从pickle格式minist数据集处理到测试准确率

最新推荐文章于 2023-05-13 16:38:09 发布

无且爱我

最新推荐文章于 2023-05-13 16:38:09 发布

阅读量638

点赞数 1

分类专栏：深度学习

本文链接：https://blog.csdn.net/sucijingdi/article/details/90384120

版权

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

# 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,