Mnist手写数字自编码+分类实验

最新推荐文章于 2021-07-23 22:24:54 发布

dyingstraw

最新推荐文章于 2021-07-23 22:24:54 发布

阅读量983

点赞数

分类专栏： python学习笔记 deeplearn 闹着玩

本文链接：https://blog.youkuaiyun.com/dyingstraw/article/details/103390448

版权

本文将详细介绍如何使用自编码器对MNIST手写数字数据集进行预处理，并结合分类算法进行识别。首先，我们通过自编码器学习数据的低维表示，然后利用这个表示进行数字分类。实验展示了自编码器在特征提取上的能力，并验证了其在手写数字识别任务中的有效性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import torch
import torch.nn as nn
import torch.nn.functional as F
import random
import numpy as np
import matplotlib.pyplot as plt
import torchvision
class AutoEncodeNet(nn.Module):

    def __init__(self):
        super(AutoEncodeNet, self).__init__()
        # 编码
        self.encoder = nn.Sequential(
            nn.Linear(28*28, 128),
            nn.Tanh(),
            nn.Linear(128, 64),
            nn.Tanh(),
            nn.Linear(64, 12),
            nn.Tanh(),
            nn.Linear(12, 3),   # 压缩成3个特征, 进行 3D 图像可视化
        )
         # 解压
        self.decoder = nn.Sequential(
            nn.Linear(3, 12),
            nn.Tanh(),
            nn.Linear(12, 64),
            nn.Tanh(),
            nn.Linear(64, 128),
            nn.Tanh(),
            nn.Linear(128, 28*28),
            nn.Sigmoid(),       # 激励函数让输出值在 (0, 1)
        )
        # 分类器
        self.classfier = nn.Sequential(
            nn.Linear(3,128),