使用 PyTorch 实现 MLP 并在 MNIST 数据集上验证方式

# 在数据集上测试神经网络
def test():
correct = 0
total = 0
with torch.no_grad(): # 训练集中不需要反向传播
for data in test_loader:
images, labels = data
outputs = model(images)
_, predicted = torch.max(outputs.data, 1)
total += labels.size(0)
correct += (predicted == labels).sum().item()
print('Accuracy of the network on the test images: %d %%' % (
100 * correct / total))
return 100.0 * correct / total

# 声明感知器网络
model = MLP()

if __name__ == '__main__':
train()

10 个 epoch 的训练效果，最后能达到大约 85% 的准确率。可以适当增加 epoch，但代码里没有用 gpu 运行，可能会比较慢。

以上这篇使用 PyTorch 实现 MLP 并在 MNIST 数据集上验证方式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软件开发网。

您可能感兴趣的文章:pytorch实现mnist数据集的图像可视化及保存关于Pytorch的MNIST数据集的预处理详解Pytorch使用MNIST数据集实现基础GAN和DCGAN详解Pytorch使用MNIST数据集实现CGAN和生成指定的数字方式pytorch GAN伪造手写体mnist数据集方式pytorch:实现简单的GAN示例(MNIST数据集)用Pytorch训练CNN(数据集MNIST,使用GPU的方法)详解PyTorch手写数字识别(MNIST数据集)pytorch 把MNIST数据集转换成图片和txt的方法pytorch实现建立自己的数据集(以mnist为例)

 4/4   首页 上一页 2 3 4