PyTorch实战手写数字识别

目录

1. 导包

import torch
from torchvision import datasets, transforms, utils
from torch.autograd import Variable
from torch.utils.data import DataLoader
import matplotlib.pyplot as plt

2.数据下载

数据下载过于缓慢，可在网上搜索MNIST数据包（共有四个文件），将其存放到相应的文件目录下（即文件结构图中的raw文件夹），再运行程序，进行数据处理。

• 数据
  手写数字数据集，共有60000张训练图片和10000张测试图片。
  官方网站：http://yann.lecun.com/exdb/mnist/
  百度云网盘
  链接：https://pan.baidu.com/s/1fp3E279lOOwcx_Zq62-iaQ
  提取码：p3tb
• MNIST数据包中包含的文件：
  
• 最终得到的文件结构：
  
• 代码

data_train = datasets.MNIST(root="./data/",
                           transform=transform,
                           train=True,
                            download=True)

data_test = datasets.MNIST(root="./data/",
                          transform=transform,
                          train=False)

3. 数据变换

程序下载代码中的transform=transform这一句，等式右端的transform是在《深度学习之PyTorch实战计算机视觉》6.4.2部分定义的，所以在编程时，要将transform的定义放在数据下载代码的前面。

• 代码

transform = transforms.Compose([transforms.ToTensor(), 
                                transforms.Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5])])

4. 数据装载

• 代码

data_loader_train = torch.utils.data.DataLoader(dataset=data_train, 
                                               batch_size=64,
                                               shuffle=True)
data_loader_test = torch.utils.data.DataLoader(dataset=data_test,
                                              batch_size=64,
                                              shuffle=True)

4. 数据预览

• 代码

images, labels = next(iter(dat