PyTorch中的MNIST图像识别数据集（带实例） _图像识别

在本主题中, 我们将讨论一种在图像识别中使用的新型数据集。该数据集称为MNIST数据集。 MNIST数据集可以在网上找到, 并且本质上只是各种手写数字的数据库。 MNIST数据集包含大量数据, 通常用于证明深度神经网络的真正功能。
假设我们有下图：

文章图片
当我们看图像时, 我们的大脑和眼睛一起工作以识别出该图像为第八位。我们的大脑是一个非常强大的工具, 并且能够非常快速地将该图像归类为八个。数字的形状如此之多, 我们的大脑可以轻松识别这些形状并确定数字是多少, 但是对于计算机而言, 完成这项任务并非那么简单。只有一种方法可以做到这一点, 那就是使用深度神经网络, 它允许我们训练计算机以有效地对手写数字进行分类。
到目前为止, 我们只处理了笛卡尔坐标系上包含简单数据点的数据。从开始到现在, 我们一直在处理二进制类数据集。现在, 我们将使用多类数据集, 当使用多类数据集时, 将在输出层中使用Softmax激活函数, 而不是Sigmoid函数。 sigmoid激活函数对于分类二进制数据集非常有用, 并且在将概率值排列在0和1之间时非常有效。sigmoid函数对于多类数据集无效, 为此, 我们使用Softmax激活函数, 即有能力应对。
MNIST数据集是一个多类数据集, 由10个类别组成, 我们可以将0到9的数字分类。先前使用的数据集与MNIST数据集之间的主要区别在于, 将MNIST数据输入到神经网络。
在感知器模型和线性回归模型中, 每个数据点均由简单的X和Y坐标定义。这意味着输入层需要两个节点来输入单个数据点。
在MNIST数据集中, 单个数据点以图像的形式出现。包含在MNIST数据集中的这些图像通常为28 * 28像素, 因此, 横轴为28个像素, 纵轴为28个像素。这意味着来自MNIST数据库的单个图像共有784个像素, 必须对其进行分析。我们的神经网络的输入层中有784个节点来分析这些图像之一。

文章图片
由于增加了输入节点, 并且没有增加任何类, 因此可以将数字分类为0到9。很明显, 我们的数据集比我们之前分析的任何数据集都要复杂。为了对该数据集进行分类, 需要具有某些隐藏层有效性的深度神经网络。
【PyTorch中的MNIST图像识别数据集（带实例）】在我们的深度神经网络中, 输入层中有784个节点, 一些隐藏层将前馈输入值, 最后输出层中有十个节点, 分别对应每个手写数字。这些值通过网络馈送, 并且在输出层中输出最高激活值的节点标识字母或数字。