【米尔边缘AI计算盒FZ5测评】手写数字识别——pytorch网络搭建Lenet网络
<div class='showpostmsg'><p style="text-indent:24.0pt; text-align:justify"><span style="font-size:12pt"><span style="line-height:150%"><span style="font-family:"Times New Roman",serif"><span style="font-family:宋体">本次测评将尝试搭建手写数字识别的第一部分：</span>pytorch<span style="font-family:宋体">框架的搭建。当然百度的</span>EasyDL<span style="font-family:宋体">可以进行神经网络的搭建和部署，但是</span>pytorch<span style="font-family:宋体">作为当下较为流行的神经网络框架也是很值得我们学习的。</span>LetNet<span style="font-family:宋体">网络</span><span style="font-family:宋体">一直被作为神经网络的当中的“</span>Hello World<span style="font-family:宋体">”，本次实验也已利用</span>PYNQ<span style="font-family:宋体">框架实现手写数字识别作为神经网络加速的入门教程。首先简要介绍一下</span>LetNet<span style="font-family:宋体">网络：</span></span></span></span></p><p style="text-indent:24.0pt; text-align:justify"></p>
<p style="text-indent:24.0pt; text-align:justify"><span style="font-size:12pt"><span style="line-height:150%"><span style="font-family:"Times New Roman",serif"><span style="font-family:宋体">其首先将输入大小为</span>32*32<span style="font-family:宋体">的单通道图片，然后通过若干卷积层和全连接层得到最终的分量向量，从而得到最终的分类结果。可以看到</span>LetNet<span style="font-family:宋体">网络结构非常的简单明了，然后使用</span>pytorch<span style="font-family:宋体">框架对网络进行了搭建和训练，首先导入相关库函数：</span></span></span></span></p>
<p align="center" style="text-align:center; text-indent:24.0pt"></p>
<p style="text-indent:24.0pt; text-align:justify"><span style="font-size:12pt"><span style="line-height:150%"><span style="font-family:"Times New Roman",serif"><span style="font-family:宋体">然后加载</span>pytorch<span style="font-family:宋体">自带的</span>MNIST<span style="font-family:宋体">数据集，并将其可视化：</span></span></span></span></p>
<p align="center" style="text-align:center; text-indent:24.0pt"></p>
<p style="text-indent:24.0pt; text-align:justify"><span style="font-size:12pt"><span style="line-height:150%"><span style="font-family:"Times New Roman",serif"><span style="font-family:宋体">然后定义网络结构，并且使用优化器进行训练，可以看到，得到的训练结果如下所示：</span></span></span></span></p>
<p align="center" style="text-align:center; text-indent:24.0pt"></p>
<p style="text-indent:24.0pt; text-align:justify"><span style="font-size:12pt"><span style="line-height:150%"><span style="font-family:"Times New Roman",serif"><span style="font-family:宋体">准确率在</span>98%<span style="font-family:宋体">到</span>99%<span style="font-family:宋体">之间波动，效果良好，然后对权重进行保存。保存的</span>pth<span style="font-family:宋体">文件，</span>pynq<span style="font-family:宋体">难以直接读取，所以可以将其转换为其他形式的文件，如</span>bin<span style="font-family:宋体">，</span>txt<span style="font-family:宋体">等。这里为了让参数更加直观，将其保存为了</span>txt<span style="font-family:宋体">文件，由于</span>pth<span style="font-family:宋体">文件其为字典形式的文件，所以需要编写一个脚本文件，打开第一个卷积层的权重可以看到其有</span>150<span style="font-family:宋体">个数据，符合</span>6*5*5=150<span style="font-family:宋体">的预期，</span>LetNet<span style="font-family:宋体">的网络训练部分告一段落。</span></span></span></span></p>
<p align="center" style="text-align:center; text-indent:24.0pt"></p>
<p style="text-indent:24.0pt; text-align:justify"> </p>
<p style="text-indent:24.0pt; text-align:justify"> </p>
<p style="text-indent:24.0pt; text-align:justify"> </p>
<p style="text-indent:24.0pt; text-align:justify"> </p>
<p style="text-indent:24.0pt; text-align:justify"> </p>
<p style="text-indent:24.0pt; text-align:justify"> </p>
</div><script> var loginstr = '<div class="locked">查看本帖全部内容，请<a href="javascript:;" style="color:#e60000" class="loginf">登录</a>或者<a href="https://bbs.eeworld.com.cn/member.php?mod=register_eeworld.php&action=wechat" style="color:#e60000" target="_blank">注册</a></div>';
if(parseInt(discuz_uid)==0){
(function($){
var postHeight = getTextHeight(400);
$(".showpostmsg").html($(".showpostmsg").html());
$(".showpostmsg").after(loginstr);
$(".showpostmsg").css({height:postHeight,overflow:"hidden"});
})(jQuery);
} </script><script type="text/javascript">(function(d,c){var a=d.createElement("script"),m=d.getElementsByTagName("script"),eewurl="//counter.eeworld.com.cn/pv/count/";a.src=eewurl+c;m.parentNode.insertBefore(a,m)})(document,523)</script>
页:
[1]