# pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple [pkgname]
import pickle
import torch
from torch import nn
import torch.nn.functional as fun
import torch.optim as optim
from skimage import io, transform
import pylab #显示数据图像
import torch.utils.data as data
DEVICE = torch.device("cuda" if torch.cuda.is_available() else "cpu")
BATCH_SIZE = 500
EPOCHS = 20
# 定义网络模型
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.cov1 = nn.Conv2d(1, 10, 5) # 结果是24*24 通道是10
self.cov2 = nn.Conv2d(10, 20, 5) # 结果是8*8,通道是20
self.lt1 = nn.Linear(8 * 8 * 20, 500)
self.lt2 = nn.Linear(500, 10) # 最后得到10维向量
def forward(self, x): # x 的维度是(500*1*28*28)
out = fun.relu(self.cov1(x)) # 卷积激活得到24*24*10
'''nn.Conv2d接受一个4维的张量,每一维分别是sSamples * nChannels * Height * Width(样本数*通道数*高*宽)。
如果你有单个样本,只需使用 input.unsqueeze(0) 来添加其它的维数'''
# input,f,s
out = fun.max_pool2d(out,
从pickle格式minist数据集处理到测试准确率
最新推荐文章于 2023-11-02 15:57:32 发布
本文详细介绍了如何使用pickle模块加载和处理Minist数据集,包括数据预处理步骤,接着构建并训练了一个神经网络模型,最后通过测试集评估了模型的准确率。
摘要由CSDN通过智能技术生成