PyTorch入门实战: 01-实现mnist手写数字识别

521R

已于 2024-03-15 01:58:11 修改

阅读量1k

点赞数 23

分类专栏： Pytorch入门实战文章标签： python pytorch 深度学习

于 2024-03-13 21:09:22 首次发布

本文链接：https://blog.youkuaiyun.com/m0_67662731/article/details/136690747

版权

🍨 本文为【365天深度学习训练营】中的学习记录博客
🍖 原作者：【K同学啊 | 接辅导、项目定制】

一、环境配置

语言环境：Python3.8
编译器：Jupyter Lab
深度学习环境：
- torch==1.12.1+cu113
- torchvision==0.13.1+cu113

二、前期准备

1. 设置GPU

设备上支持GPU就使用GPU,否则使用CPU

import torch
import torch.nn as nn
import matplotlib.pyplot as plt
import torchvision

# 设置硬件设备，如果有GPU则使用，没有则使用cpu
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
device

2. 导入数据

使用dataset下载MNIST数据集，并划分好训练集与测试集

使用dataloader加载数据，并设置好基本的batch_size

⭐ torchvision.datasets.MNIST详解⭐

torchvision.datasets是Pytorch自带的一个数据库，我们可以通过代码在线下载数据，这里使用的是torchvision.datasets中的MNIST数据集。

函数原型：

torchvision.datasets.MNIST(root, train=True, transform=None, target_transform=None, download=False)

参数说明：

- root (string) ：数据地址

- train (string) ：True-训练集，False-测试集

- download (bool,optional) : 如果为True，从互联网上下载数据集，并把数据集放在root目录下。

- transform (callable, optional )：这里的参数选择一个你想要的数据转化函数，直接完成数据转化

- target_transform (callable,optional) ：接受目标并对其进行转换的函数/转换。

train_ds = torchvision.datasets.MNIST('data', 
                                      train=True, 
                                      transform=torchvision.transforms.ToTensor(), 
# 将数据类型转化为Tensor
                                      download=True)

test_ds  = torchvision.datasets.MNIST('data', 
                                      train=False, 
                                      transform=torchvision.transforms.ToTensor(), 
# 将数据类型转化为Tensor
                                      download=True)

⭐ torch.utils.data.DataLoader详解⭐

torch.utils.data.DataLoader是Pytorch自带的一个数据加载器，结合了数据集和取样器，并且可以提供多个线程处理数据集。

函数原型：

torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=None, sampler=None, batch_sampler=None, num_workers=0, collate_fn=None, pin_memory=False, drop_last=False, timeout=0, worker_init_fn=None, multiprocessing_context=None, generator=None, *, prefetch_factor=2, persistent_workers=False, pin_memory_device='')

参数说明：

- dataset (string) ：加载的数据集
- batch_size (int,optional) ：每批加载的样本大小（默认值：1）
- shuffle (bool,optional) : 如果为`True`，每个epoch重新排列数据。
- sampler (Sampler or iterable, optional) ：定义从数据集中抽取样本的策略。可以是任何实现了 __len__ 的 Iterable。如果指定，则不得指定 shuffle 。
- batch_sampler (Sampler or iterable, optional) ：类似于sampler，但一次返回一批索引。与 batch_size、shuffle、sampler 和 drop_last 互斥。<