ylecun/mnist
Viewer • Updated • 70k • 68k • 302
按课件 第2周-深度学习基本原理实践.pptx(1.2 MLP / 1.3 CNN / 1.4 LSTM-GRU)从零实现并训练的四个模型,
统一在 MNIST 上训练 3 轮(Adam,lr=1e-3,batch 64,训练 50000 / 验证 10000 / 测试 10000)。
| 模型 | 结构 | 验证准确率 | 测试准确率 | 训练耗时 |
|---|---|---|---|---|
| MLP | 784 → 64 → 10(ReLU) | 96.04% | 96.09% | 6.1 s |
| CNN | Conv(1→20,5×5)+ReLU+MaxPool → Conv(20→50,5×5)+ReLU+MaxPool → 800→500→10 | 98.81% | 99.00% | 9.3 s |
| LSTM | LSTM(input=28, hidden=128) → FC(128,10) | 96.87% | 96.90% | 7.8 s |
| GRU | GRU(input=28, hidden=128) → FC(128,10) | 97.07% | 96.67% | 7.0 s |
| 文件 | 说明 |
|---|---|
models/mlp.pt |
MLP,{"model": state_dict, "arch", "test_acc", "val_acc", "val_loss"} |
models/cnn.pt |
CNN(效果最好) |
models/lstm.pt |
LSTM(128) |
models/gru.pt |
GRU(128) |
加载示例:
import torch
from week2_lab import MNISTCNN
ckpt = torch.load("models/cnn.pt", map_location="cpu")
model = MNISTCNN()
model.load_state_dict(ckpt["model"])
model.eval()
print(ckpt["arch"], ckpt["test_acc"])
:: 训练(pytorch_env,GPU,约 2.5 分钟)
C:\Users\33429\miniconda3\envs\pytorch_env\python.exe week2_lab.py --no-plots
:: 作图(class1;pytorch_env 的 matplotlib 3.9.4 在这台机器 savefig 会崩)
C:\Users\33429\miniconda3\envs\class1\python.exe plot_week2.py
| 文件 | 说明 |
|---|---|
week2_lab.py / plot_week2.py |
训练脚本 / 作图脚本 |
results.json |
全部指标(含逐轮 val_loss / val_acc) |
log.txt |
完整训练日志 |
01_function_fit.png |
1.1 函数拟合结果(MSE 0.00258) |
02_mnist_curves.png / 03_model_compare.png / 04_predictions.png |
曲线 / 对比 / 预测样例 |