MNIST代码实现以及网络结构详解

最新推荐文章于 2024-09-18 17:10:59 发布

karl_ll

最新推荐文章于 2024-09-18 17:10:59 发布

阅读量1.3k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： CV

本文链接：https://blog.youkuaiyun.com/lzj50002801/article/details/108743100

本文详细介绍了MNIST手写数字识别的代码实现，包括自动下载数据集的功能。网络结构包括两个卷积层、两个Dropout层以及两个全连接层，旨在帮助读者理解并直接运行该识别模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

MNIST代码实现以及网络结构（手写数字识别，可以直接运行，数据集可以自动下载，无需准备）

from __future__ import print_function
import argparse
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms
from torch.optim.lr_scheduler import StepLR
from torchsummary import summary

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(1, 32, 3, 1)  # 2d卷积 输入通道1，输出通道32，卷积核3*3，padding为1
        self.conv2 = nn.Conv2d(32, 64, 3, 1)  # 2d卷积 输入通道32，输出通道64，卷积核3*3，padding为1
        self.dropout1 = nn.Dropout2d(0.25)
        self.dropout2 = nn.Dropout2d(0.5)  # senme
        self.fc1 = nn.Linear(9216, 128)  #
        self.fc2 = nn.Linear(128, 10)

    def forward(self, x):
        x = self.conv1(x)  # 输入: 6000*1*28*28 输出: 6000*32*26*26
        x = F.relu(x)
        x = self.conv2(x)  # 输入: 6000*32*26*26  输出: 6000*64*24*24
        x = F.relu(x)
        x = F.max_pool2d(x, 2)  # 输入: 6000*64*24*24 输出: 6000*64×12×12
        x = self.dropout1(x)
        x = torch.flatten(x, 1)  # 输入: 6000*64×12×12 输出: 6000*9216
        x = self.fc1(x)          # 输入: 6000*9216 输出: 6000*128
        x = F.relu(x)
        x = self.dropout2(x)
        x = self.fc2(x)         # 输入:  6000*128 输出:  6000*10
        output = F.log_softmax(x, dim=1)
        return output


def train(args, model, devic