侯体宗的博客
  • 首页
  • Hyperf版
  • beego仿版
  • 人生(杂谈)
  • 技术
  • 关于我
  • 更多分类
    • 文件下载
    • 文字修仙
    • 中国象棋ai
    • 群聊
    • 九宫格抽奖
    • 拼图
    • 消消乐
    • 相册

pytorch 利用lstm做mnist手写数字识别分类的实例

Python  /  管理员 发布于 5年前   578

代码如下,U我认为对于新手来说最重要的是学会rnn读取数据的格式。

# -*- coding: utf-8 -*-"""Created on Tue Oct 9 08:53:25 2018@author: www""" import syssys.path.append('..') import torchimport datetimefrom torch.autograd import Variablefrom torch import nnfrom torch.utils.data import DataLoader from torchvision import transforms as tfsfrom torchvision.datasets import MNIST #定义数据data_tf = tfs.Compose([   tfs.ToTensor(),   tfs.Normalize([0.5], [0.5])])train_set = MNIST('E:/data', train=True, transform=data_tf, download=True)test_set = MNIST('E:/data', train=False, transform=data_tf, download=True) train_data = DataLoader(train_set, 64, True, num_workers=4)test_data = DataLoader(test_set, 128, False, num_workers=4) #定义模型class rnn_classify(nn.Module):   def __init__(self, in_feature=28, hidden_feature=100, num_class=10, num_layers=2):     super(rnn_classify, self).__init__()     self.rnn = nn.LSTM(in_feature, hidden_feature, num_layers)#使用两层lstm     self.classifier = nn.Linear(hidden_feature, num_class)#将最后一个的rnn使用全连接的到最后的输出结果        def forward(self, x):     #x的大小为(batch,1,28,28),所以我们需要将其转化为rnn的输入格式(28,batch,28)     x = x.squeeze() #去掉(batch,1,28,28)中的1,变成(batch, 28,28)     x = x.permute(2, 0, 1)#将最后一维放到第一维,变成(batch,28,28)     out, _ = self.rnn(x) #使用默认的隐藏状态,得到的out是(28, batch, hidden_feature)     out = out[-1,:,:]#取序列中的最后一个,大小是(batch, hidden_feature)     out = self.classifier(out) #得到分类结果     return out     net = rnn_classify()criterion = nn.CrossEntropyLoss()optimizer = torch.optim.Adadelta(net.parameters(), 1e-1) #定义训练过程def get_acc(output, label):  total = output.shape[0]  _, pred_label = output.max(1)  num_correct = (pred_label == label).sum().item()  return num_correct / total    def train(net, train_data, valid_data, num_epochs, optimizer, criterion):  if torch.cuda.is_available():    net = net.cuda()  prev_time = datetime.datetime.now()  for epoch in range(num_epochs):    train_loss = 0    train_acc = 0    net = net.train()    for im, label in train_data:      if torch.cuda.is_available():        im = Variable(im.cuda()) # (bs, 3, h, w)        label = Variable(label.cuda()) # (bs, h, w)      else:        im = Variable(im)        label = Variable(label)      # forward      output = net(im)      loss = criterion(output, label)      # backward      optimizer.zero_grad()      loss.backward()      optimizer.step()       train_loss += loss.item()      train_acc += get_acc(output, label)     cur_time = datetime.datetime.now()    h, remainder = divmod((cur_time - prev_time).seconds, 3600)    m, s = divmod(remainder, 60)    time_str = "Time %02d:%02d:%02d" % (h, m, s)    if valid_data is not None:      valid_loss = 0      valid_acc = 0      net = net.eval()      for im, label in valid_data:        if torch.cuda.is_available():          im = Variable(im.cuda())          label = Variable(label.cuda())        else:          im = Variable(im)          label = Variable(label)        output = net(im)        loss = criterion(output, label)        valid_loss += loss.item()        valid_acc += get_acc(output, label)      epoch_str = (        "Epoch %d. Train Loss: %f, Train Acc: %f, Valid Loss: %f, Valid Acc: %f, "        % (epoch, train_loss / len(train_data),          train_acc / len(train_data), valid_loss / len(valid_data),          valid_acc / len(valid_data)))    else:      epoch_str = ("Epoch %d. Train Loss: %f, Train Acc: %f, " % (epoch, train_loss / len(train_data), train_acc / len(train_data)))    prev_time = cur_time    print(epoch_str + time_str)    train(net, train_data, test_data, 10, optimizer, criterion)    

以上这篇pytorch 利用lstm做mnist手写数字识别分类的实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。


  • 上一条:
    pytorch1.0中torch.nn.Conv2d用法详解
    下一条:
    关于Pytorch的MNIST数据集的预处理详解
  • 昵称:

    邮箱:

    0条评论 (评论内容有缓存机制,请悉知!)
    最新最热
    • 分类目录
    • 人生(杂谈)
    • 技术
    • linux
    • Java
    • php
    • 框架(架构)
    • 前端
    • ThinkPHP
    • 数据库
    • 微信(小程序)
    • Laravel
    • Redis
    • Docker
    • Go
    • swoole
    • Windows
    • Python
    • 苹果(mac/ios)
    • 相关文章
    • 在python语言中Flask框架的学习及简单功能示例(0个评论)
    • 在Python语言中实现GUI全屏倒计时代码示例(0个评论)
    • Python + zipfile库实现zip文件解压自动化脚本示例(0个评论)
    • python爬虫BeautifulSoup快速抓取网站图片(1个评论)
    • vscode 配置 python3开发环境的方法(0个评论)
    • 近期文章
    • 智能合约Solidity学习CryptoZombie第二课:让你的僵尸猎食(0个评论)
    • 智能合约Solidity学习CryptoZombie第一课:生成一只你的僵尸(0个评论)
    • 在go中实现一个常用的先进先出的缓存淘汰算法示例代码(0个评论)
    • 在go+gin中使用"github.com/skip2/go-qrcode"实现url转二维码功能(0个评论)
    • 在go语言中使用api.geonames.org接口实现根据国际邮政编码获取地址信息功能(1个评论)
    • 在go语言中使用github.com/signintech/gopdf实现生成pdf分页文件功能(0个评论)
    • gmail发邮件报错:534 5.7.9 Application-specific password required...解决方案(0个评论)
    • 欧盟关于强迫劳动的规定的官方举报渠道及官方举报网站(0个评论)
    • 在go语言中使用github.com/signintech/gopdf实现生成pdf文件功能(0个评论)
    • Laravel从Accel获得5700万美元A轮融资(0个评论)
    • 近期评论
    • 122 在

      学历:一种延缓就业设计,生活需求下的权衡之选中评论 工作几年后,报名考研了,到现在还没认真学习备考,迷茫中。作为一名北漂互联网打工人..
    • 123 在

      Clash for Windows作者删库跑路了,github已404中评论 按理说只要你在国内,所有的流量进出都在监控范围内,不管你怎么隐藏也没用,想搞你分..
    • 原梓番博客 在

      在Laravel框架中使用模型Model分表最简单的方法中评论 好久好久都没看友情链接申请了,今天刚看,已经添加。..
    • 博主 在

      佛跳墙vpn软件不会用?上不了网?佛跳墙vpn常见问题以及解决办法中评论 @1111老铁这个不行了,可以看看近期评论的其他文章..
    • 1111 在

      佛跳墙vpn软件不会用?上不了网?佛跳墙vpn常见问题以及解决办法中评论 网站不能打开,博主百忙中能否发个APP下载链接,佛跳墙或极光..
    • 2016-10
    • 2016-11
    • 2018-04
    • 2020-03
    • 2020-04
    • 2020-05
    • 2020-06
    • 2022-01
    • 2023-07
    • 2023-10
    Top

    Copyright·© 2019 侯体宗版权所有· 粤ICP备20027696号 PHP交流群

    侯体宗的博客