深度学习之PyTorch —— CNN实现MNIST手写数字分类

最新推荐文章于 2025-06-13 21:14:36 发布

cv阿文

最新推荐文章于 2025-06-13 21:14:36 发布

阅读量8k

点赞数 9

CC 4.0 BY-SA版权

分类专栏：深度学习

本文链接：https://blog.youkuaiyun.com/qq_36022260/article/details/83831377

本文介绍了使用PyTorch构建的CNN模型对MNIST手写数字进行分类，通过六次训练，达到了99%的准确率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#　运用ＣＮＮ分析ＭＮＩＳＴ手写数字分类

import torch 
import numpy as np
from torch.utils.data import DataLoader
from torchvision.datasets import mnist
from torch import  nn
from torch.autograd import Variable
from torch import  optim
from torchvision import transforms

# 定义CNN
class CNN(nn.Module):
    def __init__(self):
        super(CNN,self).__init__()
        
        self.layer1 = nn.Sequential(
                nn.Conv2d(1,16,kernel_size=3), # 16, 26 ,26
                nn.BatchNorm2d(16),
                nn.ReLU(inplace=True))
        
        self.layer2 = nn.Sequential(
                nn.Conv2d(16,32,kernel_size=3),# 32, 24, 24
                nn.BatchNorm2d(32),
                nn.ReLU(inplace=True),
                nn.MaxPool2d(kernel_size=2,stride=2)) # 32, 12,12     (24-2) /2 +1
        
        self.layer3 = nn.Sequential(
                nn.Conv2d(32,64,kernel_size=3), # 64,10,10
                nn.BatchNorm2d(64),
                nn.ReLU(