手写数字识别学习笔记

一、任务背景

本次学习围绕利用PyTorch实现神经网络对手写数字（MNIST数据集）进行识别展开，旨在了解借助`nn`工具箱构建神经网络的流程，后续还会深入介绍`nn`各模块。

二、主要步骤与关键知识点

（一）准备数据

从`torchvision.datasets`导入MNIST数据集，利用`torchvision.transforms`对数据进行预处理，如`ToTensor()`将图像转为张量，`Normalize( $0.5$ , $0.5$ )`进行标准化，使数据分布更适合模型训练。
通过`torch.utils.data.DataLoader`创建数据迭代器（`train_loader`和`test_loader`），`batch_size`控制每次训练的样本数，`shuffle`在训练集设为`True`实现数据打乱，增强模型泛化能力，测试集设为`False`保证评估稳定性。

使用`enumerate`和`next`获取测试集的一个批次数据，通过`shape`查看数据维度（如`torch.Size( $128, 1, 28, 28$ )`，表示128个样本，单通道，28×28像素）。

（二）可视化源数据

借助`matplotlib.pyplot`库，遍历测试集批次数据，用`subplot`和`imshow`展示手写数字图像，并标注真实标签（`Ground Truth`），直观感受数据形态。

（三）构建模型

定义`Net`类继承`nn.Module`，在`init`方法中，用`nn.Sequential`组合网络层，包括`nn.Flatten`（将28×28的图像展平为784维向量）、两个含`nn.Linear`（线性变换）和`nn.BatchNorm1d`（批量归一化，加速训练、提升稳定性）的隐藏层，以及输出层（将特征映射到10个类别，对应0 - 9数字）。
`forward`方法定义前向传播过程，对各层输出应用`F.relu`（隐藏层，引入非线性）和`F.softmax`（输出层，将输出转为概率分布，`dim=1`按行计算）。

（四）实例化模型与定义优化相关组件

损失函数选用`nn.CrossEntropyLoss`，适合多分类任务；优化器使用`optim.SGD`，设置学习率`lr`和动量`momentum`，加速梯度下降过程。

（五）训练模型

遍历`num_epochs`个epoch，每个epoch内分训练和测试阶段。训练时，模型设为`train()`模式，开启梯度计算。
动态调整学习率：每5个epoch将学习率乘以0.9，平衡训练速度与精度。
正向传播：输入图像，经模型得到输出，计算与真实标签的损失；反向传播：通过`zero_grad()`清空梯度，`backward()`计算梯度，`step()`更新参数。
记录训练损失和准确率，以及测试集上的损失和准确率，用于后续分析。

三、总结

通过本次学习，掌握了利用PyTorch完成手写数字识别任务的完整流程，从数据准备、模型构建到训练评估，理解了各环节关键技术（如数据预处理、网络层设计、损失函数与优化器选择等）的作用，为后续深入学习神经网络打下基础。