fastai案例学习（3）——MNIST手写数据集

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/github_39611196/article/details/84644513

本文主要介绍fastai自带的案例，MNIST手写数据集。

1、导入包。

import fastai
from fastai import *
from fastai.vision import *

2、下载MNIST数据集。

path = untar_data(URLs.MNIST_SAMPLE)
path

\

3、通过Image folder对数据进行转换，并进行标准化。

data = ImageDataBunch.from_folder(path, ds_tfms=(rand_pad(2, 28), []), bs=64)
data.normalize(imagenet_stats)

4、显示一张图片。

image, label = data.train_ds[0]
image

5、对数据集进行训练。

learn = create_cnn(data, models.resnet18, metrics=accuracy)
learn.fit_one_cycle(1, 0.01)

6、输出训练准确率。

accuracy(*learn.get_preds())

7、通过csv对数据进行转换，进行标准化，并显示一张图片。

data = ImageDataBunch.from_csv(path, ds_tfms=(rand_pad(2, 28), []), bs=64)
data.normalize(imagenet_stats)
img, label = data.train_ds[0]
img

8、对数据集进行训练。

learn = create_cnn(data, models.resnet18, metrics=accuracy)
learn.fit_one_cycle(1, 0.01)

9、输出准确率。

accuracy(*learn.get_preds())