关于最新版本GPU下pytorch实现卷积神经网络实现手写数字识别的代码

最新推荐文章于 2024-05-02 17:13:29 发布

深度学习强化学习爱好者

最新推荐文章于 2024-05-02 17:13:29 发布

阅读量581

点赞数 1

文章标签：神经网络 pytorch 深度学习

本文链接：https://blog.youkuaiyun.com/yuanhaopeng123/article/details/109750298

版权

最全的卷积神经网络实现手写数字识别，由于版本的更新，好多函数被替代或简化，本文是根据最新版本的GPU11.0的pytorch撰写的卷积神经网络实现手写数字识别。欢迎大家借鉴。

import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms
import torchvision
from torch.autograd import Variable
from torch.utils.data import DataLoader
import matplotlib.pyplot as plt

####定义卷积神经网络

#nn.Module,是专门为神经网络设计的模块接口
class CNN(nn.Module): #(相当于定义一个类)
  def __init__(self):
    #调用父类初始化函数(父类就是nn.Module)
    super(CNN, self).__init__()
#一个有序的容器，神经网络模块将按照传入的顺序依次添加到计算图中执行，
    self.conv1 = nn.Sequential(
#二卷积层，输入通道数是1，输出通道数是16，即16个卷积核
      nn.Conv2d(1, 6, 5, 1, 2), #1是一个通道即黑白图片，彩色图像是3，6是输出通道数，按自己需求决定，没有固定值
#BatchNorm2d是卷积网络中防止梯度消失或爆炸的函数，参数是卷积的输出通道数   (28*28-5+2*2)/1+1=784=28*28
      nn.BatchNorm2d(6),
      nn.ReLU(),
# 卷积后的图像大小：28*28*16,16为深度
      nn.MaxPool2d(2, 2)