[AI 入门] 手写数字识别-获取数据集

序

2022年后，AI 以极其迅猛的速度发展，无论是从科技还是商业角度，大模型（LLM） 都具备无可估量的价值。但是，随着模型越发庞大，其推理所消耗的资源也越来越大，传统的由服务器资源推理成本是越来越高，但是，如今用户的设备也是越来越好了，为减轻服务器压力和开销，边缘计算 的价值越来越高，场景越来越重要。笔者作为一个页面仔小白曾思考：除了 wasm 这套技术可以加持端侧 ai 能力，那我浏览器亲儿子：JavaScript 难道就不能做做同样是脚本语言 Python 的事情？

答案是肯定的，在神经网络领域，JS 社区中已经有了 TensorFlow.js , transformer.js 的框架支持，最近笔者发现了另一个库： JS-PyTorch

由于笔者之前用 PyTorch 做过一些模型研究，看它的语法非常亲切😶‍🌫️，比 TensorFlow 好多了。

看这个库未来还会支持 GPU?，那就决定用它试试水，看看它能不能跑通 CNN 的 hello world - 识别手写数字

数据集准备

下载地址 yann.lecun.com/exdb/mnist/ 其中，train-images 为训练集图片，train-labels 为训练集标签，t10k-images 为测试集图片，t10k-labels 为测试集标签，训练集和测试集没有交集。
解压后的数据为二进制数据，本文主要介绍对下载后的数据进行处理并验证数据

数据处理

解压后的二进制数据需要处理，本文在实战刚过程中就没有处理🫥，浪费了so much time 。一般来说，在不压缩数据的情况下 图像被存储成二进制后，文件大小的计算公式如下： $l e n g t h = w i d t h i m a g e ∗ h e i g h t i m a g e ∗ c h a n n e l i m a g e ∗ n u m length = width_{image} * height_{image} * channel_{image} * num$ length=widthimage∗heightimage∗channelimage∗num 即大小等于图像的宽高 * 图像的通道数 * 图像的个数。拿训练的图像数据为例：它的大小是 47040016 字节，但是，根据公式大小应为 28* 28* 1* 60000 = 47040000 ，多了 16 个字节（128位）。~~（一度怀疑自我ing🤺）~~ ，翻阅了几篇用 Python 跑识别数字的文章，其中一篇是这么做的：其实在官网的下方提及了这几个变量的含义。~~（看文档的重要性）~~ 之后我们便可以把原始的图像数据拿到了

js 复制代码

  const images = [];
  let index = 16;
  
  //* bufferSize: 47040016
  
  while (index < buffer.byteLength) {
    const array = new Float32Array(28 * 28 * 1);
    for (let i = 0; i < 28 * 28 * 1; i++) {
    
      //* 图片的原始值为 (0,255) 一个8位无符号整型 就能放的下
      
      array[i] = buffer.readUInt8(index++);

    }

    images.push(new Picture(array));

  }

label 数据也是这样处理，不过它的头除了魔数外，只有长度了，打印下训练集 label 的数据：

label 数据很清晰，但对于图像数据来说，目前只是一个 (0, 255) 范围的数字数组，不能直观的感受图像是否是正确的，因此下一步工作是把数字数组，还原成一个图片来看数据是否加载成功。

还原图片

将数组还原成图像，是用 canvas 这个库，把数组中每一个点画在 canvas 上面再进行保存查看。在 RGB模型 中，R=G=B 为一种灰度值，灰度值越大，颜色越偏白，越小则越偏黑。如下图所示：

因此还原过程中，只需把 3 通道的值都设置为图像数组里的值即可，对于 PNG 这种格式，需要再加一个透明通道即可。还原图像代码如下：

js 复制代码

class Picture {

    image = null;

    constructor(image, width = 28, height = 28, depth =1){

        this.width = width;

        this.height = height;

        this.depth = depth;

        this.imgSize = width * height;

        this.image = image;

    }

    savePicture(path){

        const canvas = createCanvas(this.width, this.height);

        const context = canvas.getContext('2d');

        const imageData = context.createImageData(this.width, this.height);

        for(let i = 0; i< this.imgSize; i++){

            const value = this.image[i];

            imageData.data[(4 * i )] = value;     //0 4 8

            imageData.data[(4 * i ) + 1] = value; //1 5 9

            imageData.data[(4 * i ) + 2] = value; //2 6 10

            imageData.data[(4 * i ) + 3] = 255;   //3 7 11

        }

        context.putImageData(imageData, 0, 0);

        const out = fs.createWriteStream(path);

        const stream = canvas.createPNGStream();

        stream.pipe(out);

        out.on('finish', () => {console.log('还原图像成功')})

    }

}

在加载训练图像数据完成后，保存第一张图片：运行结果：和标签数据中的第一个数据一致！加载数据完成，下一步，开始训练👋！

项目环境

库	版本
node	v19.1.0
js-PyTorch	0.3.6
canvas	2.11.2

参考

深度学习实战入门------CNN实现MNIST手写数字识别:

hi, there👋

i am siroi

一个接触前端 2.5 年的新人，欢迎关注我的微信公众号：siroi的前端手册

让我们一起愉快的玩耍吧🤓