PyTorch實(shí)現(xiàn)MNIST數(shù)據(jù)集手寫數(shù)字識(shí)別詳情
更新時(shí)間：2022年09月06日 14:17:45 作者：長(zhǎng)潯
這篇文章主要介紹了PyTorch實(shí)現(xiàn)MNIST數(shù)據(jù)集手寫數(shù)字識(shí)別詳情，文章圍繞主題展開詳細(xì)的內(nèi)容戒殺，具有一定的參考價(jià)值，需要的朋友可以參考一下
前言：
本篇文章基于卷積神經(jīng)網(wǎng)絡(luò)CNN，使用PyTorch實(shí)現(xiàn)MNIST數(shù)據(jù)集手寫數(shù)字識(shí)別。
一、PyTorch是什么？
PyTorch 是一個(gè) Torch7 團(tuán)隊(duì)開源的 Python 優(yōu)先的深度學(xué)習(xí)框架，提供兩個(gè)高級(jí)功能：
- 強(qiáng)大的 GPU 加速 Tensor 計(jì)算（類似 numpy）
- 構(gòu)建基于 tape 的自動(dòng)升級(jí)系統(tǒng)上的深度神經(jīng)網(wǎng)絡(luò)
你可以重用你喜歡的 python 包，如 numpy、scipy 和 Cython ，在需要時(shí)擴(kuò)展 PyTorch。
二、程序示例
下面案例可供運(yùn)行參考
1.引入必要庫(kù)
import torchvision import torch from torch.utils.data import DataLoader import torch.nn.functional as F
2.下載數(shù)據(jù)集
這里設(shè)置download=True，將會(huì)自動(dòng)下載數(shù)據(jù)集，并存儲(chǔ)在./data文件夾。
train_data = torchvision.datasets.MNIST(root="./data",train=True,transform=torchvision.transforms.ToTensor(),download=True) test_data = torchvision.datasets.MNIST(root="./data",train=False,transform=torchvision.transforms.ToTensor(),download=True)
3.加載數(shù)據(jù)集
batch_size=32表示每一個(gè)batch中包含32張手寫數(shù)字圖片，shuffle=True表示打亂測(cè)試集（data和target仍一一對(duì)應(yīng)）
train_loader = DataLoader(train_data,batch_size=32,shuffle=True) test_loader = DataLoader(test_data,batch_size=32,shuffle=False)
4.搭建CNN模型并實(shí)例化
class Net(torch.nn.Module):
def __init__(self):
super(Net,self).__init__()
self.con1 = torch.nn.Conv2d(1,10,kernel_size=5)
self.con2 = torch.nn.Conv2d(10,20,kernel_size=5)
self.pooling = torch.nn.MaxPool2d(2)
self.fc = torch.nn.Linear(320,10)
def forward(self,x):
batch_size = x.size(0)
x = F.relu(self.pooling(self.con1(x)))
x = F.relu(self.pooling(self.con2(x)))
x = x.view(batch_size,-1)
x = self.fc(x)
return x
#模型實(shí)例化
model = Net()5.交叉熵?fù)p失函數(shù)損失函數(shù)及SGD算法優(yōu)化器
lossfun = torch.nn.CrossEntropyLoss() opt = torch.optim.SGD(model.parameters(),lr=0.01,momentum=0.5)
6.訓(xùn)練函數(shù)
def train(epoch):
running_loss = 0.0
for i,(inputs,targets) in enumerate(train_loader,0):
# inputs,targets = inputs.to(device),targets.to(device)
opt.zero_grad()
outputs = model(inputs)
loss = lossfun(outputs,targets)
loss.backward()
opt.step()
running_loss += loss.item()
if i % 300 == 299:
print('[%d，%d] loss:%.3f' % (epoch+1,i+1,running_loss/300))
running_loss = 0.07.測(cè)試函數(shù)
def test():
total = 0
correct = 0
with torch.no_grad():
for (inputs,targets) in test_loader:
# inputs, targets = inputs.to(device), targets.to(device)
outputs = model(inputs)
_,predicted = torch.max(outputs.data,dim=1)
total += targets.size(0)
correct += (predicted == targets).sum().item()
print(100*correct/total)8.運(yùn)行
if __name__ == '__main__':
for epoch in range(20):
train(epoch)
test()三、總結(jié)
到此這篇關(guān)于PyTorch實(shí)現(xiàn)MNIST數(shù)據(jù)集手寫數(shù)字識(shí)別詳情的文章就介紹到這了,更多相關(guān)PyTorch MNIST 內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
微信好友長(zhǎng)時(shí)間不聯(lián)系就可能被對(duì)方刪除，但是微信也不會(huì)主動(dòng)通知你。那么我們就來(lái)用python寫一個(gè)工具查驗(yàn)一下誰(shuí)刪除了你的微信2022-02-02
python數(shù)據(jù)庫(kù)如何連接SQLite詳解
這篇文章主要介紹了Python實(shí)現(xiàn)連接SQLite數(shù)據(jù)庫(kù)的方法,在Python數(shù)據(jù)庫(kù)編程中有著廣泛的應(yīng)用,需要的朋友可以參考下，希望能給你帶來(lái)幫助2021-08-08
這篇文章主要介紹了pycharm進(jìn)入科學(xué)模式以及退出方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-08-08
關(guān)于Python八大排序?qū)崿F(xiàn)方法(冒泡排序、快速排序等)
這篇文章主要介紹了關(guān)于Python八大排序?qū)崿F(xiàn)方法,主要有基數(shù)排序、歸并排序、堆排序、簡(jiǎn)單選擇排序、直接插入排序、希爾排序、快速排序、冒泡排序等,需要的朋友可以參考下2023-03-03
這篇文章主要介紹了python命令行參數(shù)用法,結(jié)合實(shí)例形式分析了Python基于optparse模塊處理命令行參數(shù)相關(guān)使用技巧,需要的朋友可以參考下2019-06-06
這篇文章主要為大家詳細(xì)介紹了Ubuntu18.04下python版本完美切換的解決方法，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2019-06-06
在CMD窗口中調(diào)用python函數(shù)的實(shí)現(xiàn)
本文主要介紹了在CMD窗口中調(diào)用python函數(shù)的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2022-07-07
教你用Python腳本快速為iOS10生成圖標(biāo)和截屏
這篇文章主要介紹了教你用Python快速為iOS10生成圖標(biāo)和截屏的相關(guān)資料,非常不錯(cuò)，具有參考借鑒價(jià)值，需要的朋友可以參考下2016-09-09
這篇文章主要為大家介紹了詳解Python如何與java高效的交互的方法示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-06-06
Python 實(shí)現(xiàn)兩個(gè)列表里元素對(duì)應(yīng)相乘的方法
今天小編就為大家分享一篇Python 實(shí)現(xiàn)兩個(gè)列表里元素對(duì)應(yīng)相乘的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-11-11