Pytorch深度学习实践第十讲卷积神经网络（基础篇）

最新推荐文章于 2024-09-26 15:41:58 发布

改什么都是已存在？

最新推荐文章于 2024-09-26 15:41:58 发布

阅读量657

点赞数

分类专栏： Pytorch深度学习实践文章标签：深度学习神经网络 pytorch 卷积神经网络

本文链接：https://blog.csdn.net/weixin_46047643/article/details/115316937

版权

本篇博客介绍了刘二大人在B站的卷积神经网络基础课程，适合初学者。内容包括如何使用Pytorch构建简单的卷积神经网络，并讲解了如何利用GPU加速训练。通过4行代码实现GPU运行，CPU训练也在10分钟内完成。博客附有运行结果和训练曲线图。

摘要由CSDN通过智能技术生成

B站刘二大人传送门卷积神经网络（基础篇）

	课件链接：https://pan.baidu.com/s/1vZ27gKp8Pl-qICn_p2PaSw
	提取码：cxe4

本节把网络换成了简单的卷积神经网络，对于初学者搭建简单卷积网络还是挺有帮助的，另外加入了GPU的使用，其实很简单，两三句话把数据加载到GPU上就行，不过要先安装符合电脑版本的cuda才可以运行。
具体看老师课程，这里主要放代码。

用GPU运行2分半就完事了，用CPU整个过程也在10分钟内完成。只有4行GPU代码，文中有注释，不能用GPU的话把那四句代码注释掉就可以了，分别在38、39、50、77行。
下面是运行输出和绘制的曲线图。
在这里插入图片描述

import torch
from  torch.utils.data import DataLoader
from torchvision import transforms
from torchvision import datasets
import torch.nn.functional as F
import matplotlib.pyplot as plt
import time
import datetime

batch_size =64
transform = transforms.Compose([transforms.ToTensor(), transforms.Normalize((0.1307, ), (0.3081, ))])
#将原始像素数据归一到（0，1）中 并基于均值0.1307和标准差0.3081来对数据进行标准化处理

train_dataset = datasets.MNIST(root='D:\Code\Pytorch exercise/dataset/mnist', train=True, download=True,transform=transform)
train_loader = DataLoader(train_dataset, shuffle=True,batch_size=batch_size)
#（下载）加载训练集，之后进行batch分组
test_dataset = datasets.MNIST(root='D:\Code\Pytorch exercise/dataset/mnist', train=False,download=True,transform=transform)
test_loader = DataLoader(test_dataset,shuffle