（刘二大人）PyTorch深度学习实践-卷积网络（基础篇作业）

最新推荐文章于 2024-08-15 03:14:48 发布

Catherine_bling

最新推荐文章于 2024-08-15 03:14:48 发布

阅读量506

点赞数

CC 4.0 BY-SA版权

分类专栏： PyTorch 文章标签：深度学习 pytorch 神经网络

本文链接：https://blog.youkuaiyun.com/Catherine_bling/article/details/127649223

本文介绍了使用PyTorch实现的卷积网络模型，通过10轮训练，模型在验证集上的准确率稳定在98%，同时展示了训练过程中损失(loss)随迭代次数下降的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 所实现的模型结构

2.代码展示

import torch
import torchvision.datasets
from torchvision import transforms
from torch.utils.data import DataLoader
import torch.nn.functional as F
from torch.utils.tensorboard import SummaryWriter

#追踪日志
writer = SummaryWriter(log_dir='../LEDR')
#准备数据集
trans = transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.1307,),(0.3801,))])
train_set = torchvision.datasets.MNIST(root='E:\learn_pytorch\LE',train=True,transform=trans,download=True)
test_set = torchvision.datasets.MNIST(root='E:\learn_pytorch\LE',train=False,transform=trans,download=True)

#加载数据集
train_data = DataLoader(dataset=train_set,batch_size=64,shuffle=True)
test_data = DataLoader(dataset=test_set,batch_size=64,shuffle=False)

#模型构建

class conv_model_1(torch.nn.Module):
    def __init__(self):
        su