LeNet with NumPy

实验任务

仅使用 NumPy，编写并训练一个LeNet模型。 在mnist数据集上完成图像分类，记录测试准确率及训练时间。

数据集保存于 mnist.npz 文件，可读取为 dict。

实验环境

• python 3.8.5
• numpy 1.20.2

训练和Demo

model 文件夹是自动生成的。 每训练完成一个epoch，程序都会自动在 model 文件夹下保存模型。 比如第3个epoch完成后，该文件夹下会有 model_3.pkl 文件。 此时可以中断训练。 此后如果想要继续训练，只需要将 prev_epochs 修改为3。

在IDE里点击运行按钮，或者在终端输入

python main.py

即可开始训练。

结果

epoch	test accuracy	training time (sec)
1	95.89%	forgot
2	97.64%	3280.11
3	98.19%	3274.38
4	98.48%	3293.02
5	98.60%	2767.44
6	98.41%	2743.25
7	98.51%	2749.18
8	98.56%	2755.56
9	98.68%	2775.91
10	98.65%	2740.56

前4个epochs在windows 10系统训练。 后6个epochs在ubuntu 20.04系统训练。 可以发现ubuntu比windows快一点。 最佳的测试准确率出现在第9个epoch。