pytorch 预测手写体数字_pytorch实现MNIST手写体识别

本文实例为大家分享了pytorch实现MNIST手写体识别的具体代码，供大家参考，具体内容如下

实验环境

pytorch 1.4

Windows 10

python 3.7

cuda 10.1(我笔记本上没有可以使用cuda的显卡)

实验过程

1. 确定我们要加载的库

import torch

import torch.nn as nn

import torchvision #这里面直接加载MNIST数据的方法

import torchvision.transforms as transforms # 将数据转为Tensor

import torch.optim as optim

import torch.utils.data.dataloader as dataloader

2. 加载数据

这里使用所有数据进行训练，再使用所有数据进行测试

train_set = torchvision.datasets.MNIST(

root='./data', # 文件存储位置

train=True,

transform=transforms.ToTensor(),

download=True

)

train_dataloader = dataloader.DataLoader(dataset=train_set,shuffle=False,batch_size=100)# dataset可以省

'''

dataloader返回(images,labels)

其中，

images维度：[batch_size,1,28,28]

labels：[batch_size]，即图片对应的

'''

test_set = torchvision.datasets.MNIST(

root='./data',

train=False,

transform=transforms.ToTensor(),

download=True

)

test_dataloader = dataloader.DataLoader(test_set,batch_size=100,shuffle=False) # dataset可以省

3. 定义神经网络模型

这里使用全神经网络作为模型

class NeuralNet(nn.Module):

def __init__(self,in_num,h_num,out_num):

super(NeuralNet,self).__init__()

self.ln1 = nn.Linear(in_num,h_num)

self.ln2 = nn.Linear(h_num,out_num)

self.relu = nn.ReLU()

def forward(self,x):

return self.ln2(self.relu(self.ln1(x)))

4. 模型训练

in_num = 784 # 输入维度

h_num = 500 # 隐藏层维度

out_num = 10 # 输出维度

epochs = 30 # 迭代次数

learning_rate = 0.001

USE_CUDA = torch.cuda.is_available() # 定义是否可以使用cuda

model = NeuralNet(in_num,h_num,out_num) # 初始化模型

optimizer = optim.Adam(model.parameters(),lr=learning_rate) # 使用Adam

loss_fn = nn.CrossEntropyLoss() # 损失函数

for e in range(epochs):

for i,data in enumerate(train_dataloader):

(images,labels) = data

images = images.reshape(-1,28*28) # [batch_size,784]

if USE_CUDA:

images = images.cuda() # 使用cuda

labels = labels.cuda() # 使用cuda

y_pred = model(images) # 预测

loss = loss_fn(y_pred,labels) # 计算损失

optimizer.zero_grad()

loss.backward()

optimizer.step()

n = e * i +1

if n % 100 == 0:

print(n,'loss:',loss.item())

训练模型的loss部分截图如下：

5. 测试模型

with torch.no_grad():

total = 0

correct = 0

for (images,labels) in test_dataloader:

images = images.reshape(-1,28*28)

if USE_CUDA:

images = images.cuda()

labels = labels.cuda()

result = model(images)

prediction = torch.max(result, 1)[1] # 这里需要有[1]，因为它返回了概率还有标签

total += labels.size(0)

correct += (prediction == labels).sum().item()

print("The accuracy of total {} images: {}%".format(total, 100 * correct/total))

实验结果

最终实验的正确率达到：98.22%

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我们。

本文标题: pytorch实现MNIST手写体识别

本文地址: http://www.cppcns.com/jiaoben/python/300519.html