机器学习/深度学习--手写数字识别(MNIST数据集)

红豆奶茶..

已于 2023-03-18 16:13:34 修改

阅读量728

点赞数

分类专栏： Pytorch 文章标签：深度学习机器学习人工智能

于 2023-03-07 16:04:29 首次发布

本文链接：https://blog.csdn.net/m0_49499340/article/details/129384037

版权

本文通过深度学习方法对MNIST数据集进行手写数字识别，经过10轮训练，模型达到97.8%的识别准确率。实操中，将测试集替换为自定义图片，展示预测效果。

摘要由CSDN通过智能技术生成

import torch
# 导入torchvision的transform模块，用来处理数据集
from torchvision import transforms
from torchvision import datasets
from torch.utils.data import DataLoader
import matplotlib.pyplot as plt

# 创建一个transforms实例，用于对数据集进行处理
transform = transforms.Compose([
    # 将图片转换为tensor
    transforms.ToTensor(),
    # 归一化
    transforms.Normalize((0.1307,), (0.3081,))
])

# 创建训练集
"""
datasets.MNIST是Pytorch的内置函数torchvision.datasets.MNIST，通过这个可以导入数据集。
    root设置数据集路径，如果该路径中有需要的数据，则使用，如果没有且download为True,则下载数据集到目录中。
    train=True 表明这是训练集
    transform=transform 表明使用上面定义的transform来处理数据集。
"""
# 创建训练集
train_dataset = datasets.MNIST(root='DataSet\\',
                               train=True,
                               download=True,
                               transform=transform)
# 创建测试集
test_dataset = datasets.MNIST(root='DataSet\\',