民大机器学习Mnist小作业

Mnist作业

1 设计思路

首先，我们要明确我们的任务是什么。任务是对mnist手写数据集进行分类，那么我们用pytorch来做的话，它是内置了Fashion-Mnist和Mnist数据集,我们只要从框架里面下载即可。然后我们创建dataloader，设置batch_size，设置交叉熵损失函数因为这是一个多分类问题。注意一般二分类不用这个损失函数，一般用BCELoss损失函数。然后设置优化器为SGD或者Adam,设置学习率、权重衰减、动量值。设置训练函数，进行训练，将正确率和loss显示在终端上，最后可视化每一个epoch的准确率和损失。

2 实现过程

2.1 导入相关包

import torch

import torch.nn as nn

import torch.nn.functional as F

import torch.optim as optim

import numpy as np

import matplotlib.pyplot as plt

%matplotlib inline

from torch.utils import *

import torchvision

2.2 处理数据集

transfroma = transforms.Compose(

   [

        transforms.ToTensor(),

   ]

)

# 内置mnist

train_ds=torchvision.datasets.MNIST(

    root='MNIST',  # 根路径

    train=True, # 是否为训练集

    transform=transfroma, # 图像预处理 转为tensor  或者裁剪 归一化

    download=True # 是否下载

)

test_ds=torchvision.datasets.MNIST(

    root='MNIST',

    train=False,

    transform=transfroma,

    download=True

)

2.3 创建dataloader

BATCH_SIZE = 64 # 一次送入多少数据

# 创建dataloader

train_dl =