mxnet浅谈

最新推荐文章于 2023-03-09 17:39:17 发布

qq_41413910

最新推荐文章于 2023-03-09 17:39:17 发布

阅读量334

点赞数

CC 4.0 BY-SA版权

分类专栏：技术博客文章标签： mxnet 深度学习

本文链接：https://blog.youkuaiyun.com/qq_41413910/article/details/79609429

技术博客专栏收录该内容

1 篇文章

订阅专栏

本文介绍了如何在Ubuntu 15.04环境下使用MXNet框架进行MNIST手写数字识别任务的训练流程。首先安装必要的软件包并配置环境，然后下载MNIST数据集，并对其进行预处理，包括数据标准化等步骤。最后创建数据迭代器和模型，开始训练过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

安装环境
系统：ubuntu 15.04
显卡：GT635m（太渣，不要吐槽
python版本：2.7.9

#sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev libavformat-dev libjpeg62-dev cmake libswscale-dev libjasper-dev

sudo git clone --recursive https://github.com/dmlc/mxnetcd mxnetsudo cp make/config.mk .

from sklearn.datasets import fetch_mldata from sklearn.utils import shuffle mnist = fetch_mldata('MNIST original', data_home="./mnist") # shuffle data X, y = shuffle(mnist.data, mnist.target) # split dataset train_data = X[:50000, :].astype('float32') train_label = y[:50000] val_data = X[50000: 60000, :].astype('float32') val_label = y[50000:60000] # Normalize data train_data[:] /= 256.0 val_data[:] /= 256.0 # create a numpy iterator batch_size = 100 train_iter = mx.io.NDArrayIter(train_data, train_label, batch_size=batch_size, shuffle=True) val_iter = mx.io.NDArrayIter(val_data, val_label, batch_size=batch_size) # create model as usual: model = mx.model.FeedForward(...) model.fit(X = train_iter, eval_data = val_iter)