porch(3)莫烦python CNN小实现

最新推荐文章于 2025-04-25 15:03:04 发布

DS_HY

最新推荐文章于 2025-04-25 15:03:04 发布

阅读量1.9k

点赞数

分类专栏：机器学习

本文链接：https://blog.youkuaiyun.com/sinat_36215255/article/details/86325324

版权

本文档介绍了如何使用PyTorch手动实现一个简单的卷积神经网络（CNN）进行数字识别。首先定义数据集，利用torchvision.datasets加载MNIST数据。接着创建CNN模型，包含卷积层、激励函数和池化层。最后，训练神经网络并进行测试。代码已附在文中。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

莫烦的网址这里

关于卷积神经网络的介绍：

自行搜索或者参考博客1，在莫烦中也有相应的视频

我们接下来直接手动实现一个简单的数字识别的CNN网络：

1.首先定义数据集

通过pytorch的torchvision.datasets网址

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

参数说明： - root : processed/training.pt 和 processed/test.pt 的主目录 - train : True = 训练集, False = 测试集 - download : True = 从互联网上下载数据集，并把数据集放在root目录下. 如果数据集之前下载过，将处理过的数据（minist.py中有相关函数）放在processed文件夹下， - transform：一个函数，原始图片作为输入，返回一个转换后的图片。

target_transform - 一个函数，输入为target，输出对其的转换。例子，输入的是图片标注的string，输出为word的索引。

1.我们建立test数据集：

train_data = torchvision.datasets.MNIST(
    root='./mnist/',
    train=True,                                     # this is training data
    transform=torchvision.transforms.ToTensor(),    # 黑白图片只有一个层，变成值0-1，Converts a PIL.Image or numpy.ndarray to
                                                    # torch.FloatTensor of shape (C x H x W) and normalize in the range [0.0, 1.0]
    download=DOWNLOAD_MNIST,                        #是否下载？
    #download=False                                  #已经下载
)

2.建立测试数据集，进行评价的时候用

test_data = torchvision.datasets.MNIST(root='./mnist/', train=False) #FALSE说明是testdata
test_x = torch.unsqueeze(test_data.test_data, dim=1).type(torch.FloatTensor)[:2000]/255.   # shape from (2000, 28, 28) to (2000, 1, 28, 28), value in range(0,1)
test_y = test_data.test_labels[:2000]

3.然后定义包装数据和tensor的抽象数据集

train_loader = Data.DataLoader(dataset=train_data, ba

最低0.47元/天解锁文章