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