使用pytorch搭建卷积网络分类MINST数据集，通过改变网络层数和卷积核大小观察对最终分类准确性的影响，并可视化实验结果
一、实验目的 熟悉掌握卷积神经网络的定义，了解网络中卷积层，池化层等各层特点，并利用卷积神经网络对MINST数据集进行分类。 二、实验内容 MINST数据集为数据，实现MINST数据集分类的操作，其中MINST数据集有10类分别为0~9。 三、实验要求 1.从网上下载MINST数据集，训练你所编写的网络，要求记录每次迭代的损失值 2.改变卷积神经网络卷积层和池化层数，观察分类准确率。思考网络层数的多少对分类准确率的影响。 3.改变卷积神经网络卷积核的大小，观察分类准确率。思考卷积核大小对分类准确率的影响。 4.实验精度达到99.5%，网络结构简单，代码简单易懂（不够精简） 5.内含实验报告，实验报告根据网络层数和卷积核大小分别进行对比试验。在原网络的基础上进行修改各产生两组对照组，最后对实验结果用tensorboard进行可视化操作
5
406
22.33MB
2023-01-18
26
