PyTorch实现卷积神经网络CNN

一、卷积神经网络CNN

二、代码实现（PyTorch）

1. 导入依靠库

1. import torch
2. from torch import nn, optim
3. from torchvision import datasets, transforms
4. from torch.utils.data import DataLoader

复制代码

  

• nn：包罗了torch已经准备好的层，激活函数、全毗连层等
    
  
• optim：提供了神经网络的一系列优化算法，如 SGD、Adam 等
    
  
• datasets：提供常用的数据集，如 MNIST（本次利用）、CIFAR10/100、ImageNet、COCO 等
    
  
• DataLoder：装载上面提到的数据集
  
  

2. 准备数据集

         这里利用MNIST数据集，它是一个大型手写数字数据库（包罗0~9十个数字），原始的这两个数据集由128×128像素的好坏图像构成。LeCun等人将其举行归一化和尺寸调解后得到的是28×28的灰度图像。
         MNIST数据集统共包罗两个子数据集：一个练习数据集（train_dataset）和一个测试数据集（test_dataset）。它们分别包罗了60K和10K的28×28的灰度图像。代码如下：

1. # 训练集
2. train_dataset = datasets.MNIST(r

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！qidao123.com:ToB企服之家，中国第一个企服评测及软件市场,开放入驻,技术点评得现金