Pytorch MNIST数据集预处理步骤具体是怎样的？

本文共计2082个文字，预计阅读时间需要9分钟。

关于PyTorch的MNIST数据集预处理详解，实现MNIST的准确率达到99.7%以上，使用MNIST的卷积神经网络（CNN）实现，包含多种技术，如数据增强、损失函数等。操作系统：Ubuntu 18.04，显卡：GTX。

关于Pytorch的MNIST数据集的预处理详解

MNIST的准确率达到99.7%

用于MNIST的卷积神经网络（CNN）的实现，具有各种技术，例如数据增强，丢失，伪随机化等。

操作系统：ubuntu18.04

显卡：GTX1080ti

python版本：2.7（3.7）

网络架构

具有4层的CNN具有以下架构。

输入层：784个节点（MNIST图像大小）

第一卷积层：5x5x32

第一个最大池层

第二卷积层：5x5x64

第二个最大池层

第三个完全连接层：1024个节点

输出层：10个节点（MNIST的类数)

用于改善CNN性能的工具

采用以下技术来改善CNN的性能。