DeepStudy - CNN 手写数字识别
返回项目列表
DeepStudy - CNN 手写数字识别
已发布PythonPyTorchCNN深度学习
使用 PyTorch 构建卷积神经网络，在 MNIST 数据集上完成手写数字分类，5 轮训练准确率达 99%。
项目简介
使用 PyTorch 构建卷积神经网络（CNN），在 MNIST 数据集上完成手写数字（0-9）的分类任务。项目包含完整的模型训练、评估、保存与加载预测流程，5 轮训练后测试集准确率可达 99% 左右。
网络结构
| 层 | 输出尺寸 | 说明 |
|---|---|---|
| 输入 | 1 × 28 × 28 | 灰度手写数字图像 |
| Conv1 + ReLU + MaxPool | 32 × 14 × 14 | 3×3 卷积 |
| Conv2 + ReLU + MaxPool | 64 × 7 × 7 | 3×3 卷积 |
| Conv3 + ReLU + MaxPool | 128 × 3 × 3 | 3×3 卷积 |
| Flatten | 1152 | 展平 |
| FC1 + ReLU + Dropout | 128 | 全连接层 |
| FC2 + LogSoftmax | 10 | 输出 10 个类别 |