基于pytorch的自定义网络手写数字识别

最新推荐文章于 2024-10-01 20:17:55 发布

IDONTCARE8

最新推荐文章于 2024-10-01 20:17:55 发布

阅读量153

点赞数

分类专栏：机器学习文章标签：深度学习 pytorch python 手写数字识别

本文链接：https://blog.csdn.net/m0_37556124/article/details/128849813

版权

机器学习专栏收录该内容

18 篇文章 15 订阅 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

该博客通过MNIST数据集，利用PyTorch构建自定义网络进行手写数字识别。文章详细介绍了数据获取、权重初始化、网络结构设计、学习率和损失函数设定，尤其是深入解析了交叉熵损失函数的作用和表达式。

摘要由CSDN通过智能技术生成

基于pytorch的手写数字识别

手写数字识别

手写数字识别

本文基于MNIST数据集，使用torch基于自定义网络结构实现对数据集的识别，并且对交叉熵损失函数进行详细说明。

数据获取

import torch
from torch import nn
from torch import utils
from torch.nn import functional as F
from torch import optim
import torchvision
from visdom import Visdom
batch_size = 512

train_loader = utils.data.DataLoader(
    torchvision.datasets.MNIST('mnist_data', train=True, download=True,
                               transform=torchvision.transforms.Compose([
                                   torchvision.transforms.ToTensor(),
                                   torchvision.transforms.Normalize((0.1307,), (0.3801,))
                               ])), batch_size=batch_size, shuffle=

了解本专栏