引言
MNIST 数据集是一个经典的机器学习数据集，包含了 70,000 张手写数字图像，其中 60,000 张用于训练，10,000 张用于测试。每张图像都是 28x28 像素的灰度图像，并且已经被居中处理以减少预处理步骤。本文将介绍如何使用 PyTorch 构建一个简单的神经网络来识别 MNIST 数据集中的手写数字。
环境准备
首先确保你已经安装了 PyTorch 库。可以通过以下命令安装：
python
pip install torch torchvision数据加载与预处理
导入必要的库
python
import torch
from torch import nn
from torch.utils.data import DataLoader
from torchvision import datasets
from torchvision.transforms import ToTensor下载训练数据集
python
training_data = datasets.MNIST(
root="data",
train=True,
download=True,
transform=ToTensor()
)下载测试数据集
python
test_data = datasets.MNIST(
root="data",
train=False,
download=True,
transform=ToTensor()
)解释:
- 使用
datasets.MNIST下载 MNIST 数据集，并将其保存在"data"目录下。 train=True表示下载训练集，train=False表示下载测试集。download=True表示如果数据集不存在，则下载数据集。transform=ToTensor()将图像数据转换为 PyTorch 张量。
-
展示部分手写数字图像
pythonfrom matplotlib import pyplot as plt figure = plt.figure() for i in range(9): img, label = training_data[i + 59000] figure.add_subplot(3, 3, i + 1) plt.title(label) plt.axis("off") plt.imshow(img.squeeze(), cmap="gray") plt.show()解释:
- 使用
matplotlib库展示一些手写数字图像。
- 使用
数据加载器
创建数据加载器
python
train_dataloader = DataLoader(training_data, batch_size=64)
test_dataloader = DataLoader(test_data, batch_size=64)解释:
- 使用
DataLoader将数据打包成批次，batch_size=64表示每次迭代返回 64 个样本。
检查数据形状
python
for X, y in test_dataloader:
print(f"Shape of X [N,C,H,W]: {X.shape}")
print(f"Shape of y: {y.shape} {y.dtype}")
break解释:
- 查看数据的形状，确保数据已经被正确打包。
模型定义
定义神经网络模型
python
class NeuralNetwork(nn.Module):
def __init__(self):
super().__init__()
self.flatten = nn.Flatten()
self.hidden1 = nn.Linear(28 * 28, 128)
self.hidden2 = nn.Linear(128, 256)
self.hidden3 = nn.Linear(256, 128)
self.hidden4 = nn.Linear(128, 256)
self.hidden5 = nn.Linear(256, 128)
self.out = nn.Linear(128, 10)
def forward(self, x):
x = self.flatten(x)
x = self.hidden1(x)
x = torch.sigmoid(x)
x = self.hidden2(x)
x = torch.sigmoid(x)
x = self.hidden3(x)
x = torch.sigmoid(x)
x = self.hidden4(x)
x = torch.sigmoid(x)
x = self.hidden5(x)
x = torch.sigmoid(x)
x = self.out(x)
return x解释:
- 定义一个简单的多层感知器模型。
- 使用
nn.Flatten展平输入图像。 - 多个全连接层 (
nn.Linear) 和激活函数 (torch.sigmoid)。
实例化模型并移动到 GPU
python
device = "cuda" if torch.cuda.is_available() else "mps" if torch.backends.mps.is_available() else 'cpu'
print(f"Using {device} device")
model = NeuralNetwork().to(device)
print(model)解释:
- 检查是否有可用的 GPU 并将模型移动到 GPU 上。
训练与测试
定义损失函数和优化器
python
loss_fn = nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(model.parameters(), lr=0.01)定义训练函数
python
def train(dataloader, model, loss_fn, optimizer):
model.train()
batch_size_num = 1
for X, y in dataloader:
X, y = X.to(device), y.to(device)
pred = model(X)
loss = loss_fn(pred, y)
optimizer.zero_grad()
loss.backward()
optimizer.step()
loss_value = loss.item()
if batch_size_num % 100 == 0:
print(f"loss: {loss_value:>7f} [number: {batch_size_num}]")
batch_size_num += 1解释:
- 训练模型并计算损失。
- 使用梯度下降更新权重。
-
定义测试函数
pythondef test(dataloader, model, loss_fn): size = len(dataloader.dataset) num_batches = len(dataloader) model.eval() test_loss, correct = 0, 0 with torch.no_grad(): for X, y in dataloader: X, y = X.to(device), y.to(device) pred = model(X) test_loss += loss_fn(pred, y).item() correct += (pred.argmax(1) == y).type(torch.float).sum().item() test_loss /= num_batches correct /= size print(f"Test result: \n Accuracy: {(100 * correct):>0.1f}%, Avg loss: {test_loss:>8f}")解释:
- 测试模型并计算准确率和平均损失。
训练和测试模型
python
epochs = 10
for t in range(epochs):
print(f"Epoch {t + 1}\n--------------------------")
train(train_dataloader, model, loss_fn, optimizer)
print("Done!")
test(test_dataloader, model, loss_fn)解释:
- 进行多次训练周期（epoch）。
- 最后测试模型。
结果
总结
通过上述步骤，我们构建了一个简单的神经网络模型来识别 MNIST 数据集中的手写数字。使用 PyTorch 可以轻松地处理数据、定义模型、训练和测试模型。这个项目不仅展示了如何使用 PyTorch 进行图像识别，还介绍了如何利用 GPU 加速训练过程。希望这篇博客对你有所帮助！