言处理等。这里我会给你一个基于神经网络的图像识别案例，特别是使用卷积神经网络（Convolutional Neural Network, CNN）来进行手写数字识别。 ...
mnist.zip_MNIST pytorch_pytorch_pytorch mnist_pytorch network_zi
09-20
"pytorch network"指的是我们将构建一个神经网络来处理MNIST数据。通常，对于这种图像分类任务，我们会选择一个卷积神经网络（CNN）或者全连接网络（FCN）。CNN擅长捕捉图像中的空间特征，而FCN则更适合处理扁平化的...
mnist数据集_卷积神经网络.zip_MNIST 数据集_MNIST识别_fieldabc_卷积神经_神经网络
07-14
"MNIST 数据集_MNIST识别_fieldabc_卷积神经_神经网络"这部分进一步强调了我们关注的重点是MNIST数据集的识别任务，其中"fieldabc"可能是特定项目或研究领域的一个代号，而"卷积神经"和"神经网络"则表明我们将探讨...
【pytorch+全连接层】mnist分类问题【尽可能的高准确率，99%以上】
04-19
1.使用pytorch，使用全连接层，而不是用卷积层，要求有两层隐含层 2. 尽一切可能提高准确率，在这里训练集上达到99.9%以上
Keras框架神经网络算法训练MNIST分类准确率(实验) CNN-手写体识别
追求卓越583的博客
05-17 3894
MNIST数据集信息参考：http://yann.lecun.com/exdb/mnist/index.html MNIST是手写数字0~10图片数据集，每一张图片包含28*28个像素。 MNIST训练数据集包含：（1.）60000张图片的像素信息，因为神经网络的输入层表示特征的维度，所以将图像表示成一个[60000,28,28]的pixel张量；（2.）60000张图片的标签信息，表示成一个[6...
acc定义代码 神经网络_基于深度学习的时间序列分类[含代码]
weixin_34246656的博客
12-04 722
更多机器学习关注公众号。引言目前，深度学习在计算机视觉和语音识别上有了非常广泛的应用，但是在工业应用方面还没有完善的体系，一方面缺乏数据集另一方缺乏优秀的顶级论文。在工业上的故障诊断领域，大多数据都来自于传感器的采集，如是西储大学轴承数据，TE化工数据集等，都是典型的时间序列，因而绝大多数问题可以抽象成时间序列分类(TSC)问题。因此本人准备从时间序列分类出发，用典型的深度学习方法，如多...
5-1作业：将MNIST测试集准确率提高到98%以上
one_2_one的博客
08-08 822
import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data #载入数据集 mnist=input_data.read_data_sets("MNIST_data",one_hot=True) #每个批次的大小 batch_size=100 #计算一共有多少个批次 n_batch=mnist...
【深度学习项目一】全连接神经网络实现mnist数字识别
丨汀、的博客
05-13 1620
深度学习开发的万能公式 模式流程： import paddle import numpy as np import matplotlib.pyplot as plt 2 数据准备 2.1 数据加载和预处理 import paddle.vision.transforms as T # 数据的加载和预处理 transform = T.Normalize(mean=[127.5], std=[127.5]) #里面数值是根据数据集进行设置的 #像素值分布0-255组成图片，差值比较大会影响loss，影
神经网络测试集loss不变_「马上学tensorflow 2.0」“Hello, World”初识神经网络
weixin_39887715的博客
11-25 179
大家好，今天我们学习【马上学tensorflow 2.0】之 “Hello, World”初识神经网络。我们 马上学三点 ，完整神经网络代码详细训练步骤训练效果大家可以点击下面的“ 了解更多 ”，或搜索“ 马上学123 ”，在线观看PPT讲义。Hello, World开始“Hello, World”这一节， 我们使用一个例子认识神经网络， 如果其中某些步骤看起来像魔法一样， 你可以不用管， 下一节...
acc定义代码 神经网络_神经网络的这几个坑，你都躲过了吗
weixin_39548832的博客
12-20 1084
因为AI这两年的火爆，大家拿着锤子到处找钉子，锤子当然也砸到了我头上，有很多做业务的同事尝试通过AI的方法解决需要一些很复杂的业务逻辑算法，同时需要很多参数组合才能搞定的问题。但因为都是非科班出身也没有系统学习，所以遇到不少问题，所以在这里一一列出来，并且持续更新，希望能够总结出一些经验，在后续的应用中能够跳过这些坑，把更多精力集中在数据和业务问题上。关于神经网络为什么不工作，有一篇非常实用的指南...
pytorch实现mnist数据集的训练和预测
Alive_lei的博客
03-19 607
coding=utf-8 “”" author:lei function: “”" import os import torch from torch.optim import Adam from torch.nn import functional as F from torch import nn from torch.utils.data import DataLoader from torchvision.datasets import MNIST from torchvision.transfor
SVM 训练--在训练集上acc为94% 在测试集上为70%
keyanxiaocaicai的专栏
08-11 9201
用SVM 训练的时候： 出现的问题是： Error: specified nu is infeasible 带有下标的赋值维度不匹配。 百度到的答案：赋值维度不匹配。。。说明等号两边的大小不一致，导致的  我也碰到了这个问题 出错的位置在 SVMngForClass (line 34)         cg(i,j) = svmtrain(train_label, train, c
MNIST前馈神经网络详解：结构、应用与训练
**MNIST前馈神经网络实现详解** **1. 神经网络简介** 神经网络是一种模仿人类大脑神经元之间相互连接方式的计算模型，它通过节点（神经元）和边（权重）构建复杂的网络结构。这种模型因其类似于人脑处理信息的方式...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值