pyTorch学习笔记（8）

最新推荐文章于 2022-12-28 21:53:54 发布

dayday学习

最新推荐文章于 2022-12-28 21:53:54 发布

阅读量879

点赞数 4

分类专栏： pytorch 文章标签： pyTorch学习笔记（8）手写体识别

本文链接：https://blog.csdn.net/weixin_41781408/article/details/90575905

版权

这篇博客介绍了使用pyTorch进行手写体识别的步骤，包括加载和预处理MNIST数据集，构建神经网络，定义优化器和损失函数，以及训练模型的过程。

摘要由CSDN通过智能技术生成

pyTorch学习笔记（8）--手写体识别

1.加载数据预处理
2.设置神经网络
3.定义优化器和损失函数
4.训练模型
4.总代码

1.加载数据预处理

1.1需要导入的包和函数

from torchvision.datasets import MNIST
import torchvision
from torch.utils.data import DataLoader
import torch
from torch.autograd import Variable
import  torch.nn  as nn
import numpy
import os

1.2 加载数据及处理

首先获取MNIST 数据集，如果没有就下载，设置download=True。如果下载了设置为False，然后train=True，设置这是训练集，transform=torchvision.transforms.ToTensor(),是将图片数据做一些处理和转化为tensor,

train_set=MNIST('./mnist',train=True,
transform=torchvision.transforms.ToTensor(),
download=True)# 数据集目录nmist, 训练集 ，转为tensor ,没有数据就下载
test_set=MNIST('./mnist',train=False,
transform=torchvision.transforms.ToTensor(),
download=True)

1.3封装数据

将数据封装到这个DataLoader里边，即一个迭代器每次迭代除出16张图片，返回图片和标签。

train_data = DataLoader(train_set, batch_size=16, shuffle=True)  #每次16 张图片，顺序打乱
test_data = DataLoader(test_set, batch_size=16, shuffle=False)

2.设置神经网络

设置好神经网络后，返回一个（batch，class_num）,返回一多少batch(这里是16张图片）class_num是分类类别是多少这里是10，返回一个这样的矩阵。

class mncnn(nn.Module):
    def __init__(self):
        super(mncnn,self).__init__()
        self.cov1=nn.Sequential(
            nn.Conv2d(1,16,5,1,2), #16*28*28
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=2) # 16*14*14
        )
        self.cov2=nn.Sequential(
            nn.Conv2d(16,32,5,1,2),# 32*14*14
            nn.ReLU(),
            nn.MaxPool2d(2) # 32*7*7
        )
        self.out=nn.Linear(32*7*7,10