第三次作业：卷积神经网络

 

 

一、MNIST数据集分类

卷积神经网络

 1、加载数据

  PyTorch包含部分常用数据集，调用  torchvision.datasets可以从网络下载到本地使用。 

 显示已下载的数据集中的部分图像进行查看： 

 2、创建网络

 定义训练并测试函数

 3、在小型全连接网络上训练

 3、在卷积神经网络上训练

 5、打乱像素顺序再次在两个网络上训练与测试

首先是随机打乱像素顺序后的图像：

重新定义训练与测试函数： 

 在全连接网络上训练与测试：

 在卷积神经网络上训练与测试：

二、CIFAR10数据集分类

先下载CIFAR10到本地：

 展示CIFAR10中的部分图片：

 定义网络、损失函数和优化器：

 进行网络训练：

从测试集中挑出8张照片：

 把这8张图片输入模型，查看是识别结果：

 可以看出第一个、第六个都识别错误了，接下来是这个网络在整个数据集上识别的结果：

 可以看到整体的准确率为63%，接下来我们通过一些方法提高识别准确率。

三、使用VGG16对CIFAR10数据集分类

1、定义dataloader

 首先下载安装文件：

2、VGG网络定义

 3、网络训练

 

 出现了错误，经查询将cfg改为self.cfg，但是错误未解决，又从同学的博客中学习到将参数调整为512，最后解决问题。

4、测试验证准确率

进行训练：

 

 

测试准确率：

可以发现使用VGG网络后，准确率从原先的63%是提升到了 83.14%，效果十分显著。