PyTorch ------VGG卷积神经网络实现mnist手写体识别

最新推荐文章于 2024-07-24 11:21:28 发布
最新推荐文章于 2024-07-24 11:21:28 发布
阅读量5.9k 收藏 25
点赞数 5
分类专栏： CNN 文章标签： pytorch 神经网络 VGG mnist CNN
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/manmanking/article/details/104521105
版权
本文介绍了使用VGGNet模型在PyTorch中实现MNIST手写体识别的过程。VGGNet在2014年ImageNet竞赛中获得亚军，其特点包括重复使用小卷积核的Block，2x2的池化核以及更深的模型结构，这使得它具有更强的表达能力和较少的参数。通过对比不同版本的VGGNet，阐述了其相对于AlexNet的优势。
摘要由CSDN通过智能技术生成

-接上一篇AlexNet现实mnist手写识别

  • 使用经典模型VGGNet模型实现相同的功能
  • 先简单介绍一下,今天的主角VGGNet,曾获得2014年ImageNet亚军
  • 原论文地址传送门
  • 上图看看VGGNet系列模型的结构:
  • 在这里插入图片描述
  • 下面是参数个数比较
    在这里插入图片描述
  • 先看看VGGNet内部的比较
  • A和A-LRN的比较,只有一个LRN的差异,在经过多次的训练比较发现,LRN增加了复杂度,损耗内存,存在的意义不是很大
  • B与C相比较多使用了几个1X1的卷积层,在输入输出维度不变的情况下，增加非线性变换，提高网络的表达能力.
  • C和D相比较还是C的特征提取会更好一些,虽然1X1的卷积很好很有效,但是相比较于3X3的,还是3X3的会更好一些
  • 其他的几个相比较,模型越来越深
  • 可训练参数的个数相差不大

VGG对于AlexNet的优势

  • 通过重复使用简单的Block块来构建深度模型
  • 使用了更小的卷积核
  • 小池化核。AlexNet的3x3的池化核，VGG全部为2x2的池化核
  • 模型深度更深,表达能力更强
  • 由于使用更小的卷积核来构建和构建更深的网络，由多个小的卷积核堆叠来增大accept field（3个33的卷积核的堆叠accept field 和 77的accept field 一样大小）
  • 由于使用小的卷积核，降低了可训练参数个数，并增加了更多的非线性变化，提高了对特征的学习能力
  • accept field 示意图:
  • 在这里插入图片描述

下面是VGG11的代码:

import time
import torch
fro

最低0.47元/天 解锁文章
Kallen_man
关注
专栏目录
【图像分类】基于PyTorch搭建卷积神经网络实现MNIST手写数字识别(附项目完整代码)
学无止境、积少成多、厚积薄发
02-16 853
基于PyTorch搭建卷积神经网络实现MNIST手写数字识别(附项目完整代码)
VGG网络MNIST分类任务Pytorch实现
Always On The Way
05-26 3849
import torch import torchvision from torchvision import datasets, transforms from torch import nn from torch import optim from torch.utils.data import DataLoader import torch.nn.functional as F import copy import matplotlib.pyplot as plt import numpy as n
【python keras实战】利用VGG卷积神经网络进行手写字体识别
赖德发的博客
02-09 5456
# encoding: utf-8 import sys reload(sys) sys.setdefaultencoding('utf-8') import numpy as np from keras.datasets import mnist import gc from keras.models import Sequential, Model from keras.layers im...
经典CNN模型（三）：VGG（PyTorch详细注释版）
最新发布
qq_51872445的博客
07-24 1687
我们常用的是 D 配置，即 VGG-16，如上图，VGG-16 的 “16” 来源于网络中含有的 16 个有可学习权重的层，其中包括 13 个卷积层和 3 个全连接层。所有的卷积层都使用 3x3 大小的卷积核，所有的池化层都使用 2x2 的窗口和步幅为 2，这样可以将特征图的尺寸减半。
「深度学习一遍过」必修21：基于Vgg16Net的MNIST手写数字识别
闭关修炼——暂退
09-09 3820
本专栏用于记录关于深度学习的笔记，不光方便自己复习与查阅，同时也希望能给您解决一些关于深度学习的相关问题，并提供一些微不足道的人工神经网络模型设计思路。专栏地址：「深度学习一遍过」必修篇 目录 项目 GitHub 地址 项目心得 项目代码 项目 GitHub 地址 https://github.com/zhao302014/Classic_model_examples/tree/main/2014_Vgg16Net_MNISThttps://github.com/zhao30...
PyTorch C++系列教程1：用 VGG-16 识别 MNIST
二爷的博客
04-04 490
本文讲解如何用 PyTorch C 实现 VGG-16 来识别 MNIST 数据集。完整代码请参考：参考资料。
深度学习-VGG19网络识别手写汉字（基于HWDB1.1trn_gnt）
xingxingzhilong的专栏
05-10 2377
这段代码呢，使用了迭代器，能够减少内存的使用，不会一下次吃掉所有内存（不明白迭代器的小伙伴，自行百度学习）。图片按照上面六个顺序，进行处理，当然了，我这里还不够全面，比如还可以添加，检测图片是否摆正，是否需要翻转等等。，图片容易受到外在因素的干扰，比如有噪点，有色彩，有缺失等等一系列的问题。我罗列了一下我的处理过程。好的，做完这些之后，我们接下来就到正餐了，训练需要的样本都准备好了，接下来，我们要把我们的人工网络搭建起来。说明下，这两个字不是测试集和训练集当中的，是找两个人写的，识别的精准度还是很高的。
PyTorch ------AlexNet卷积神经网络实现mnist手写体识别
实践是检验真理的唯一标准，经历了才会更加深切的懂得！！！
02-25 3293
接上一篇LeNet现实mnist手写识别 再次使用经典模型AlexNet实现相同的功能 先简单介绍一下,今天的主角,重燃神经网络辉煌的的模型AlexNet **AlexNet是2012年ImageNet竞赛冠军获得者Hinton和他的学生设计的,在那年之后，更多的更深的神经网络如雨后春笋般出现，比如优秀的vgg,GoogLeNet等。 对于传统的机器学习分类算法而言，已经是相当出色...
PyTorch ------GoogLeNet卷积神经网络实现mnist手写体识别
实践是检验真理的唯一标准，经历了才会更加深切的懂得！！！
02-29 2007
计划将所有的经典模型使用pytorch在搞一遍 接上一篇NIN现实mnist手写识别 使用经典模型GoogLeNet模型实现相同的功能 GoogLeNet论文原文地址 GoogLeNet简介 GoogLeNet是2014年提出的一种全新的深度学习结构，在这之前的AlexNet、VGG、NIN等结构都通过增大网络深度（层数）来获得更好的训练效果，但层数的增加会带来很多负作用，比如overfit、...
PyTorch ------NIN(NetworkInNetwork)卷积神经网络实现mnist手写体识别
实践是检验真理的唯一标准，经历了才会更加深切的懂得！！！
02-27 1318
接上一篇 VGG实现mnist手写识别 使用NIN经典模型实现相同的功能 今天介绍的是NIN(NetworkInNetwork) 原文地址传送门 正在考虑找个时间把论文翻一下,有同样想法的小伙伴吗,一起搞事情 这个模型有两个创新点: 1、使用MLP Convolution layers 经典的神经网络模型是堆叠卷积层和池化层,由卷积层线性生成features map 然...
VGG16实现MNIST数据集识别任务.py
05-29
使用VGG16网络实现对传统MNIST手写数据集的识别任务。
pytorch:mnist+vgg16
weixin_41391619的博客
03-30 3451
在vgg16的基础上进行修改，搭建自己的网络训练mnist数据集 import torch from torch import nn from torch.nn import functional as F from torchvision import transforms from torch.utils.data import DataLoader,Dataset from torch im...
Paddle:VGG16 识别 MNIST
Mr_tianyanxiaobai的博客
06-10 1372
数据的处理 ## 数据的生成器 # 加载相关库 import os import random import paddle import paddle.fluid as fluid from paddle.fluid.dygraph.nn import Conv2D, Pool2D, Linear import numpy as np from PIL import Image import gzip import json # 定义数据集读取器 def load_data(mode='train'):
三层神经网络实现Minist数据集上的手写体数字识别
lalal1125的博客
02-16 252
步骤一：数据处理与封装。步骤二：创建网络模型。
VGGNet+Mnist总结-由浅入深
qq_39751437的博客
07-27 2408
文章目录一、经典神经网络VGGNet介绍二、经典数据集Mnist介绍三、构建网络步骤及优化操作四、源代码五、遇到问题及解决方案六、 一般处理思路 一、经典神经网络VGGNet介绍 在大型网络结构中，可以定义多个函数来定义卷积操作，池化操作，全连接操作，以及前向传播操作，方便简洁，例如VGGNet。 VGGNet把网络分成了5段，每段都把多个3*3的卷积网络串联在一起，每段卷积后面接一个最大池化层，...
智科模式识别期末大课设：多种方法对数据集进行手写数字识别（数据集：MINIST）
CAixukuncnm的博客
05-25 3870
多种方法对70000张图片的数据集进行手写数字识别（数据集：MINIST）
手写体汉字识别(分割+卷积识别)[2021课设论文]
weixin_44972997的博客
09-13 7863
1选题背景 随着时代的不断进步和技术的发展，网络社交媒体的兴起也带来了图像数据的“爆炸性”增长。作为人们日常交流的主要方式之一，图像因其内容丰富，直观等优点而被广泛用作交流的载体。基于卷积神经网络的图像识别是图像识别领域中重要应用，通过使用图像进行特征值提取，识别和卷积等一系列算法运算来识别和分析不同的图像。人工智能的飞速发展使得机器学习在其研究领域中越来越重要。使用算法学习每条数据并预测结果。这已成为打开人工智能之门的重要钥匙。在机器视觉中，图像识别是基础，但是如何将图像中的低级信息与高级图像语义相关联成
【教学】手写汉字识别，含训练代码，界面演示，1w字教学
分享知识
05-17 1811
直接上最终效果图 运行界面很简单，只要在代码中输入python 03文字识别界面程序.py即可弹出识别汉字的qt界面 python 03文字识别界面程序.py 主要是两个按钮的手写汉字识别，一个是通过画板来实现手写汉字的识别，另一个则是通过加载图像进行汉字的识别。按钮的名称可自行修改。 然后是数据集的只做过程，本文是使用的cnn图像分类算法进行识别，比如lenet、alexnet、vgg、resnet、mobilenet、efficientnet等等，只要是图像分类算法基本都可以实现.
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值