4.paddlepaddle之10行代码mnist手写数字识别

原创

已于 2022-07-20 20:07:56 修改 · 789 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#paddlepaddle #深度学习 #人工智能 #python #神经网络

于 2022-07-19 21:13:16 首次发布

本文介绍了如何利用PaddlePaddle深度学习框架，仅用10行代码完成MNIST手写数字识别任务。首先，详细说明了MNIST数据集的特点，包括数据量和分类情况。接着，逐步讲解模型构建与训练过程，包括数据预处理、模型选择（LeNet）、优化器配置、训练参数设定以及模型评估，最终模型在测试集上达到了98.55%的高准确率。

1.mnist手写数字数据集

mnist手写数字数据集是经常被用来初学者使用的图片数据集，其图片大小为28*28，一般的图片都是（H,W,3），由于mnist数据集图片都是数字，所以可以不需要RGB，其数据集图片如下：

对于该数据集标签为数字所代表的值，如上图片为5，其对应的数字也是5，所以这是一个十分类的任务。

整个mnist有60000张训练集，10000张测试集，相较于类别数来说样本量相当充足。

2.模型构建与训练

第一步，在头部引入必要所需的环境包，代码如下：

import paddle
from paddle.vision.transforms import Normalize

第二步，获取mnist数据集，paddle直接就提供了，不过由于我们需要模型适配对应的格式，所以对mnist的数据集进行format的处理，代码如下：

transform = Normalize(mean=[127.5], std=[127.5], data_format='CHW')
train_dataset = paddle.vision.datasets.MNIST(mode='train', transform=transform)
test_dataset = paddle.vision.datasets.MNIST(mode='test', transform=transform)

第三步，生成需要的网络，在这里我们使用paddle自带的lenet。