《深度学习与图像识别》中的基于pytorch 的KNN识别MNIST手写数字数据集

最新推荐文章于 2023-05-12 22:59:40 发布

早日拿到博士学位

最新推荐文章于 2023-05-12 22:59:40 发布

阅读量1.3k

点赞数 1

分类专栏：笔记文章标签：深度学习

本文链接：https://blog.youkuaiyun.com/weixin_43976891/article/details/105787947

版权

本文详细介绍了如何使用PyTorch实现KNN（K近邻）算法来识别MNIST数据集中的手写数字。通过深度学习的基础知识，探讨了KNN在图像识别中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

__author__ = 'Administrator'
import numpy as np
from operator import itemgetter
import matplotlib.pyplot as plt
import torch
from torch.utils.data import DataLoader
import torchvision.datasets as dsets
import matplotlib.pyplot as plt
import torchvision.transforms as transforms
batch_size = 100
# MNIST dataset
train_dataset = dsets.MNIST(root = '/ml/pymnist', #选择数据的根目录，
                            train = True, #选择训练集
                            transform = None, #不考虑使用任何数据预处理
                            download = True) #从网络上下载图片
test_dataset = dsets.MNIST(root = '/ml/pymnist', #选择数据的根目录
                            train = False, #选择测试集
                            transform = None, #不考虑使用任何数据预处理
                            download = True) #从网络上下载图片
#加载数据
train_loader = torch.utils.data.DataLoader(dataset = train_dataset,
                                            batch_size = batch_size,
                                            shuffle = True) #将数据打乱
test_loader = torch.utils.data.DataLoader(dataset = test_dataset,
                                            batch_size = batch_size,
                                            shuffle = True)
print("train_data:", train_dataset.train_data.size())
print("train_labels:", train_dataset.train_labels.size())
print("test_data:", test_dataset.test_data.size())
print("test_labels:", test_dataset.test_labels.size())


digit = train_loader.dataset.train_data[0] #取第一个图片的
plt.imshow(digit,cmap

最低0.47元/天解锁文章