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