从零开始用 PyTorch 搭建 CNN 手写数字识别模型（MNIST 实战教程）

明明跟你说过2025-04-24 9:57

🐇明明跟你说过：个人主页

🏅个人专栏：《深度探秘：AI界的007》 🏅

🔖行路有良友，便是天堂🔖

目录

一、引言

1、什么是手写数字识别

[2、为什么选择 MNIST 数据集](#2、为什么选择 MNIST 数据集)

二、环境准备与库依赖

[1、Python 和 PyTorch 环境说明](#1、Python 和 PyTorch 环境说明)

[2、安装所需库（torch, torchvision, matplotlib）](#2、安装所需库（torch, torchvision, matplotlib）)

三、编写代码

[1、加载 MNIST 数据集](#1、加载 MNIST 数据集)

[2、定义 CNN 模型](#2、定义 CNN 模型)

3、训练模型

4、测试模型

6、效果展示（可选）

四、本地测试

1、图片准备

2、运行测试

一、引言

1、什么是手写数字识别

✨ 手写数字识别：让计算机读懂你的手写数字！ ✨

你有没有想过，为什么手机上的相机能识别你拍的数字，或者为什么一些网站能够自动识别你手写的验证码？其实，这就是手写数字识别技术在背后默默工作的结果。📝🔍

📚 什么是手写数字识别？

手写数字识别就是通过计算机技术，让机器能够识别你手写的数字（0~9）。这不仅是让计算机看懂你的手写文字，更是深度学习在日常生活中的一种应用。想象一下，当你在填写表格、签名或者填写快递单时，计算机能够自动识别你写的数字而不需要人工干预，节省时间、提高效率！💼

2、为什么选择 MNIST 数据集

MNIST（Modified National Institute of Standards and Technology）数据集是深度学习和计算机视觉领域中最经典、最常用的一个数据集。它由 70,000 张手写数字的图像组成，其中 60,000 张用于训练，10,000 张用于测试。每张图像是 28x28 像素的灰度图（黑白图），每个图像都对应一个数字标签（0 到 9）。

  1. 简单易懂的入门数据集 📚

MNIST 是机器学习和深度学习领域中的经典入门数据集。对于初学者来说，它非常适合用来学习模型训练和测试。数据集的结构非常简单，数据量也适中，不会让你一开始就陷入复杂的细节和调参的困扰。👶💻

  • 图像大小：每张图片只有 28x28 像素，计算量相对较小。

  • 标签清晰：每个图像都有明确的数字标签，0 到 9 之间。

  1. 数据集标注清晰 🏷️

MNIST 中的每张手写数字图片都有一个明确的标签，这意味着每张图像都知道它代表的是哪个数字（0 到 9）。这种清晰的标注使得我们可以轻松地进行监督学习（Supervised Learning）。监督学习的核心就是通过给定的输入和输出对来训练模型，让模型学会从输入图像中推测正确的输出标签。

二、环境准备与库依赖

1、Python 和 PyTorch 环境说明

🐍 安装 Python

Python 是当前最流行的编程语言之一，尤其在数据科学和机器学习领域中应用广泛。为了使用 PyTorch，我们首先需要安装 Python。下面是安装 Python 的步骤：

  • Windows 用户：

    1. 访问 Python 官网 下载最新版本的 Python 安装包。

    2. 在安装过程中，确保勾选 "Add Python to PATH" 选项，以便在命令行中直接使用 Python。

    3. 完成安装后，可以通过命令行输入 python --version 来验证安装是否成功。

  • macOS/Linux 用户：

    1. macOS 和大部分 Linux 发行版已经预装了 Python。你可以在终端中运行 python3 --version 来检查是否已经安装了 Python。

    2. 如果没有安装，你可以使用 Homebrew（macOS）或包管理工具（如 apt、yum）进行安装。

下文示例代码的python版本为：3.12

🔥 安装 PyTorch

PyTorch 是一个深度学习框架，它提供了强大的神经网络构建和训练功能。安装 PyTorch 的步骤如下：

CPU 版本：

复制代码 
pip install torch torchvision torchaudio

GPU 版本（支持 CUDA 11.3）：

复制代码 
pip install torch torchvision torchaudio cudatoolkit=11.3

2、安装所需库（torch, torchvision, matplotlib）

执行以下命令安装本次实验所需的库

复制代码 
pip install torch torchvision matplotlib

三、编写代码

1、加载 MNIST 数据集

python 复制代码 
import torch
from torchvision import datasets, transforms
from torch.utils.data import DataLoader

# 图像预处理
transform = transforms.Compose([
    transforms.ToTensor(),  # 转为张量
    transforms.Normalize((0.1307,), (0.3081,))  # 标准化
])

# 下载并加载训练集和测试集
train_dataset = datasets.MNIST(root='./data', train=True, transform=transform, download=True)
test_dataset  = datasets.MNIST(root='./data', train=False, transform=transform, download=True)

train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True)
test_loader  = DataLoader(test_dataset, batch_size=1000, shuffle=False)

  • torch：PyTorch 的核心库，包含张量（Tensor）、神经网络等功能。

  • torchvision.datasets：包含一些常用的数据集（如 MNIST、CIFAR10），用于快速测试。

  • torchvision.transforms：用于对图像进行预处理（如转换为张量、标准化等）。

  • DataLoader：用于批量加载数据，并在训练中进行迭代。

transforms.Compose([...]) 是把一系列图像预处理操作组合起来的工具。

  • transforms.ToTensor()：

    将图像从 PIL 格式（或 NumPy 数组）转换成 PyTorch 张量，并把像素值从 [0, 255] 映射到 [0, 1]。

  • transforms.Normalize((0.1307,), (0.3081,))：

    对图像进行标准化处理：

    • 均值（mean）为 0.1307，标准差（std）为 0.3081，这是 MNIST 数据集的平均值和标准差。

    • 公式为：(x - mean) / std，有助于模型更快收敛。

datasets.MNIST(...) 用来加载 MNIST 数据集，这是一组 28x28 的手写数字图片（0-9）。

  • root='./data'：数据将被下载或加载到 ./data 文件夹中。

  • train=True：表示加载的是 训练集（共 60,000 张图片）。

  • train=False：表示加载的是 测试集（共 10,000 张图片）。

  • transform=transform：指定图像的预处理方式。

  • download=True：如果本地没有数据，就自动从互联网下载。

2、定义 CNN 模型

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

class CNN(nn.Module):
    def __init__(self):
        super(CNN, self).__init__()
        self.conv1 = nn.Conv2d(1, 32, kernel_size=3)  # 输入1通道，输出32通道
        self.conv2 = nn.Conv2d(32, 64, kernel_size=3)
        self.dropout = nn.Dropout(0.25)
        self.fc1 = nn.Linear(9216, 128)  # 计算公式: 64*(28-2*2)^2 = 9216
        self.fc2 = nn.Linear(128, 10)    # 输出10类

    def forward(self, x):
        x = F.relu(self.conv1(x))   # [1,28,28] -> [32,26,26]
        x = F.relu(self.conv2(x))   # -> [64,24,24]
        x = F.max_pool2d(x, 2)      # -> [64,12,12]
        x = self.dropout(x)
        x = x.view(-1, 64 * 12 * 12)
        x = F.relu(self.fc1(x))
        x = self.fc2(x)
        return F.log_softmax(x, dim=1)

定义了一个新的神经网络类 CNN，它继承自 nn.Module，是 PyTorch 中所有神经网络的基础类。

这段代码定义了一个 典型的卷积神经网络结构，包含：

  • 两层卷积层 + ReLU

  • 一个最大池化层

  • Dropout 防过拟合

  • 两层全连接层

  • 输出通过 log_softmax 做分类

3、训练模型

python 复制代码 
import torch.optim as optim

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = CNN().to(device)
optimizer = optim.Adam(model.parameters(), lr=0.001)


def train(epoch):
    model.train()
    for batch_idx, (data, target) in enumerate(train_loader):
        data, target = data.to(device), target.to(device)
        optimizer.zero_grad()
        output = model(data)
        loss = F.nll_loss(output, target)  # 负对数似然损失
        loss.backward()
        optimizer.step()

        if batch_idx % 100 == 0:
            print(
                f"Train Epoch: {epoch} [{batch_idx * len(data)}/{len(train_loader.dataset)}]  Loss: {loss.item():.6f}")


for epoch in range(1, 6):  # 训练5轮
    train(epoch)

这段代码做的事情是：

使用 Adam 优化器，对 CNN 模型在 MNIST 手写数字数据集上进行多轮训练，每一轮遍历训练集，计算损失，反向传播并更新参数，打印每100个批次的训练进度。

4、测试模型

python 复制代码 
def test():
    model.eval()
    test_loss = 0
    correct = 0
    with torch.no_grad():  # 关闭梯度计算
        for data, target in test_loader:
            data, target = data.to(device), target.to(device)
            output = model(data)
            test_loss += F.nll_loss(output, target, reduction='sum').item()
            pred = output.argmax(dim=1)
            correct += pred.eq(target).sum().item()

    test_loss /= len(test_loader.dataset)
    acc = 100. * correct / len(test_loader.dataset)
    print(f"Test set: Average loss: {test_loss:.4f}, Accuracy: {correct}/{len(test_loader.dataset)} ({acc:.2f}%)")


test()

✨ 这段代码的作用是：

✅ 在测试集上评估训练好的模型效果：

  • 包括两个核心指标：

    • 平均损失（Loss）

    • 准确率（Accuracy）

6、效果展示（可选）

python 复制代码 
import matplotlib.pyplot as plt

examples = enumerate(test_loader)
batch_idx, (example_data, example_targets) = next(examples)

with torch.no_grad():
    output = model(example_data.to(device))

fig = plt.figure()
for i in range(6):
    plt.subplot(2,3,i+1)
    plt.tight_layout()
    plt.imshow(example_data[i][0], cmap='gray', interpolation='none')
    plt.title(f"Prediction: {output.argmax(dim=1)[i].item()}")
    plt.xticks([])
    plt.yticks([])
plt.show()

🎯 这段代码的意义：

✅ 可视化模型在测试集上的预测效果：

它从测试集中拿出一小批图像，并显示前 6 张图像和对应的模型预测结果（即识别出来的数字）。

执行结果：

四、本地测试

1、图片准备

这里我们使用 Photoshop 准备一张测试图片保存到本地路径下，图片尺寸 28 X 28 像素，格式PNG

2、运行测试

python 复制代码 
import torch
from torchvision import datasets, transforms
from torch.utils.data import DataLoader
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
import matplotlib.pyplot as plt
from PIL import Image
import numpy as np


# 图像预处理
transform = transforms.Compose([
    transforms.ToTensor(),  # 转为张量
    transforms.Normalize((0.1307,), (0.3081,))  # 标准化
])

# 下载并加载训练集和测试集
train_dataset = datasets.MNIST(root='./data', train=True, transform=transform, download=True)
test_dataset  = datasets.MNIST(root='./data', train=False, transform=transform, download=True)

train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True)
test_loader  = DataLoader(test_dataset, batch_size=1000, shuffle=False)

class CNN(nn.Module):
    def __init__(self):
        super(CNN, self).__init__()
        self.conv1 = nn.Conv2d(1, 32, kernel_size=3)  # 输入1通道，输出32通道
        self.conv2 = nn.Conv2d(32, 64, kernel_size=3)
        self.dropout = nn.Dropout(0.25)
        self.fc1 = nn.Linear(9216, 128)  # 计算公式: 64*(28-2*2)^2 = 9216
        self.fc2 = nn.Linear(128, 10)    # 输出10类

    def forward(self, x):
        x = F.relu(self.conv1(x))   # [1,28,28] -> [32,26,26]
        x = F.relu(self.conv2(x))   # -> [64,24,24]
        x = F.max_pool2d(x, 2)      # -> [64,12,12]
        x = self.dropout(x)
        x = x.view(-1, 64 * 12 * 12)
        x = F.relu(self.fc1(x))
        x = self.fc2(x)
        return F.log_softmax(x, dim=1)


device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = CNN().to(device)
optimizer = optim.Adam(model.parameters(), lr=0.001)


def train(epoch):
    model.train()
    for batch_idx, (data, target) in enumerate(train_loader):
        data, target = data.to(device), target.to(device)
        optimizer.zero_grad()
        output = model(data)
        loss = F.nll_loss(output, target)  # 负对数似然损失
        loss.backward()
        optimizer.step()

        if batch_idx % 100 == 0:
            print(
                f"Train Epoch: {epoch} [{batch_idx * len(data)}/{len(train_loader.dataset)}]  Loss: {loss.item():.6f}")


for epoch in range(1, 6):  # 训练5轮
    train(epoch)

#  保存模型
torch.save(model.state_dict(), 'mnist_cnn.pth')

def test():
    model.eval()
    test_loss = 0
    correct = 0
    with torch.no_grad():  # 关闭梯度计算
        for data, target in test_loader:
            data, target = data.to(device), target.to(device)
            output = model(data)
            test_loss += F.nll_loss(output, target, reduction='sum').item()
            pred = output.argmax(dim=1)
            correct += pred.eq(target).sum().item()

    test_loss /= len(test_loader.dataset)
    acc = 100. * correct / len(test_loader.dataset)
    print(f"Test set: Average loss: {test_loss:.4f}, Accuracy: {correct}/{len(test_loader.dataset)} ({acc:.2f}%)")


test()

# 加载已经训练好的模型
model = CNN().to(device)
model.load_state_dict(torch.load('mnist_cnn.pth'))  # 加载训练好的模型权重
model.eval()  # 设置模型为评估模式

# 图像预处理：将图片调整为28x28，转为灰度图，并进行标准化
def process_image(image_path):
    image = Image.open(image_path).convert('L')  # 转为灰度图
    image = image.resize((28, 28))  # 调整大小为28x28
    transform = transforms.Compose([
        transforms.ToTensor(),  # 转为张量
        transforms.Normalize((0.1307,), (0.3081,))  # 标准化
    ])
    image = transform(image).unsqueeze(0)  # 增加一个 batch 维度
    return image

# 预测函数
def predict(image_path):
    image = process_image(image_path)
    image = image.to(device)  # 移动到设备上（GPU 或 CPU）
    output = model(image)  # 模型预测
    pred = output.argmax(dim=1, keepdim=True)  # 获取最大概率的类别
    return pred.item()  # 返回预测的数字

# 测试手写图片
image_path = 'C:/Users/LMT/Desktop/cnn.png'  # 你保存的手写数字图片路径
predicted_digit = predict(image_path)
print(f"Predicted Digit: {predicted_digit}")

将 image_path 修改为测试图片所在的路径

执行后结果如下：

成功识别

💕💕💕每一次的分享都是一次成长的旅程，感谢您的陪伴和关注。希望这些文章能陪伴您走过技术的一段旅程，共同见证成长和进步！😺😺😺

🧨🧨🧨让我们一起在技术的海洋中探索前行，共同书写美好的未来！！！

相关推荐
亚图跨际15 分钟前
从物理到预测：数据驱动的深度学习的结构化探索及AI推理
人工智能·深度学习
一RTOS一17 分钟前
鸿道操作系统Type 1虚拟化:破局AI机器人与智能汽车的“安全”与“算力”双刃剑
人工智能·机器人·汽车·鸿道intewell操作系统·工业os
搬砖的阿wei26 分钟前
Transformer：引领深度学习新时代的架构
人工智能·深度学习·transformer
浔川python社28 分钟前
《浔川代码编辑器v2.1.0预告》
python·编辑器
lilye6634 分钟前
精益数据分析（6/126）：深入理解精益分析的核心要点
前端·人工智能·数据分析
果冻人工智能37 分钟前
直观讲解生成对抗网络背后的数学原理
人工智能
新智元1 小时前
刚刚，OpenAI 最强图像生成 API 上线，一张图 1 毛 5！
人工智能·openai
梓羽玩Python1 小时前
开源TTS领域迎来重磅新星！Dia-1.6B：超逼真对话生成，开源2天斩获6.5K Star！
人工智能·python·github
weixin_448781621 小时前
第T9周：猫狗识别2
人工智能·深度学习·神经网络
知来者逆1 小时前
解读大型语言模型：从Transformer架构到模型量化技术
人工智能·深度学习·自然语言处理·transformer·llms
热门推荐
01KGG转MP3工具|非KGM文件|解密音频02从零安装 LLaMA-Factory 微调 Qwen 大模型成功及所有的坑03我决定放弃搞 Java 了04YOLOv8入门 | 重要性能衡量指标、训练结果评价及分析及影响mAP的因素【发论文关注的指标】05yolov8，yolo11，yolo12 服务器训练到部署全流程 笔记06DeepSeek各版本说明与优缺点分析07苍穹外卖面试总结08组基轨迹建模 GBTM的介绍与实现（Stata 或 R）09RAG 实践- Ollama+RagFlow 部署本地知识库10✨分享我在飞书多维表格中使用DeepSeek的经历✨