FASHION-MNIST 图像分类实现（softmax regression）--Dive-into-DL-Pytorch

参照Dive-into-DL-Pytorch，可自行下载阅读。
本文在pycharm 中编译，结果如图所示，准确率还需提升。

导入模块

import torch
import numpy as np
import d2lzh_pytorch as d2l

d2lzh_pytorch是一个包，方便以后的调用，后面展示都有哪些函数。

#batch_size设为2^n
batch_size = 256
#导入fashion_mnist数据，第一次自动下载,训练样本60000（10类，每个6000张），测试样本10000（10类，每个1000张）
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)
#输入为28*28的图片，需转换为784*1
num_inputs = 784
#输出分类有10类，预测输出其中一类
num_outputs = 10

#softmax(w*x + b)，w的维度为784*10，b的维度为1*10
w = torch.tensor(np.random.normal(0, 0.01, (num_inputs, num_outputs)), dtype=torch.float)
b = torch.zeros(num_outputs, dtype=torch.float)
#需要参数的梯度
w.requires_grad_(requires_grad=True)
b.requires_grad_(requires_grad=True)

#softmax计算，keepdim=True为在结果中保持行，列不变
def softmax(x):
    x_exp = x.exp()
    partition = x_exp.sum(dim=1, keepdim=True)
    return x_exp / partition
#定义模型
def net(x):
    return softmax(torch.mm(x.view(-1, num_inputs), w) + b)
#输出10个中，只有最大的那个为1，其余为0，故通过gather选出1所对应位置的y_hat即可,负对数
def cross_entropy(y_hat, y):
    return - torch.log

最后

以上就是醉熏火为你收集整理的FASHION-MNIST 图像分类实现（softmax regression）--Dive-into-DL-Pytorch的全部内容，希望文章能够帮你解决FASHION-MNIST 图像分类实现（softmax regression）--Dive-into-DL-Pytorch所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。