pytorch——人工智能的开源深度学习框架pytorch深度学习框架之tensor张量计算机视觉的基石——读懂 CNN卷积神经网络使用MNIST数据集训练第一个pytorch CNN手写数字识别神经网络上期文章我们分享了使用MINIST数据集训练第一个CNN卷积神经网络，并保存了预训练模型，本期我们基于上期的模型，进行神经网络的识别
MINIST数据MINIST的数据分为2个部分：55000份训练数据（mnist.train）和10000份测试数据（mnist.test）。这个划分有重要的象征意义，他展示了在机器学习中如何使用数据。在训练的过程中，我们必须单独保留一份没有用于机器训练的数据作为验证的数据，它能确保训练的结果的可行性。
前面已经提到，每一份MINIST数据都由图片以及标签组成。我们将图片命名为“x”，将标记数字的标签命名为“y”。训练数据集和测试数据集都是同样的结构，例如：训练的图片名为 mnist.train.images 而训练的标签名为 mnist.train.labels。
每一个图片均为28×28像素，我们可以将其理解为一个二维数组的结构，这里重点强调一下MINIST数据集是黑底白字，这里在识别数字的时候需要转换一下自己的数据图片，一般我们的照片时白底黑字，这里在调试代码时也遇到了类似的问题，神经网络总是识别错误
MINIST
CNN卷积神经网络搭建首先按照上期的代码搭建一下我们的CNN 卷积神经网络
import torch import torch.nn as nn from PIL import Image 定义神经网络 class CNN(nn.Module): def __init__(self): super(CNN, self).__init__() self.conv1 = nn.Sequential( 输入通道数 out_channels=16, 卷积核大小 stride=1, 如果想要 con2d 出来的图片长宽没有变化, output shape (16, 28, 28) nn.ReLU(), 在 2x2 空间里向下采样, output shape (16, 14, 14) ) self.conv2 = nn.Sequential( output shape (32, 14, 14) nn.ReLU(), output shape (32, 7, 7) ) self.out = nn.Linear(32 * 7 * 7, 10) 前向反馈 def forward(self, x): x = self.conv1(x) x = self.conv2(x) x = x.view(x.size(0), -1) n_filters（输出通道数），第三个参数为卷积核大小，第四个参数为卷积步数，最后一个为pading,此参数为保证输入输出图片的尺寸大小一致 self.conv2 = nn.Sequential( output shape (32, 14, 14) nn.ReLU(), output shape (32, 7, 7) )全连接层，最后使用nn.linear()全连接层进行数据的全连接数据结构（32*7*7,10）以上便是整个卷积神经网络的结构，
大致为：input-卷积-Relu-pooling-卷积-Relu-pooling-linear-output
卷积神经网络建完后，使用forward（）前向传播神经网络进行输入图片的训练
初始化图片数据file_name = &39; 39;L&39;L&39;./model/CNN_NO1.pk&39;cpu&39;0&39;1&39;2&39;3&39;4&39;5&39;6&39;7&39;8&39;9&39;./model/CNN_NO1.pk&39;cpu'))由于MNIST数据集只有0-9个数字，我们设置一个list存放这10个值
Python 有多种机制可以在本地禁用梯度计算：要在整个代码块中禁用渐变，有上下文管理器，如 no-grad 模式和推理模式。为了从梯度计算中更细粒度地排除子图，可以设置requires_grad张量。这里主要的好处是可以 节省大量的内存，我们只是为了测试我们的神经网络，可以采用类似做法。
然后我们把图片传入神经网络进行预测，我们可以计算出神经网络的预测结果与置信度
tensor([2.3575e-05, 2.2012e-03, 2.9602e-02, 1.7745e-02, 1.5333e-01, 3.1148e-03, 1.2766e-03, 2.0447e-02, 4.6207e-02, 7.2605e-01]) 9 9 0.7260508运行以上代码，神经网络会输出每个值的预测置信度，我们从中挑选出置信度最大的。
本站所发布的文字与图片素材为非商业目的改编或整理，版权归原作者所有，如侵权或涉及违法，请联系我们删除
热门信息
阅读 ()
1 注册微信号怎么注册第二个阅读 ()
2 怎么把照片变成卡通头像阅读 ()
3 手机越充越少电怎么解决