代码的基本结构还是延续我通过深度学习神经网络，基于MNIST实现手写数字识别 的结构，只是神经网络部分使用了Pytorch的API 。
有一些地方要多说一点，但是不展开：
1、激活函数选用了ReLU，而非之前的sigmoid，二者的不同，网上文章很多，有机会总结一下 。
2、可以跟前文的代码进行比较看，主要看train、query两个方法，感受一下Pytorch的封装 。
3、用Pytorch构建的神经网络，在训练、测试时采用对应的模式train()、eval()，主要是对BN、Dropout层进行设置，具体的情况有机会详细说一下 。
4、本次还是使用了200个隐藏层节点，学习率0.1，使用了6W+条数据用以训练，1W+条数据用以测试，激活函数分别用ReLU，Sigmoid训练了7个世代，结果如下：
Sigmoid 7世代准确率=94.21%该循环程序运行时间： 404.66520285606384Relu 7世代准确率=98.15%该循环程序运行时间： 396.1038899421692之前代码，7个世代结果：
【用Pytorch基于MNIST实现手写数字识别】准确率=97.26%该循环程序运行时间： 314.45252776145935
推荐阅读
- 用Python演示ARP攻击的过程及应对办法
- 使用Python调整图像大小
- 原来这才是Spring Boot使用AOP的正确姿势
- 手写Redis分布式锁
- 使用spring cache让我的接口性能瞬间提升了100倍
- 如何使用软路由实现宽带加速，免费让300M宽带变600M
- 使用 Python 自动发送 QQ 消息
- 君臣茶叶招商加盟信息,加盟白茶费用
- 过夜茶缓过敏,缓解牙过敏用夜茶漱口
- 喝茶叶有什么用,淡茶水洗双眸有什么用