手写字体识别MINST的两种方法

作为Pytorch初学者，利用MNIST数据集作为基本数据集，使用Pytorch进行搭建模型训练。

MNIST数据集小，训练较容易。

训练数据集的长度为：60000
测试数据集的长度为：10000

1、方法一，线性连接层

一共五层网络，第一层输入7844，第二层520，第三层320，第四层240，第五层120，最后输出分类字符0——9共十种类，因此，最后一层为10.该方法简单。线性连接，准确率低。

class Net(nn.Module):def __init__(self):super(Net, self).__init__()self.l1 = nn.Linear(784, 520)self.l2 = nn.Linear(520, 320)self.l3 = nn.Linear(320, 240)self.l4 = nn.Linear(240, 120)self.l5 = nn.Linear(120, 10)def forward(self, x):x = x.view(-1, 784)  # flatten the data (n, 1, 28,28 )_-》（n,784)x = F.relu(self.l1(x))x = F.relu(self.l2(x))x = F.relu(self.l3(x))x = F.relu(self.l4(x))x = F.relu(self.l5(x))return x

该方法简单，容易实现。准确率不高，误差大。不建议用。不过用于方便理解。

Test set: Average loss :0.0123,Accuracy：6824/10000（68%)

2、方法二，卷积神经CNN

class Net(nn.Module):def __init__(self):super(Net, self).__init__()self.conv1 = nn.Sequential(nn.Conv2d(in_channels=1,  # size of input channelsout_channels=16,  # size of input channelskernel_size=(5, 5),  # size of filterstride=(1, 1),  # step of filterpadding=2,  # padding num),nn.ReLU(),nn.MaxPool2d(kernel_size=2),)self.conv2 = nn.Sequential(nn.Conv2d(16, 32, (5, 5), (1, 1), 2),nn.ReLU(),nn.MaxPool2d(2),)self.flat = nn.Flatten()  # flattern the resultself.out = nn.Linear(32 * 7 * 7, 10)def forward(self, x):x = self.conv1(x)x = self.conv2(x)x = self.flat(x)out = self.out(x)return out

该方法快速，准确度高。建议初学者多加练习。

Test set: Average loss :0.0006,Accuracy：9859/10000（99%)

推荐使用这个进行初学练习。

手写字体识别MINST的两种方法相关推荐

matlab文字bp识别,MNIST手写字体识别（CNN+BP两种实现）-Matlab程序
[实例简介] MNIST手写字 Matlab程序,包含BP和CNN程序.不依赖任何库,包含MNIST数据,BP网络可达到98.3%的识别率,CNN可达到99%的识别率.CNN比较耗时,关于CNN的程序 ...
android 手写字体识别,一种基于Android系统的手写数学公式识别及生成MathML的方法...
专利名称:一种基于Android系统的手写数学公式识别及生成MathML的方法技术领域: 本发明属于模式识别技术领域,涉及数学公式中字符间的空间结构分析,具体涉及一种基于Android系统的手写数学 ...
AI基础：KNN与K近邻距离度量说明、利用KNN手写字体识别分类实践
KNN k近邻文章目录 KNN算法 K近邻中近邻的距离度量欧式距离标准化欧式距离曼哈顿距离汉明距离夹角余弦杰卡德相似系数皮尔逊系数切比雪夫距离闵可夫斯基距离马氏距离巴氏距离各 ...
第六讲 Keras实现手写字体识别分类
一本节课程介绍 1.1 知识点 1.图像识别分类相关介绍: 2.Mnist手写数据集介绍: 3.标准化数据预处理: 4.实验手写字体识别二课程内容 2.1 图像识别分类基本介绍计算机的图像识别 ...
神经网络学习（二）Tensorflow-简单神经网络（全连接层神经网络）实现手写字体识别
神经网络学习(二)神经网络-手写字体识别框架:Tensorflow 1.10.0 数据集:mnist数据集策略:交叉熵损失优化:梯度下降五个模块:拿数据.搭网络.求损失.优化损失.算准确率一 ...
MNIST手写字体识别入门编译过程遇到的问题及解决
MNIST手写字体识别入门编译过程遇到的问题及解决以MNIST手写字体识别作为神经网络及各种网络模型的作为练手,将遇到的问题在这里记录与交流. 激活tensorflow环境后,运行spyder或者j ...
深度学习，实现手写字体识别（大数据人工智能公司）
手写字体识别是指给定一系列的手写字体图片以及对应的标签,构建模型进行学习,目标是对于一张新的手写字体图片能够自动识别出对应的文字或数字.通过深度学习构建普通神经网络和卷积神经网络,处理手写字体数据.通 ...
PyTorch手写字体识别MNIST
手写字体识别MNIST 1.准备工作可以看这个老师的视频进行学习,讲解的非常仔细:视频学习 2.项目代码 2.1 导入模块 # 1.加载相关库 import torch import torch.n ...
pytorch CNN手写字体识别
## """CNN手写字体识别"""import torch import torch.nn as nn from torch.autogr ...

手写字体识别MINST的两种方法

1、方法一，线性连接层

手写字体识别MINST的两种方法相关推荐

最新文章

热门文章