PyTorch学习（11）——循环神经网络（RNN）-分类

cchangcs

于 2018-09-10 09:57:32 发布

阅读量1.2k

点赞数

分类专栏： Keras/TensorFlow/PyTorch学习与实战文章标签： RNN 循环神经网络手写数字分类

本文链接：https://blog.csdn.net/github_39611196/article/details/82585234

版权

Keras/TensorFlow/PyTorch学习与实战专栏收录该内容

61 篇文章 313 订阅 ¥19.90 ¥99.00

订阅专栏

本文详细介绍了使用PyTorch实现RNN对MNIST数据集进行手写数字分类的过程，通过LSTM网络进行训练，展示了一系列训练和测试结果，最终达到高精度的分类效果。

摘要由CSDN通过智能技术生成

本篇博客主要介绍采用RNN做MNIST数据集分类。

示例代码：

import torch
from torch import nn
from torch.autograd import Variable
import torchvision.datasets as datasets
import torchvision.transforms as transforms
import numpy as np
import matplotlib.pyplot as plt

# 超参数
EPOCH = 1
BATCH_SIZE = 64
TIME_STEP = 28  # rnn time step  / image height
INPUT_SIZE = 28  # rnn input size / image width
LR = 0.01
DOWNLOWD_MNIST = False  # 如果没有下载好MNIST数据，设置为True

# 下载数据
# 训练数据
train_data = datasets.MNIST(root='./mnist', train=True, transform=transforms.ToTensor(), download=DOWNLOWD_MNIST)
train_loader = torch.utils.data.DataLoader(dataset=train_data, batch_size=BAT

了解本专栏