paddle2.0高层API快速实现LeNet(MNIST手写数字识别)

paddle2.0高层API快速实现LeNet(MNIST手写数字识别)

『深度学习7日打卡营·快速入门特辑』

零基础解锁深度学习神器飞桨框架高层API，七天时间助你掌握CV、NLP领域最火模型及应用。

1. 课程地址
   传送门：https://aistudio.baidu.com/aistudio/course/introduce/6771

2. 目标

• 掌握深度学习常用模型基础知识
• 熟练掌握一种国产开源深度学习框架
• 具备独立完成相关深度学习任务的能力
• 能用所学为AI加一份年味

DL万能公式

import paddle
import numpy as np
import matplotlib.pyplot as plt

paddle.__version__

'2.0.0'

数据加载和预处理

import paddle.vision.transforms as T

# 数据加载和预处理
# [0-255] -> [0-1]
transform = T.Normalize(mean=[127.5], std=[127.5])

# 训练数据集
train_dataset = paddle.vision.datasets.MNIST(mode='train', transform=transform)

# 评估数据集
eval_dataset = paddle.vision.datasets.MNIST(mode='test', transform=transform)

print(f"训练集样本量:{len(train_dataset)}，验证集样本量:{len(eval_dataset)}")

训练集样本量:60000，验证集样本量:10000

查看数据

%matplotlib inline

plt.figure()
plt.imshow(train_dataset[0][0].reshape([28, 28]), cmap=plt.cm.binary)
plt.show()
print("label:", train_dataset[0][1])
print("data shape:", train_dataset[0][0].shape)

label: [5]
data shape: (1, 28, 28)

搭建LeNet-5卷积神经网络

选用LeNet-5网络结构。

LeNet-5模型源于论文“LeCun Y, Bottou L, Bengio Y, et al. Gradient-based learning applied to document recognition[J]. Proceedings of the IEEE, 1998, 86(11): 2278-2324.”，

论文地址：https://ieeexplore.ieee.org/document/726791

每个阶段用到的Layer

# 网络搭建
net = paddle.nn.Sequential(
                            ('C1', paddle.nn.Conv2D(in_channels=1, out_channels=6, kernel_size=