使用 Logistic Regression 识别手写数字-PyTorch

逻辑回归是一种非常常用的统计方法，它允许我们从一组自变量预测二进制输出。本文之前已经介绍了 Logistic 回归的各种属性及其 Python 实现 。现在，我们将了解如何在 PyTorch 中实现这一点，PyTorch 是由 Facebook 开发的一个非常流行的深度学习库。
现在，我们将了解如何使用 PyTorch 中的 Logistic Regression 对 MNIST 数据集中的手写数字进行分类。首先，您需要将 PyTorch 安装到 Python 环境中。最简单的方法是使用 pip 或 conda 工具。访问 pytorch.org 并安装要使用的 Python 解释器版本和包管理器。
安装 PyTorch 后，现在让我们看看代码。编写下面给出的三行代码，以导入所需的库函数和对象。

import torch
import torch.nn as nn
import torchvision.datasets as dsets
import torchvision.transforms as transforms
from torch.autograd import Variable

在这里，torch.nn 模块包含模型所需的代码，torchvision.datasets 包含 MNIST 数据集。它包含我们将在此处使用的手写数字数据集。torchvision.transforms 模块包含将对象转换为其他对象的各种方法。在这里，我们将使用它从图像转换为 PyTorch 张量。此外，torch.autograd 模块还包含 Variable 类等，我们将在定义张量时使用它。
接下来，我们将下载数据集并将其加载到内存中。

# Set the batch size
batch_size = 64

# MNIST Dataset (Images and Labels)
train_dataset = dsets.MNIST(root ='./data', 
                            train = True, 
                            transform = transforms.ToTensor(),
                            download = True)

test_dataset = dsets.MNIST(root ='./data', 
                           train = False, 
                           transform = transforms.ToTensor())

# Dataset Loader (Input Pipeline)
train_loader = torch.utils.data.DataLoader(dataset = train_dataset, 
                                           batch_size = batch_size, 
                                           shuffle = True)

test_loader = torch.utils.data.DataLoader(dataset = test_dataset, 
   

原文地址：https://blog.csdn.net/jianqimingtian/article/details/143059999

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！