PyTorch学习（10）—卷积神经网络（CNN）

最新推荐文章于 2025-04-09 18:43:52 发布

cchangcs

最新推荐文章于 2025-04-09 18:43:52 发布

阅读量962

点赞数

CC 4.0 BY-SA版权

分类专栏： Keras/TensorFlow/PyTorch学习与实战文章标签： PyTorch CNN卷积神经网络

本文链接：https://blog.youkuaiyun.com/github_39611196/article/details/82532134

Keras/TensorFlow/PyTorch学习与实战专栏收录该内容

61 篇文章 ¥19.90 ¥99.00

订阅专栏

这篇博客介绍了如何使用PyTorch构建卷积神经网络（CNN）对MNIST数据集进行手写数字分类。通过示例代码展示了网络结构，并给出了训练过程及准确率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本篇博客主要介绍PyTorch中使用CNN网络进行MNIST数据分类。

示例代码：

import torch
import torch.nn as nn
from torch.autograd import Variable
import torch.utils.data as Data
import torchvision
import numpy as np
import matplotlib.pyplot as plt


# 超参数
EPOCH = 1
BATCH_SIZE = 50
LR = 0.001
DOWNLOAD_MNIST = False   # 已下载，设置为False,未下载，则设置为True

# 下载MNIST数据
# 训练数据
train_data = torchvision.datasets.MNIST(
    root='./mnist/',  # 数据保存地址
    train=True,  # 训练数据，False即为测试数据
    transform=torchvision.transforms.ToTensor(),  # 将下载的源数据变成Tensor数据，（0,1）
    download=DOWNLOAD_MNIST,
)

# 显示一张样本图片
# print(train_data.train_data.size())
# print(train_data.train_labels.size())
# plt.imshow(train_data.train_data[0].numpy(), cmap='gray')
# plt.title

了解本专栏