手写数字识别整体流程

pytorch中数据加载
batch:数据打乱顺序,组成一波-波的数据，批处理
epoch:拿所有的数据训练一-次
Dataset基类，数据集类

1. torch.utils.data.Dataset
   2.两个重要的方法:
   a._ getitem_ (index) 能够对实例进行索引
   b. _ len_ : len(实例)调用实例的_ len_ 方法
   迭代数据集
2. torch.utils. data.DataLoader (dataset, batch. sieshuffle)
   手写数字识别的思路:
   1.准备数据,通过dataset和Datal oader准备
   2.模型构建
   3.模型训练，模型保存和加载
   4.模型的评估
   a.准备Mnist数据
   a. torchvision.transforms.ToTensor
   i.把ndarray转化为tensor
   ii. PIL中iamge对象对转化为tensor
   b. torchvision.transforms.Normlize(mean,str)
   i. mean, std的形状和通道数相同
   C. torchvision.transforms.Compose
   i.把不同的实例组合使用
   b.交叉熵损失
   a. nn.CrossEntropyLoss()
   b.使用带权损失计算交叉熵损失
   i. softmax(out)
   ii. output = F.log. softmax(out) #log（P）
   iv. F.nl loss(outputtarget) #- EY log§
   C.带权损失
   i. loss = -ZWixi
   C.训练
   a. 遍历dataloader
   b. tqdm(可迭代对象,total= 迭代总次数)
   d.模型的评估
   a.不需要计算梯度
   b.计算损失和准确率
   C.准确率的计算
   i.获取概率最大值的位置作为预测值
   ii.预测值和真实值判断相等,结果取均值
   文本分词
   N-gram:用连续的N个token左右-一个特征， N往往取2或者3.
   1.考虑了句子中词语的顺序
   文本向量化
3. one-hot
4. word emebdding:
   a.用一个向量表示每-一个词语，向量中的每个值都是参数,都会在后续通过训练得到