[基于Pytorch的MNIST识别05]总结

Posted 2021-10-28 AIplusX

写在前面

走走停停，我自己做的第一个机器学习的项目：MNIST手写字符集的识别，终于结束了，一路走来也算是踩了大大小小的坑，在这篇文章里做一个总结。

模型配置

模型总共有4层，输入层有784个神经元，分别对应28X28个像素的MNIST手写字符集图像（预先进行归一化），隐藏层有2个，每层16个神经元，输出层有10个神经元，分别对应数字0~9。

模型结构如图所示：

pytorch环境版本：1.8.1+cu102

模型最终在验证集上的准确率是95%：

知识点

1：pytorch模型保存：

save_path = './model/mnist_net'
torch.save(mnist_net, save_path) 

2：模型训练技巧

在模型初步训练的时候使用一个较大的batch（例如128）进行初步的训练，大概100个epoch之后验证集上的正确率大概可以达到90%，之后如果还用大batch的话loss下降的就很慢，正确率上不去，所以之后我分别使用小batch（例如32，1）进行训练，最终达到了95%的正确率。

源码

相关的资料关注我的公众号后即可下载，文件结构如图所示：

主要内容

主要内容在我的古月居博客：
[基于Pytorch的MNIST识别05]总结

之后我就会做一些轨迹规划算法的学习以及实现了，欢迎大家持续关注。