pytorch学习笔记（四）

最新推荐文章于 2024-01-19 15:30:00 发布

迷茫，我太迷茫了！

最新推荐文章于 2024-01-19 15:30:00 发布

阅读量116

点赞数

分类专栏：研究生入门阶段文章标签：神经网络学习深度学习

本文链接：https://blog.csdn.net/qq_41730733/article/details/125765656

版权

本文记录了使用PyTorch对MNIST手写数字数据集进行预处理，包括数值映射和归一化。接着，构建了一个简单的模型，包含线性层和激活函数，并介绍了momentum在训练过程中的加速效果。最后，进行了模型的训练和测试。

摘要由CSDN通过智能技术生成

minister手写数据集的训练与测试。

一，数据的预处理

batch_size = 64
transform = transforms.Compose([
    transforms.ToTensor(),  #28*28{0,255} ->1*28*28{0,1}  1是channel
    transforms.Normalize((0.1307,),(0.3081,))   #归一化，一个均值，一个标准差
])

train_dataset = datasets.MNIST(root='C:/Users/丸子君/Desktop/dataset/minist',train=True,download=True,transform=transform)
train_loader = DataLoader(train_dataset,shuffle=True,batch_size=batch_size)

test_dataset = datasets.MNIST(root='C:/Users/丸子君/Desktop/dataset/minist',train=False,download=True,transform=transform)
test_loader = DataLoader(test_dataset,shuffle=True,batch_size=batch_size)

下载训练集train_dataset，再由28*28转为1*28*28，数值由0~255映射为0~1.然后再归一化。再64个一组封装起来。

测试集同理。