Python实战小项目之Mnist手写数字识别
作者:GSAU-深蓝工作室 时间:2023-01-20 23:24:56
程序流程分析图:
传播过程:
代码展示:
创建环境
使用<pip install+包名>来下载torch,torchvision包
准备数据集
设置一次训练所选取的样本数Batch_Sized的值为512,训练此时Epochs的值为8
BATCH_SIZE = 512
EPOCHS = 8
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
下载数据集
Normalize()数字归一化,转换使用的值0.1307和0.3081是MNIST数据集的全局平均值和标准偏差,这里我们将它们作为给定值。model
train_loader = torch.utils.data.DataLoader(
datasets.MNIST('data', train=True, download=True,
transform=transforms.Compose([.
transforms.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))
])),
batch_size=BATCH_SIZE, shuffle=True)
下载测试集
test_loader = torch.utils.data.DataLoader(
datasets.MNIST('data', train=False,
transform=transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))
])),
batch_size=BATCH_SIZE, shuffle=True)
绘制图像
我们可以使用matplotlib来绘制其中的一些图像
examples = enumerate(test_loader)
batch_idx, (example_data, example_targets) = next(examples)
print(example_targets)
print(example_data.shape)
print(example_data)
import matplotlib.pyplot as plt
fig = plt.figure()
for i in range(6):
plt.subplot(2,3,i+1)
plt.tight_layout()
plt.imshow(example_data[i][0], cmap='gray', interpolation='none')
plt.title("Ground Truth: {}".format(example_targets[i]))
plt.xticks([])
plt.yticks([])
plt.show()
搭建神经网络
这里我们构建全连接神经网络,我们使用三个全连接(或线性)层进行前向传播。
class linearNet(nn.Module):
def __init__(self):
super().__init__()
self.fc1 = nn.Linear(784, 128)
self.fc2 = nn.Linear(128, 64)
self.fc3 = nn.Linear(64, 10)
def forward(self, x):
x = x.view(-1, 784)
x = self.fc1(x)
x = F.relu(x)
x = self.fc2(x)
x = F.relu(x)
x = self.fc3(x)
x = F.log_softmax(x, dim=1)
return x
训练模型
首先,我们需要使用optimizer.zero_grad()手动将梯度设置为零,因为PyTorch在默认情况下会累积梯度。然后,我们生成网络的输出(前向传递),并计算输出与真值标签之间的负对数概率损失。现在,我们收集一组新的梯度,并使用optimizer.step()将其传播回每个网络参数。
def train(model, device, train_loader, optimizer, epoch):
model.train()
for batch_idx, (data, target) in enumerate(train_loader):
data, target = data.to(device), target.to(device)
optimizer.zero_grad()
output = model(data)
loss = F.nll_loss(output, target)
loss.backward()
optimizer.step()
if (batch_idx) % 30 == 0:
print('Train Epoch: {} [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format(
epoch, batch_idx * len(data), len(train_loader.dataset),
100. * batch_idx / len(train_loader), loss.item()))
测试模型
def test(model, device, test_loader):
model.eval()
test_loss = 0
correct = 0
with torch.no_grad():
for data, target in test_loader:
data, target = data.to(device), target.to(device)
output = model(data)
test_loss += F.nll_loss(output, target, reduction='sum').item() # 将一批的损失相加
pred = output.max(1, keepdim=True)[1] # 找到概率最大的下标
correct += pred.eq(target.view_as(pred)).sum().item()
test_loss /= len(test_loader.dataset)
print('\nTest set: Average loss: {:.4f}, Accuracy: {}/{} ({:.0f}%)\n'.format(
test_loss, correct, len(test_loader.dataset),
100. * correct / len(test_loader.dataset)))
将训练次数进行循环
if __name__ == '__main__':
model = linearNet()
optimizer = optim.Adam(model.parameters())
for epoch in range(1, EPOCHS + 1):
train(model, device, train_loader, optimizer, epoch)
test(model, device, test_loader)
保存训练模型
torch.save(model, 'MNIST.pth')
运行结果展示:
分享人:苏云云
来源:https://blog.csdn.net/weixin_40604528/article/details/120848106
标签:Python,Mnist,手写数字识别,实战
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
MYSQL主从库不同步故障一例解决方法
2010-06-09 19:12:00
Javascript之Date对象详解
2024-06-07 15:53:58
IOS苹果AppStore内购付款的服务器端php验证方法(使用thinkphp)
2023-06-14 13:05:56
零基础写python爬虫之使用urllib2组件抓取网页内容
2021-08-16 01:13:22
![](https://img.aspxhome.com/file/2023/1/127871_0s.png)
JavaScript拖动层Div代码
2024-04-16 09:46:48
![](https://img.aspxhome.com/file/2023/4/136554_0s.png)
python3.7环境下sanic-ext未生效踩坑解析
2022-06-30 12:56:35
关于sql和mysql对于别名不能调用的一些理解
2024-01-26 16:34:15
asp中获取当前页面的地址与参数的函数代码
2011-02-20 10:37:00
web标准:CSS clear的属性及使用方法
2008-10-27 13:31:00
YUI3新特性学习
2012-04-26 16:25:20
Frontpage2003的怪bug,自动添加“../”的父级目录
2007-09-30 13:30:00
![](https://img.aspxhome.com/file/UploadPic/20079/30/2007930133147256s.jpg)
vue使用v-for实现hover点击效果
2024-05-02 17:09:03
![](https://img.aspxhome.com/file/2023/1/130041_0s.png)
VSCode中autopep8无法运行问题解决方案(提示Error: Command failed,usage)
2022-03-13 22:55:19
pandas loc与iloc用法及区别
2023-01-22 08:26:53
![](https://img.aspxhome.com/file/2023/7/84947_0s.png)
asp fso type属性取得文件类型代码
2009-02-04 10:09:00
python基础知识之try...except...的详细用法实例
2022-12-26 10:21:27
HTML5 Canvas 起步(1) - 基本概念
2009-04-21 13:14:00
可以举出一个最简单的计数器吗?
2009-11-01 15:37:00
基于Python的XSS测试工具XSStrike使用方法
2021-08-21 13:11:56
![](https://img.aspxhome.com/file/2023/1/101321_0s.jpg)
浅析mysql.data.dll驱动各版本介绍
2024-01-24 04:26:30
![](https://img.aspxhome.com/file/2023/9/69169_0s.png)