手写字符识别（python）

 

目录

1. 在model.py中导入相关的库：

2.命令行参数 

3.数据预处理，生成列表并按一定比例生成训练机和验证机

4.生成卷积神经网实例

5.训练并优化模型

6.保存模型

7.测试

---

1. 在model.py中导入相关的库：

import torch
import math
import torch.nn as nn
from torch.autograd import Variable
from torchvision import transforms, models
import argparse
import os
from torch.utils.data import DataLoader

from dataloader import mnist_loader as ml
from models.cnn import Net
from toonnx import to_onnx

2.命令行参数 

parser = argparse.ArgumentParser(description='PyTorch MNIST Example')
parser.add_argument('--datapath', required=True, help='data path')
parser.add_argument('--batch_size', type=int, default=256, help='training batch size')
parser.add_argument('--epochs', type=int, default=30, help='number of epochs to train')
parser.add_argument('--use_cuda', default=False, help='using CUDA for training')

3.数据预处理，生成列表并按一定比例生成训练机和验证机

 os.makedirs('./output', exist_ok=True)
    if True: #not os.path.exists('output/total.txt'):
        ml.im