【深度学习】Pytorch：手写数字识别

T0uken2025-01-12 15:00

在这篇教程中，我会介绍 PyTorch 这个强大的深度学习框架，并通过使用它实现一个基于 MNIST 数据集的多层神经网络，帮助读者了解神经网络的基本原理和实现过程。我们将使用 CPU 版本的 PyTorch ，清除较为复杂的 GPU 配置过程，以便初学者更容易上手。对于需要 GPU 加速的用户，可以参考每个关键部分中的 CUDA 声明，以实现 GPU 训练和推理。

环境配置

在使用此教程前，您需要配置基础环境：

  1. 安装 Python (建议使用 Python 3.8 或更高版本)

  2. 安装 PyTorch：

    bash 复制代码 
    pip install torch torchvision

数据集获取

MNIST 数据集包含手写数字图片，是机器学习和深度学习中的经典数据集。我们通过 torchvision.datasets.MNIST 类下载并加载数据，同时应用标准化转换，以提升模型的收敛速度和性能。

为了确保数据只被下载一次，我们在文件存储时进行检查：

python 复制代码 
import os
from torchvision import datasets, transforms
import torch

# 设定数据文件夹
DATA_DIR = './data'
if not os.path.exists(DATA_DIR):
    os.makedirs(DATA_DIR)

# 自定义数据处理模块，将图像标准化
transform = transforms.Compose([
    transforms.ToTensor(),  # 转换为线性描述
    transforms.Normalize((0.1307,), (0.3081,))  # 标准化
])

# 获取 MNIST 训练集和测试集
train_dataset = datasets.MNIST(root=DATA_DIR, train=True, transform=transform, download=True)
test_dataset = datasets.MNIST(root=DATA_DIR, train=False, transform=transform)

# 定义设备
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

CUDA 声明 : 使用 DataLoader 后在每个批次中将数据移动到 CUDA 设备，而不是直接移动整个数据集。

构建多层神经网络

神经网络由层组成，每一层由若干个神经元构成，连接权重和偏置项用于确定输入数据如何在网络中传播。我们使用 torch.nn.Module 定义网络结构，并通过 forward 函数描述数据的前向传播过程。

python 复制代码 
import torch
import torch.nn as nn

class NeuralNetwork(nn.Module):
    """
    一个基本的多层神经网络：
    - 28x28 输入，128 个节点的一层全连
    - ReLU 激活
    - 64 节点的第二层全连
    - 10 个节点用于输出
    """
    def __init__(self):
        super(NeuralNetwork, self).__init__()
        self.fc1 = nn.Linear(28*28, 128)  # 输入层到28*28图像转为向量
        self.fc2 = nn.Linear(128, 64)  # 第二层
        self.fc3 = nn.Linear(64, 10)  # 最终输出 10 个分类结果

    def forward(self, x):
        x = x.view(-1, 28*28)  # 将图像抽成一个长向量
        x = torch.relu(self.fc1(x))  # 使用 ReLU 激活函数
        x = torch.relu(self.fc2(x))
        x = self.fc3(x)
        return x

model = NeuralNetwork()
model = model.to(device)  # 将模型移动到设备上

定义损失函数和优化器

损失函数用于度量模型输出与真实标签之间的差距。优化器通过最小化损失函数调整网络参数。我们选用交叉熵损失（nn.CrossEntropyLoss）和随机梯度下降（optim.SGD）优化器。

python 复制代码 
import torch.optim as optim

criterion = nn.CrossEntropyLoss()  # 用于分类任务
optimizer = optim.SGD(model.parameters(), lr=0.01)  # 使用 SGD 优化
criterion = criterion.to(device)  # 将损失函数移动到 CUDA 设备

深度学习

训练过程包括前向传播、计算损失、反向传播和参数更新。我们通过 DataLoader 将数据分批次输入模型，逐步优化模型性能。

python 复制代码 
from torch.utils.data import DataLoader

train_loader = DataLoader(dataset=train_dataset, batch_size=64, shuffle=True)

# 训练过程
num_epochs = 10
for epoch in range(num_epochs):
    model.train()
    running_loss = 0.0
    for images, labels in train_loader:
        images, labels = images.to(device), labels.to(device)  # 将数据移动到 CUDA 设备

        optimizer.zero_grad()  # 清空梯度
        outputs = model(images)
        loss = criterion(outputs, labels)  # 计算损失
        loss.backward()  # 进行反向传播
        optimizer.step()  # 更新参数

        running_loss += loss.item()

    print(f'Epoch [{epoch+1}/{num_epochs}], Loss: {running_loss/len(train_loader):.4f}')

测试结果

模型评估阶段不需要更新参数，因此使用 torch.no_grad() 禁止梯度计算。通过 torch.max() 找到模型预测的类别，计算准确率。

python 复制代码 
test_loader = DataLoader(dataset=test_dataset, batch_size=64, shuffle=False)

model.eval()
correct = 0
total = 0
with torch.no_grad():  # 禁止更新参数
    for images, labels in test_loader:
        images, labels = images.to(device), labels.to(device)  # 将数据移动到 CUDA 设备
        outputs = model(images)
        _, predicted = torch.max(outputs.data, 1)  # 进行分类预测
        total += labels.size(0)
        correct += (predicted == labels).sum().item()

print(f'Test Accuracy: {100 * correct / total:.2f}%')

原理认识

  • ReLU 激活函数: 应用于神经网络层之间，能够有效地减少静态分布问题，并能增强网络泛化能力。
  • CrossEntropyLoss: 适合于多分类任务，通过计算分类误差以寻求最优训练结果。
  • SGD 优化器: 简单但有效的参数更新方法，在大部分场景中表现良好。

手写数字识别小程序

我们将使用 tkinter 创建一个简洁现代的 GUI，用户可以在画板上手写数字，然后点击按钮让模型识别数字。程序会展示预测结果，方便用户了解模型的识别能力。

python 复制代码 
import tkinter as tk
from PIL import Image, ImageDraw
import numpy as np
import torch

class DigitRecognizerApp:
    def __init__(self, model):
        self.model = model  # 加载预训练的数字识别模型
        self.window = tk.Tk()  # 创建主窗口
        self.window.title("手写数字识别")  # 设置窗口标题

        # 创建画板，用于手写数字
        self.canvas = tk.Canvas(self.window, width=280, height=280, bg='white')
        self.canvas.grid(row=0, column=0, columnspan=3)  # 将画板放置在第一行，横跨3列

        # 绑定鼠标左键拖动事件，用于绘制数字
        self.canvas.bind('<B1-Motion>', self.draw_digit)

        # 创建清除按钮
        self.clear_button = tk.Button(self.window, text='清除', command=self.clear_canvas)
        self.clear_button.grid(row=1, column=0)  # 将清除按钮放置在第二行第一列

        # 创建识别按钮
        self.recognize_button = tk.Button(self.window, text='识别', command=self.recognize_digit)
        self.recognize_button.grid(row=1, column=1)  # 将识别按钮放置在第二行第二列

        # 创建结果显示标签
        self.result_label = tk.Label(self.window, text="识别结果：", font=("Arial", 16))
        self.result_label.grid(row=1, column=2)  # 将结果显示标签放置在第二行第三列

        # 初始化图像和绘图工具
        self.image = Image.new('L', (28, 28), color=0)  # 创建一个28x28的黑色图像
        self.draw = ImageDraw.Draw(self.image)  # 创建绘图对象

    def draw_digit(self, event):
        """在画板上绘制数字，并在内存中的图像上同步绘制"""
        x, y = event.x, event.y  # 获取鼠标当前位置
        self.canvas.create_oval(x-5, y-5, x+5, y+5, fill='black')  # 在画板上绘制黑色圆点
        self.draw.ellipse([(x/10, y/10), (x/10+1, y/10+1)], fill=255)  # 在内存中的图像上绘制白色圆点

    def clear_canvas(self):
        """清除画板和内存中的图像"""
        self.canvas.delete('all')  # 清除画板上的所有内容
        self.image = Image.new('L', (28, 28), color=0)  # 重新初始化图像为黑色
        self.draw = ImageDraw.Draw(self.image)  # 重新创建绘图对象
        self.result_label.config(text="识别结果：")  # 清空识别结果

    def recognize_digit(self):
        """识别画板上的数字并显示结果"""
        image_array = np.array(self.image).reshape(1, 1, 28, 28) / 255.0  # 将图像转换为模型输入格式
        image_tensor = torch.tensor(image_array, dtype=torch.float32)  # 将图像转换为张量
        with torch.no_grad():  # 禁用梯度计算
            output = self.model(image_tensor)  # 使用模型进行预测
            predicted_digit = torch.argmax(output).item()  # 获取预测结果
            self.result_label.config(text=f"识别结果：{predicted_digit}")  # 更新结果显示标签

    def run(self):
        """运行应用程序"""
        self.window.mainloop()  # 进入主事件循环

app = DigitRecognizerApp(model)  # 传入模型
app.run()  # 运行应用程序

结论

通过这次学习，读者应对 PyTorch 实现多层神经网络有了基本了解，可以尝试增加更深的层数，使用更复杂的激活函数，以改善结果。

相关推荐
CoovallyAIHub17 分钟前
华为世界模型来了！30分钟生成272㎡室内场景，虚拟人导航不迷路
深度学习·算法·计算机视觉
剑指~巅峰20 分钟前
Rust智能指针的奇妙之旅:从踩坑到顿悟
开发语言·人工智能·深度学习·机器学习·rust
放羊郎21 分钟前
SLAM各类算法特点对比
人工智能·算法·slam·视觉slam·建图·激光slam
m0_7482313121 分钟前
从企业开发到AI时代：Java的新征程与技术蜕变
java·开发语言·人工智能
Y2003091628 分钟前
图像分割重点知识总结
人工智能·深度学习·计算机视觉
国科安芯1 小时前
基于ASM1042通信接口芯片的两轮车充电机性能优化研究
服务器·网络·人工智能·单片机·嵌入式硬件·性能优化
hrrrrb1 小时前
【机器学习】管道化与自动化建模
人工智能·机器学习·自动化
Sunhen_Qiletian1 小时前
高性能人工智能目标检测开山篇----YOLO v1算法详解（上篇）
人工智能·深度学习·yolo·目标检测·计算机视觉·目标跟踪
koo3641 小时前
李宏毅机器学习笔记36
人工智能·笔记·机器学习
弗朗凌戈1 小时前
机器学习-导师优选
人工智能·python·机器学习
热门推荐
01GitHub 镜像站点02UV安装并设置国内源03BongoCat - 跨平台键盘猫动画工具04GitLab 零基础入门指南：从安装到项目管理全流程05Linux下V2Ray安装配置指南06NVIDIA显卡驱动、CUDA、cuDNN 和 TensorRT 版本匹配指南07Labelme从安装到标注：零基础完整指南08安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）09在VSCode配置Java开发环境的保姆级教程（适配各类AI编程IDE）10jdk21下载、安装（Windows、Linux、macOS）