pytorch保存准确率_初学Pytorch：MNIST数据集训练详解

前言

本文讲述了如何使用Pytorch（一种深度学习框架）构建一个简单的卷积神经网络，并使用MNIST数据集（28*28手写数字图片集）进行训练和测试。针对过程中的每个步骤都尽可能的给出了详尽的解释。

有什么问题可以评论区留言。欢迎各路大神指教。

导入包

import 

其中cv2需要安装库opencv，用于图片可视化

导入数据集

train_dataset = datasets.MNIST(root = 'data/', train = True, 
                               transform = transforms.ToTensor(), download = True)
test_dataset = datasets.MNIST(root = 'data/', train = False, 
                               transform = transforms.ToTensor(), download = True)

使用torchvision中的datasets自动下载数据集

root表示存放在当前目录下'data'文件夹中

train=True表示导入的是训练数据；train=False表示导入的是测试数据。

transform表示对每个数据进行的变化，这里是将其变为Tensor。Tensor是pytorch中存储数据的主要格式，类似于numpy，两者可相互转换。

dowload表示是否下载数据

数据装载

train_loader = DataLoader(dataset = train_dataset, batch_size = 100, shuffle = True)
test_loader = DataLoader(dataset = test_dataset, batch_size= 100