PyTorch 教程-在PyTorch中的图像识别MNIST数据集

在这个主题中，我们将讨论一种新型的数据集，我们将在图像识别中使用。这个数据集被称为MNIST数据集。MNIST数据集可以在线找到，它基本上只是各种手写数字的数据库。MNIST数据集具有大量数据，通常用于展示深度神经网络的真正威力。

假设我们有以下图像：

当我们看这张图片时，我们的大脑和眼睛共同工作，迅速识别这个图像为数字八。我们的大脑是一个非常强大的工具，能够迅速将这个图像分类为八。有很多数字的形状，我们的大脑可以轻松识别这些形状并确定是什么数字，但对于计算机来说，这个任务并不简单。唯一的方法就是使用深度神经网络，它使我们能够训练计算机有效地分类手写数字。

到目前为止，我们只处理包含简单数据点的数据，这些数据点在笛卡尔坐标系上。从一开始到现在，我们一直处理二元分类数据集。现在，我们将使用多类别数据集，当使用多类别数据集时，我们将在输出层使用Softmax激活函数，而不是Sigmoid函数。Sigmoid激活函数对于分类二元数据集非常有用，并且在在0和1之间有效排列概率值方面非常有效。Sigmoid函数对于多类别数据集不起作用，因此我们使用Softmax激活函数，它能够处理这种情况。

MNIST数据集是一个包含10个类别的多类别数据集，我们可以将数字从0到9分类到这些类别中。我们之前使用的数据集与MNIST数据集的主要区别在于将MNIST数据输入神经网络的方式。

在感知机模型和线性回归模型中，每个数据点由简单的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，单个数据点采用图像的形式。MNIST数据集中包含的这些图像通常是28*28像素，横轴穿过28个像素，纵轴穿过28个像素。这意味着MNIST数据库中的单个图像总共有784个像素需要分析。我们的神经网络的输入层有784个节点，用于分析这些图像中的一个。

由于额外的输入节点和数字可以分类为0到9的类别数的增加。很明显，我们的数据集比我们以前分析的任何数据集都要复杂。为了对这个数据集进行分类，需要一个具有一些隐藏层效果的深度神经网络。

在我们的深度神经网络中，输入层有784个节点，其中一些隐藏层将输入值前馈，最后输出层有十个节点，对应于各个手写数字。值被馈送到网络，输出层中输出最高激活值的节点识别字母或数字。