pytorch 实战测试——MNIST 手写数字识别

最新推荐文章于 2025-10-29 13:52:57 发布

原创

最新推荐文章于 2025-10-29 13:52:57 发布 · 635 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #python #深度学习

本文介绍了一个使用PyTorch训练MNIST数据集的示例项目。项目实现了三种不同的优化器（Adam、SGD、Adagrad）对同一网络模型进行训练，并通过可视化工具visdom展示了训练过程中的损失变化情况。

代码实现

工具类代码

# 文件名 utils01
import torch
from matplotlib import pyplot as plt


# 将列表中对应数据画出来
def plot_curve(ls):
    fig = plt.figure()
    palette = plt.get_cmap('Set1')
    # 读取数据，ls = [{'key01': list01}, {'key02': list02}, ...]
    for idx, data in enumerate(ls):
        for key, value in data.items():
            plt.plot(range(len(value)), value, color=palette(idx), label=key)
    plt.legend()
    plt.xlabel('step')
    plt.ylabel('value')
    plt.show()


# 展示部分 MNIST 图片
def plot_image(img, label, name):
    fig = plt.figure()
    for i in range(6):
        plt.subplot(2, 3, i+1)
        plt.tight_layout()
        plt.imshow(img[i][0]*0.3081+0.1307, cmap='gray', interpolation='none')
        plt.title("{}: {}".format(name, label[i].item()))
        plt.xticks([])
        plt.yticks([])
    plt.show()


# one hot 编码
def one_hot(label, depth=10):
    out = torch.zeros