卷积神经网络

使用 PyTorch 进行CNN的训练与测试

一.MINIST数据集分类：

PyTorch里包含了 MNIST， CIFAR10 等常用数据集，调用 torchvision.datasets 即可把这些数据由远端下载到本地

 显示数据集中的部分图像

 2.创建网络，并在小型全连接网络上训练

训练函数：

在小型全连接网络上训练

 3.在卷积网络上训练：

打乱像素顺序再次在两个网络上训练与测试

 4.重新定义训练与测试函数，加入像素打乱顺序的训练函数与测试函数，定义一下网络，损失函数和优化器，将网络放到GPU上

 

 二.CIFAR10数据分类

展示 CIFAR10 里面的一些图片，并取出八张图片输入模型，观察CNN识别

1.定义dataloader

 2.定义VGG网络

 3.网络训练

 4.测试验证：

 使用一个简化版的 VGG 网络，就能够显著地将准确率由 64%，提升到 82.79%