Pytorch之三层全连接神经网络实现MNIST手写数字分类

最新推荐文章于 2025-06-22 12:49:32 发布

原创

最新推荐文章于 2025-06-22 12:49:32 发布 · 2.1k 阅读

8 ·

CC 4.0 BY-SA版权

本文介绍了一个使用PyTorch实现的手写数字识别模型。该模型通过定义包含多个全连接层、批量归一化和ReLU激活函数的神经网络，对MNIST数据集进行训练和测试。经过20个周期的学习，模型在测试集上达到了93.96%的准确率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

net.py :

from torch import nn

class SimpleNet(nn.Module):
    def __init__(self, in_dim, n_hidden_1, n_hidden_2, out_dim):
        super(SimpleNet, self).__init__()
        self.layer1 = nn.Sequential(
            nn.Linear(in_dim, n_hidden_1),
            nn.BatchNorm1d(n_hidden_1), nn.ReLU(True))
        self.layer2 = nn.Sequential(
            nn.Linear(n_hidden_1, n_hidden_2),
            nn.BatchNorm1d(n_hidden_2), nn.ReLU(True))
        self.layer3 = nn.Sequential(nn.Linear(n_hidden_2, out_dim))

    def forward(self, x):
        x = self.layer1(x)
        x = self.layer2(x)
        x = self.layer3(x