Python使用gluon/mxnet模块实现的mnist手写数字识别功能完整示例
2019-12-19 07:07
1421 查看
本文实例讲述了Python使用gluon/mxnet模块实现的mnist手写数字识别功能。分享给大家供大家参考,具体如下:
import gluonbook as gb from mxnet import autograd,nd,init,gluon from mxnet.gluon import loss as gloss,data as gdata,nn,utils as gutils import mxnet as mx net = nn.Sequential() with net.name_scope(): net.add( nn.Conv2D(channels=32, kernel_size=5, activation='relu'), nn.MaxPool2D(pool_size=2, strides=2), nn.Flatten(), nn.Dense(128, activation='sigmoid'), nn.Dense(10, activation='sigmoid') ) lr = 0.5 batch_size=256 ctx = mx.gpu() net.initialize(init=init.Xavier(), ctx=ctx) train_data, test_data = gb.load_data_fashion_mnist(batch_size) trainer = gluon.Trainer(net.collect_params(),'sgd',{'learning_rate' : lr}) loss = gloss.SoftmaxCrossEntropyLoss() num_epochs = 30 def train(train_data, test_data, net, loss, trainer,num_epochs): for epoch in range(num_epochs): total_loss = 0 for x,y in train_data: with autograd.record(): x = x.as_in_context(ctx) y = y.as_in_context(ctx) y_hat=net(x) l = loss(y_hat,y) l.backward() total_loss += l trainer.step(batch_size) mx.nd.waitall() print("Epoch [{}]: Loss {}".format(epoch, total_loss.sum().asnumpy()[0]/(batch_size*len(train_data)))) if __name__ == '__main__': try: ctx = mx.gpu() _ = nd.zeros((1,), ctx=ctx) except: ctx = mx.cpu() ctx gb.train(train_data,test_data,net,loss,trainer,ctx,num_epochs)
更多关于Python相关内容可查看本站专题:《Python数学运算技巧总结》、《Python图片操作技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》
希望本文所述对大家Python程序设计有所帮助。
您可能感兴趣的文章:
相关文章推荐
- Pytorch实现的手写数字mnist识别功能完整示例
- 详解python实现识别手写MNIST数字集的程序
- 《神经网络与深度学习》第一章 使用神经网络来识别手写数字(三)- 用Python代码实现
- 神经网络与深度学习 使用Python实现基于梯度下降算法的神经网络和自制仿MNIST数据集的手写数字分类可视化程序 web版本
- python实现基于SVM手写数字识别功能
- 使用PCA + KNN对MNIST数据集进行手写数字识别 python
- 神经网络与深度学习 1.6 使用Python实现基于梯度下降算法的神经网络和MNIST数据集的手写数字分类程序
- python tensorflow 使用minist数据集实现手写数字识别
- 深度学习-CNN卷积神经网络使用TensorFlow框架实现MNIST手写数字识别
- tensorflow 学习专栏(五):在mnist数据集上使用tensorflow实现临近算法(Nearest-Neighbor)进行手写数字识别
- 深度学习-传统神经网络使用TensorFlow框架实现MNIST手写数字识别
- Python代码实现简单的MNIST手写数字识别(适合初学者看)
- 使用tensorflow卷积神经网络实现mnist手写数字识别
- torch入门笔记4:用torch实现MNIST手写数字识别
- Kaggle Digit Recognizer 基于sklearn实现的手写数字识别 for MNIST data
- 深度学习笔记(四)用Torch实现MNIST手写数字识别
- Python使用微信SDK实现的微信支付功能示例
- Tensorflow实现MNIST手写数字识别(Softmax Regression)
- 2.keras实现MNIST手写数字分类问题初次尝试(Python)
- caffe的python接口学习(4):mnist实例---手写数字识别