LSTM 循环神经网络实践（基于Mnist数据集）

最新推荐文章于 2024-07-06 23:59:46 发布

SpringQAQ

最新推荐文章于 2024-07-06 23:59:46 发布

阅读量852

点赞数

文章标签： Pytorch LSTM RNN

本文链接：https://blog.csdn.net/SpringQAQ/article/details/81461576

版权

使用LSTM循环神经网络在Mnist数据集上进行实践，测试准确率达到98.68%，展示了网络的优秀性能。训练过程中loss函数图像呈现出典型的锯齿形变化。

摘要由CSDN通过智能技术生成

import torch
from torch import nn
import torchvision.datasets as dsets
import torch.utils.data as Data
import torchvision.transforms as transforms
import matplotlib.pyplot as plt
import numpy as np

EPOCH = 5
BATCH_SIZE = 64
TIME_STEP = 28  # 考虑了多少时间点的数据
INPUT_SIZE = 28
LR = 0.001
USE_GPU = torch.cuda.is_available()
print('GPU:', USE_GPU)
# 准备数据集
train_dataset = dsets.MNIST(root='../../data_sets/mnist',
                            train=True,
                            transform=transforms.ToTensor(),
                            download=False)
test_dataset = dsets.MNIST(root='../../data_sets/mnist',
                           train=False,
                           transform=transforms.ToTensor(),
                           download=False)
train_data_loader = Data.DataLoader(train_dataset, batch_size=BATCH_SIZE, shuffle=True)
test_data_loa