stillaway的博客

本文实现了一个基于Inception模块的卷积神经网络用于MNIST手写数字识别。网络结构包含两个卷积层和两个Inception模块，通过多分支卷积结构提取特征。使用PyTorch框架实现，采用SGD优化器和交叉熵损失函数，在10个epoch的训练后，测试准确率可达99%以上。实验结果表明该网络结构能有效提升MNIST识别的性能，但运行速度较慢。文中还提供了完整的训练流程和准确率随epoch变化的可视化结果。

摘要： 该代码实现了一个基于PyTorch的MNIST手写数字识别卷积神经网络。主要包含数据预处理（归一化）、三卷积层网络结构定义（含ReLU激活和最大池化）、训练测试流程（使用SGD优化器和交叉熵损失函数）以及准确率可视化。代码设置了10个训练周期，每300个batch输出一次损失值，并在每个epoch结束时测试模型准确率。最后作者观察到训练过程中准确率波动较大，呈现"过山车"式的变化。程序使用GPU加速（若可用），并将训练过程中的准确率变化以折线图形式展示。