【A105】基于Pytorch使用BP神经网络识别手写数字集MNIST

2022-07-20 20:25:28      索炜达电子      471     

文件编号:A105

文件大小:167M

开发环境:Python3.8、OpenCV4.6、Torch、Pycharm2020

猿创承诺:该项目亲测正常运行,需远程调试部署需另外收费,确保正常使用,不能正常使用全额退款。

简要概述:基于Pytorch使用BP神经网络识别手写数字集MNIST

文件结构:

1.data文件夹

-MNIST 使用torchvision自动下载的数据集

-self 自己手动下载的数据集

2.fig文件夹

-存放了绘制的损失函数和准确率等曲线

3.save_model文件夹

-存放了保存的相关模型

v4.isual_BP文件夹

-存放了使用model_test.py测试模型时绘制的可视化图像,绘制的图像包含所有分类错误的手写数据,只包含少量全部正确的图像

c = find_width(t)  # c为绘制图像的长和宽

if c == -1:

    print('Error, can not plot ')

    print(t)

    continue

elif acc < 1 or (acc == 1 and random.uniform(0.0, 1.0) < 0.005):

    fig = plt.figure()

5.visual_CNN文件夹

基本同上

按需写作:

【A105】基于Pytorch使用BP神经网络识别手写数字集MNIST

演示视频:

【A105】基于Pytorch使用BP神经网络识别手写数字集MNIST

点击查看:系统演示视频

运行效果:

main.py 主要实现了使用BP神经网络训练模型并绘制损失函数和准确率等曲线 

【A105】基于Pytorch使用BP神经网络识别手写数字集MNIST

MNIST_By_CNN.py 主要实现了使用CNN网络训练模型并绘制相关曲线

model_test.py 可以加载已经保存的模型进行测试并实现可视化

【A105】基于Pytorch使用BP神经网络识别手写数字集MNIST

read_and_plot.py 存放了一些读取数据和绘图的函数

test.py 测试各种功能使用的,没有实际意义

远程协助:

温馨提示:索炜达.猿创官方提供收费远程协助,确保您项目运行成功。

点击查看:远程协助相关事项

我们提供完整项目文件清单如下:

文件目录

 ├ 1.项目源码

 ├ 2.运行截图

 └ 3.演示视频

TAGMNIST
  • 6 次
  • 450 分