pytorch学习5-MLP实现mnist手写数字识别

最新推荐文章于 2025-02-27 23:13:18 发布

NicoNull

最新推荐文章于 2025-02-27 23:13:18 发布

阅读量3.7k

点赞数 2

分类专栏： pytorch学习

本文链接：https://blog.csdn.net/qq_33936667/article/details/107546086

版权

本文介绍了使用PyTorch通过多层感知机（MLP）实现MNIST手写数字识别的过程，涵盖了数据预处理的one-hot编码，以及模型中的softmax函数的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

MLP实现mnist手写数字识别

1.mnis数据集
2.one-hot编码
3.多层感知机（MLP）
4.softmax函数
5.MLP实现mnists手写数字识别

1.mnis数据集

在这里插入图片描述

2.one-hot编码

在这里插入图片描述

3.多层感知机（MLP）

多层感知机在单层神经网络的基础上引入了一到多个隐藏层（hidden layer）。隐藏层位于输入层和输出层之间。图展示了一个多层感知机的神经网络图。
在这里插入图片描述
我们先来看一种含单隐藏层的多层感知机的设计。其输出的计算为

4.softmax函数

在这里插入图片描述

5.MLP实现mnists手写数字识别

import torch
import torch.nn as nn
import torchvision
import torchvision.transforms as transforms
# 设备配置
device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')

# Net Hyper-parameters
input_size = 784
hidden_size=200
num_classes = 10
num_epochs = 5
batch_size = 100
learning_rate = 0.001

# MNIST dataset (images and labels)
train_dataset = torchvision.datasets.MNIST(root='../../data',
                                           train=True,
                                           transform=transforms.ToTensor(),
                                           download=True)

test_dataset = torchvision