深度学习项目一基于AlexNet的手写数字识别系统

原创

已于 2024-09-03 14:52:54 修改 · 686 阅读

11 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #pytorch #python #笔记

于 2024-08-29 16:39:16 首次发布

实验内容

一.MNIST数据集

MNIST数据集是机器学习领域中非常经典的一个数据集，由60000个训练样本和10000个测试样本组成，每个样本都是一张28 * 28像素的灰度手写数字图片。官方下载网站：http://yann.lecun.com/exdb/mnist/，下载得到的数据集一共包含4个文件，训练集、训练集标签、测试集、测试集标签。

实验内容

import torch.nn as nn
import torch
import matplotlib.pyplot as plt
import numpy as np
import torchvision.datasets as datasets
import torchvision.transforms as transforms
import torch.optim as optim

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

1.构建网络,使用5x5的卷积核

class AlexNet(nn.Module):
    def __init__(self):
        super(AlexNet,self).__init__()
        self.features = nn.Sequential(
            #1*28*28
            nn.Conv2d(1, 64, kernel_size=5, stride=1, padding=2),#64*28*28
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=2, stride=2),#64*14*14
            nn.Conv2d(64, 128, kernel_size=5, stride=1, padding=2),#128*14*14
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=2, stride=2),#128*7*7
            nn.Conv2d(128, 256, kernel_size=3, stride=1, padding=1),#256*7*7
            nn.ReLU(inplace=True),
            nn.Conv2d(256, 256, kernel_size=3, stride=1, padding=1),#256*7*7
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),#256*3*