1. 数据准备。使用torchvision框架下载MNIST数据集。数据格式为IDX,该格式是一种简单的二进制格式,由高到低的字节信息内容为元数据(魔数、图像数量、图像行数、图像列数)和图像数据。每个图像大小是28x28像素。训练集60000张图像,测试集10000张图像。
2. 实例化神经网络。声明优化器与损失函数。
3.训练神经网络并记录训练损失和测试集准确率。
4.尝试不同超参数,分析测试正确率与实验配置的关系。
点击空白处退出提示
1. 数据准备。使用torchvision框架下载MNIST数据集。数据格式为IDX,该格式是一种简单的二进制格式,由高到低的字节信息内容为元数据(魔数、图像数量、图像行数、图像列数)和图像数据。每个图像大小是28x28像素。训练集60000张图像,测试集10000张图像。
2. 实例化神经网络。声明优化器与损失函数。
3.训练神经网络并记录训练损失和测试集准确率。
4.尝试不同超参数,分析测试正确率与实验配置的关系。
评论