Chinese MNIST数据集（Kaggle）的pytorch实现

仲夏夜之梦xz

于 2021-11-14 16:45:58 发布

阅读量3.4k

点赞数 2

分类专栏：机器学习文章标签： pytorch 深度学习机器学习

本文链接：https://blog.csdn.net/cxzgood/article/details/121319379

版权

本文介绍了如何使用PyTorch处理Kaggle上的Chinese MNIST数据集，包括数据集特点、神经网络结构设计、数据加载方法以及训练过程中的Loss曲线展示。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、Chinese MNIST数据集

本数据集来自Kaggle网站 Chinese MNIST | Kaggle

主要包括15000张64*64的手写中文数字图片，和一份内容文件。

二、神经网络结构

三层全连通网络：4096*300*80*15

三、传播过程

BP算法的计算过程可参考之前的文章，有详细说明，不再赘述。

四、本项目重点：数据集的载入

这里主要采用通过文件名获得标签的方法。具体实现过程可参考B站视频教程【绝对干货】pytorch加载自己的数据集，数据集载入-视频合集

五、程序（pytorch）

# 1 加载必要的库
import torch
from torch import nn
from torch import optim
import torch.nn.functional as F
import torchvision
import os
from PIL import Image
from torch.utils.data import  DataLoader,Dataset
import matplotlib.pyplot as plt
from sklearn import preprocessing

# 2 定义超参数
batch_size = 128 #训练每批处理的数据
num_epochs = 10  #训练数据集的轮次

# 3 下载、加载数据
path_dir = "F:\\JetBrains\\Pycha