【AI实践】基于TensorFlow/Keras的CNN（卷积神经网络）简单实现：手写数字识别的工程实践

深度神经网络系列文章

• 【AI深度学习网络】卷积神经网络（CNN）入门指南：从生物启发的原理到现代架构演进
• 【AI实践】基于TensorFlow/Keras的CNN（卷积神经网络）简单实现：手写数字识别的工程实践

引言

在深度学习的广阔天地中，卷积神经网络（CNN）是计算机视觉领域的经典模型，卷积神经网络（CNN）凭借其强大的特征提取能力，成为了图像识别领域的中流砥柱。今天，就带大家深入剖析一个基于TensorFlow/Keras实现的简单CNN模型，看看它是如何在手写数字识别任务（MNIST数据集）中大显身手的。

本文以MNIST手写数字识别任务为例，演示如何通过TensorFlow/Keras工程化实现一个轻量级CNN，代码包含完整的数据处理、模型训练与推理流程，并特别注重实际开发中的可维护性设计。

一、环境与工具

好的工程始于好的框架。在这个项目中，我们使用Python作为编程语言，借助TensorFlow/Keras库来构建CNN模型。

环境与工具

• Python 3.8+
• TensorFlow 2.10+
• Matplotlib（可视化支持）

为了使整个工程结构清晰、易于维护，我们将代码划分为多个功能模块。

import tensorflow as tf
from tensorflow.keras import layers, models
import matplotlib.pyplot as plt
import builtins
import datetime

以上是项目的基本信息和依赖库的导入。

二、数据预处理

数据是模型的粮食，高质量的数据预处理是模型成功的关键。MNIST数据集是一个经典的手写数字数据集，包含了60000张训练图像和10000张测试图像，每张图像的大小为28x28像素。

def main():
    """
    主函数
    :return:
    """
    # 1. 加载并预处理数据
    print('加载并预处理数据')
    (train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()

    # 归一化并调整形状（添加通道维度）
    train_images = train_images.reshape((60000, 28, 28, 1)).astype('float32') / 255
    test_images = test_images.reshape((10000, 28, 28, 1)).astype('float32') / 255

    # 转换标签为one-hot编码
    train_labels = tf.keras.utils.to_categorical(train_labels)
    test_labels = tf.keras.utils.to_categorical(test_labels)

在这里，我们首先加载了MNIST数据集，并对图像数据进行了归一化处理，将像素值从0-255的范围缩放到0-1之间。这样做的目的是为了加速模型的收敛。同时，我们还调整了图像的形状，添加了一个通道维度，以满足CNN模型的输入要求。对于标签数据，我们将其转换为one-hot编码格式，以便于模型的分类任务。

MNIST加载的数据集的train_images为60000张像素大小为28x28，内容如下：

其中to_categorical 用于将整数类别标签 转换为 one-hot 编码 ，而one-hot编码是一种方便计算机处理的二元编码，适用于多分类任务中标签的格式化处理。

• 输入 ：一维整数数组（如 [0, 2, 1, 2]）。
• 输出 ：二维矩阵，每一行对应一个样本的 one-hot 向量（如 [[1,0,0], [0,0,1], [0,1,0], [0,0,1]]）。
• 入参y：待转换的整数标签数组。
• 入参num_classes（可选）：总类别数。若不指定，自动根据标签最大值推断（max(y) + 1）。

三、模型构建

接下来，我们开始构建CNN模型。这个模型由几个基本的层组成：卷积层、池化层、展平层和全连接层。

    # 2. 构建CNN模型
    print('构建CNN模型')
    model = models.Sequential([
        # 卷积层：32个3x3滤波器，激活函数ReLU
        layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
        # 最大池化层：2x2窗口
        layers.MaxPooling2D((2, 2)),
        # 展平层：将3D特征转换为1D向量
        layers.Flatten(),
        # 全连接层：128个神经元
        layers.Dense(128, activation='relu'),
        # 输出层：10个类别（数字0-9）
        layers.Dense(10, activation='softmax')
    ])

卷积层使用了32个3x3的滤波器，激活函数采用了ReLU（Rectified Linear Unit，修正线性单元，f(x)=max(0,x)），它能够有效地解决梯度消失问题，加速模型的训练。最大池化层使用2x2的窗口，对特征图进行下采样，减少参数数量，提高模型的计算效率。展平层将三维的特征图转换为一维向量，以便于全连接层的处理。全连接层包含了128个神经元，最后的输出层有10个神经元，对应着10个数字类别，激活函数使用了softmax，用于多分类任务。

四、模型编译

在模型构建完成后，我们需要对其进行编译，指定优化器、损失函数以及评估指标。

    # 3. 编译模型
    print('编译模型')
    model.compile(optimizer='adam',
                  loss='categorical_crossentropy',
                  metrics=['accuracy'])

这里我们选择了Adam优化器，它是一种自适应学习率的优化算法，能够根据模型的训练情况自动调整学习率。损失函数选择了 categorical_crossentropy，它适用于多分类问题。评估指标我们选择了准确率（accuracy），用于衡量模型的分类性能。

五、模型训练

现在，我们开始对模型进行训练。在训练过程中，我们指定了训练数据、标签、训练轮数（epochs）、批量大小（batch_size）以及验证集的比例。

    # 4. 训练模型
    print('训练模型...')
    history = model.fit(
        train_images, train_labels,
        epochs=2,
        batch_size=64,
        validation_split=0.2
    )

在这里，我们设置了训练轮数为2，批量大小为64，验证集的比例为0.2，即从训练数据中划分出20%的数据作为验证集，用于在训练过程中评估模型的性能，防止过拟合。

参数选择依据：

• epochs=2：MNIST数据简单，2轮即可快速验证流程正确性
• batch_size=64：在GPU显存允许范围内最大化批次提升训练速度

六、模型评估

训练完成后，我们需要对模型在测试集上的性能进行评估。

    # 5. 评估模型
    print('评估模型...')
    test_loss, test_acc = model.evaluate(test_images, test_labels)
    print(f'\n测试准确率: {test_acc:.4f}')

通过 model.evaluate 方法，我们可以得到测试集上的损失值和准确率。这能够让我们直观地了解模型在未见过的数据上的表现。

七、模型预测与可视化

最后，我们使用模型对测试集中的第一个样本进行预测，并将预测结果与真实标签进行比较，同时绘制图像。

    # 取测试集第一个样本
    test_image = test_images[0]
    true_label = test_labels[0].argmax()
    prediction = model.predict(test_image.reshape(1, 28, 28, 1)).argmax()
    plot_prediction(test_image, true_label, prediction)

def plot_prediction(image, true_label, prediction):
    plt.figure()
    plt.imshow(image.squeeze(), cmap='gray')
    # 设置字体，支持中文显示
    plt.rcParams["font.sans-serif"] = ["SimHei"]
    plt.title(f'真实: {true_label}, 预测: {prediction}')
    plt.axis('off')
    plt.show()

通过这个过程，我们可以直观地看到模型的预测结果是否正确，同时也能对模型的性能有一个更直观的感受。

八、完整代码

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# @ProjectName: Ai
# @Name: 20250305-CNN.py
# @Auth: arbboter
# @Date: 2025/3/5-9:44
# @Desc: 使用Python和TensorFlow/Keras实现的简单卷积神经网络（CNN），用于手写数字识别（MNIST数据集），代码包含训练、评估和预测示例。
# @Ver : 0.0.0.1
import tensorflow as tf
from tensorflow.keras import layers, models
import matplotlib.pyplot as plt
import builtins
import datetime

def main():
    """
    主函数
    :return:
    """
    # 1. 加载并预处理数据
    print('加载并预处理数据')
    (train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()

    # 归一化并调整形状（添加通道维度）
    train_images = train_images.reshape((60000, 28, 28, 1)).astype('float32') / 255
    test_images = test_images.reshape((10000, 28, 28, 1)).astype('float32') / 255

    # 转换标签为one-hot编码
    train_labels = tf.keras.utils.to_categorical(train_labels)
    test_labels = tf.keras.utils.to_categorical(test_labels)

    # 2. 构建CNN模型
    print('构建CNN模型')
    model = models.Sequential([
        # 卷积层：32个3x3滤波器，激活函数ReLU
        layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
        # 最大池化层：2x2窗口
        layers.MaxPooling2D((2, 2)),
        # 展平层：将3D特征转换为1D向量
        layers.Flatten(),
        # 全连接层：128个神经元
        layers.Dense(128, activation='relu'),
        # 输出层：10个类别（数字0-9）
        layers.Dense(10, activation='softmax')
    ])

    # 3. 编译模型
    print('编译模型')
    model.compile(optimizer='adam',
                  loss='categorical_crossentropy',
                  metrics=['accuracy'])

    # 4. 训练模型
    print('训练模型...')
    history = model.fit(
        train_images, train_labels,
        epochs=2,
        batch_size=64,
        validation_split=0.2
    )

    # 5. 评估模型
    print('评估模型...')
    test_loss, test_acc = model.evaluate(test_images, test_labels)
    print(f'\n测试准确率: {test_acc:.4f}')

    # 取测试集第一个样本
    test_image = test_images[0]
    true_label = test_labels[0].argmax()
    prediction = model.predict(test_image.reshape(1, 28, 28, 1)).argmax()
    plot_prediction(test_image, true_label, prediction)

def plot_prediction(image, true_label, prediction):
    plt.figure()
    plt.imshow(image.squeeze(), cmap='gray')
    # 设置字体，支持中文显示
    plt.rcParams["font.sans-serif"] = ["SimHei"]
    plt.title(f'真实: {true_label}, 预测: {prediction}')
    plt.axis('off')
    plt.show()

def hook_print():
    def my_print(*args, **kwargs):
        old_print('[', datetime.datetime.now(), end="] ")
        old_print(*args, **kwargs)

    old_print = builtins.print
    builtins.print = my_print

if __name__ == '__main__':
    hook_print()
    main()

九、运作结果

注意：首次运行程序会自动下载训练和测试数据集，比较费时间。

十、工程实践中的注意事项

在实际的工程实践中，我们需要注意以下几个方面：

1. 数据预处理：数据的质量直接影响模型的性能。除了归一化和one-hot编码外，还可以考虑对数据进行增强，如旋转、平移、缩放等操作，以增加模型的泛化能力。

2. 模型结构：根据实际任务的需求，合理设计模型的结构。可以尝试增加卷积层的数量、调整滤波器的大小和数量，以及改变全连接层的神经元数量，以提高模型的性能。

3. 模型训练：选择合适的优化器、学习率和训练轮数。可以使用早停（early stopping）、学习率衰减等技巧，防止过拟合，提高模型的泛化能力。

4. 模型评估：除了准确率外，还可以考虑使用其他评估指标，如精确率（precision）、召回率（recall）、F1值等，从多个角度评估模型的性能。

5. 模型部署：在模型训练完成后，需要将其部署到实际的应用场景中。可以使用TensorFlow Serving等工具，将模型封装为API，供其他应用程序调用。

总之，基于TensorFlow/Keras实现的简单CNN模型，为我们提供了一种高效、便捷的手写数字识别解决方案。在实际的工程实践中，我们需要根据具体的需求和数据特点，灵活调整模型的结构和训练策略，以实现最佳的性能。

结语

本实现仅用35行核心代码完成端到端的CNN训练与验证，准确率达98%+。通过模块化设计、日志增强和可视化组件，展现了工业级代码的雏形。读者可在此基础上扩展更复杂的网络结构或部署功能。