PyTorch学习（八）CNN手写体识别

本节将介绍利用CNN进行手写体识别
首先呢，我们需要下载数据来进行训练。下载的代码如下：
注意：数据集下载一次就好，

DOWNLOAD_MNIST = True

train_data=torchvision.datasets.MNIST(#下载数据的代码
    root='./mnist',
    train=True,
    transform=torchvision.transforms.ToTensor(),  #(网上数据改为tensor),0-1之间，并复制到train_data中
    download=DOWNLOAD_MNIST#没有下载就=true，下载了就用false
    )

然后我们简单介绍一下卷及神经网络CNN的结构：

整体流程是：卷积(Conv2d) -> 激励函数(ReLU) -> 池化, 向下采样 (MaxPooling) -> 再卷积(Conv2d) -> 再激励函数(ReLU) -> 再池化, 向下采样 (MaxPooling) -> 展平多维的卷积成的特征图 -> 接入全连接层 (Linear) -> 输出。
全部代码如下：（给出了大部分的详细注释）

import torch
import torch.nn as nn
from torch.autograd import Variable
import torch.utils.data as Data
import torchvision
import matplotlib.pyplot as plt

EPOCH=1  #训练整批数据的次数
BATCH_SIZE = 50#批训练的数据个数
LR = 0.001     # 学习率
DOWNLOAD_MNIST = False  


train_data=torchvision.datasets.MNIST(#下载数据的代码
    root='./mnist',
    train=True,
    transform=torchvision.transforms.ToTensor(),  #(网上数据改为tensor),0-1之间，并复制到train_data中
    download=DOWNLOAD_MNIST#没有下载就=true，下载了就用false
    )
    
    <