Pytorch是深度学习中流行的编程框架之一,MNIST是用于图像分类的手写数字图片数据集,本经验介绍了Pytorch如何训练MNIST模型
工具/原料
Pytorch
方法/步骤
1
在python环境中先导入Pytorch相关的包, 在Conda环境下可使用 conda install pytorch torchvision cudatoolkit=10.1 -c pytorch 命令安装Pytorch
2
使用Pytorch导入MNIST数据集, 第一次导入时设置download=True可以自动下载MNIST数据集, transform将MNIST数据集归一化, batchsize设置为128
3
定义一个名为PytorchMnistModel的网络模型, 输入为28*28维, 输出为10维, 包含fc1和fc2两个全连接层, conv1和conv2两个卷积层
4
实例化上一步定义的PytorchMnistModel模型, .cuda()将模型放到GPU上, criterion损失函数设置为交叉熵CrossEntropyLoss, optimizer优化器设置为Adam学习率lr设置为0.001
5
range(15)将epoch迭代次数设置为15, .cuda()将数据放到GPU上, training_loss记录训练损失的数值, plt.plot画出损失大小的折线图, display每训练一个batch就将折线图刷新一次
注意事项
感谢您的认真阅读,觉得有帮助就投票点个赞吧~
上一篇:青蛇游戏中怎么钓鱼