PyTorch下基于CNN的手写数字识别及应用研究
宗春梅1
张月琴2
石丁1
1.忻州师范学院计算机科学与技术系 忻州 0340002.太原理工大学计算机科学与技术学院 太原 030024
摘要：文章对卷积神经网络模型LeNet-5中的激活函数、下采样方式等进行改进,对训练参数进行调整,使改进后的模型手写数字识别准确率达到99.2％.使用PyTorch搭建模型,用MNIST数据集对模型进行训练,其后在自制数据集上进行测试,从识别准确率和训练速度等方面验证了模型的可靠性.借助TensorBoard监督整个网络模型的训练过程,指导对模型参数的优化调整.最后,将改进的网络模型服务于该校人工智能课程答卷分数的识别中,使手写分数得到准确识别.
关键词：CNNPyTorch手写数字识别可视化自动登分系统
分类号：O235(控制论、信息论（数学理论）)
资助基金：国家自然科学基金(61876124)山西省教育科学规划课题(K-means;GH-18071)忻州师范学院院级科研项目(2019ky02)
论文发表日期：2021-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1107-1112 )
英文信息