当前位置： 首页 > web >正文

pytorch 实战二 CNN手写数字识别

web 2025/6/17 21:02:28

系列文章目录

文章目录

  • 系列文章目录
  • 前言
  • 一、torchvision.datasets
    • 1. 数据下载
    • 2. 数据分批次传入
  • 二、网络
    • 1. 网络搭建
    • 2. 训练
    • 3.测试
  • 完整代码
  • 三、保存模型与推理（inference）
    • 模型保存
    • 推理
    • 鸣谢

前言

  手写数字识别，就是要根据手写的数字0~9，然后我们搭建网络，进行智能识别。说句实话，中草药识别啊，等等。都可以用在本科的毕业设计论文中，妥妥的加分项，而且还不难。最离谱的是我有一个研究生的哥们儿，也用这个当做毕业设计论文，准确率高达99%。笑死我了，哈哈哈，我只能说，水深啊
   在实战一中，我们已经详细讲解了 torch 完成一个神经网络搭建的过程，在以后我将直接给出代码，讲解额外的库函数。

一、torchvision.datasets

1. 数据下载

  本文使用的手写数字的识别就在 torchvision.datasets 中，我们可以直接调用。在手写数据中，有 6 w张训练集和 1 w 张测试集。
dowload = True, 只能运行一次，之后改成False, transform.Tensor ,就是把数据转化成我们可以使用的 Tensor 数据类型。
代码加载数据：

# data
train_data = datasets.MNIST(root='./datasets',train = True,transform = transforms.ToTensor(),download=True)

但是这个下载可能有点慢？这里给出一个百度链接：

https://pan.baidu.com/s/1ia3vFA73hEtWK9qU-O-4iQ?pwd=mnis

2. 数据分批次传入

  在第一个章节中，我们把数据一次加载到训练集和测试集中，但是深度学习的照片可能很大，我们这里要用一种新的方法：

# batchSize
train_loader = data_util.DataLoader(dataset=train_data,batch_size=64,shuffle=True)test_loader = data_util.DataLoader(dataset=test_data,batch_size=64,shuffle=True)

dataset = train_data 这个参数是传入要分割的数据集，batch_size 分块的批次，shuffle 数据是否需要打乱，那必须的啊。所以把这个当做模版来，用的时候就 CV。

二、网络

1. 网络搭建

  在实战一中，我们是直接定义算子，然后组合在一起。在实战二中，我们玩点不一样的，使用序列定义算子。

class CNN(torch.nn.Module):def __init__(self):super(CNN, self).__init__()# 定义第一个卷积操作self.conv = torch.nn.Sequential(# 参数的具体含义我们在卷积神经网络中介绍torch.nn.Conv2d(1, 32, kernel_size=(5,5),padding = 2),# 第一个参数是灰度，第二个参数是输出通道，第三个参数是卷积核torch.nn.BatchNorm2d(32),torch.nn.ReLU(),torch.nn.MaxPool2d(2))self.fc = torch.nn.Linear(14*14*32,10) # 第一个是特征图整体的数量，第二个是Y的种类def forward(self, x):out = self.conv(x) # 第一个卷积out = out.view(out.size()[0],-1) # 拉成一个一维的向量out = self.fc(out) # 线性运算return out # 返回最后的输出
cnn = CNN()

  class 用于构建我们的网络，第一个函数除了继承父类的初始化操作，还要定义我们的算子。卷积操作，用一个序列torch.nn.Sequential,在里面定义了一个 2d 卷积、BatchNorm等等，这些参数的配置我们在卷积神经网络会细讲。此处我们需要了解编程的结构。网络中定义了一个前向传播算子，经过卷积，拉直，输出的线性化。

2. 训练

cnn = cnn.cuda()
# loss
loss_fn = torch.nn.CrossEntropyLoss() # 交叉熵的损失函数# optimizer
optimizer = torch.optim.Adam(cnn.parameters(),lr=0.01)# 采用Adam 对学习率不是特别敏感
# training
for epoch in range(10):# 这里我们把整个数据集过 10 遍for i, (images, labels) in enumerate(train_loader):images = images.cuda() # 图片放到cuda上面labels = labels.cuda()# 定义输出结构outputs = cnn(images)loss = loss_fn(outputs,labels) # loss 传入输出的结果optimizer.zero_grad() # 梯度优化loss.backward() # 反向传播optimizer.step()print("Epoch is:{} item is :{}/{} Loss is :{}".format(epoch+1,i,len(train_data)//64,loss.item()))

把网络加载到cuda上面，使用显卡跑数据。损失函数采用交叉熵，优化函数采用Adam,这可以减小学习率的影响。然后训练10个轮次，每个轮次还有64个区块，我们都要训练完全。训练过程每个batch:

  1. 把数据加载到 cuda 上面
  2. 网络上跑一边获得第一个输出，输出在net中已经处理了。
  3. 计算损失函数
  4. 梯度优化器
  5. 损失函数反向传播
  6. 优化器保存参数

图片：

图 1 训练结果
我们从训练结果可以看出，epoch 有10轮，其中有937次区块训练。损失函数万分之二，非常好了。

3.测试

  测试我们在每个epoch测试一次（每轮测试），注意代码的位置。用测试集来跑模型，然后计算出准确率。

# testloss_test = 0accuracy = 0for i, (images, labels) in enumerate(test_loader):images = images.cuda()  # 图片放到cuda上面labels = labels.cuda()# 定义输出结构outputs = cnn(images)# 我们使用交叉熵计算，label 的维度是[batchsize],每个样本的标签样本是一个值# outputs = batches * cls_num  cls_num 概率分布也就是种类10 个loss_test += loss_fn(outputs, labels)  # loss 传入输出的结果,对text_loss 进行一个累加，最后求平均值_, predicted = outputs.max(dim=1)   # 获得最大的概率作为我们的预测值accuracy += (predicted ==labels).sum().item() # 我们通过相同的样本进行统计求和，通过item获取这个值accuracy = accuracy/len(test_data)loss_test=loss_test/(len(test_data)//64) # 除以batch的个数print("测试：\nEpoch is:{} accuracy is :{} loss_test is :{}".format(epoch+1,accuracy,loss_test.item()))

  测试我们定义在每轮测试一次。先定义损失函数的值和准确率为零，我们把他们的每个batch求和，然后求得平均值，这是我们测试经常做的。注意预测， _, predicted = outputs.max(dim=1) 我们取得最大的预测结果，_ 表示忽略索引，只保留预测的标签。accuracy += (predicted ==labels).sum().item() 把预测值和真实值进行比较，再求和，再取得数据，加到 accuracy (每个batch的轮次)。.item() 将单元素张量转换为Python标量,有利于计算。最后计算求平均值，准确率除以整个测试集，而loss_test 除以batch的数量，因为损失函数这一个batch只有一个，准确率统计了这个batch的所有正确样本。

图片：

图 2 测试

  从数据来看，准确率 98%，loss 也在0.06 左右，基本是个好模型了。

完整代码

记得修改数据集的路径：

import torch
import torchvision.datasets as datasets
import torchvision.transforms as transforms
import torch.utils.data as data_util
# data
train_data = datasets.MNIST(root='datasets',train = True,transform = transforms.ToTensor(),download=True)
test_data = datasets.MNIST(root='datasets',train = False,transform = transforms.ToTensor(),download=False)# batchSize
train_loader = data_util.DataLoader(dataset=train_data,batch_size=64,shuffle=True)test_loader = data_util.DataLoader(dataset=test_data,batch_size=64,shuffle=True)
# net
class CNN(torch.nn.Module):def __init__(self):super(CNN, self).__init__()# 定义第一个卷积操作self.conv = torch.nn.Sequential(# 参数的具体含义我们在卷积神经网络中介绍torch.nn.Conv2d(1, 32, kernel_size=(5,5),padding=2),# 第一个参数是灰度，第二个参数是输出通道，第三个参数是卷积核torch.nn.BatchNorm2d(32),torch.nn.ReLU(),torch.nn.MaxPool2d(2))self.fc = torch.nn.Linear(14*14*32,10) # 第一个是特征图整体的数量，第二个是Y的种类def forward(self, x):out = self.conv(x) # 第一个卷积out = out.view(out.size()[0],-1) # 拉成一个一维的向量out = self.fc(out) # 线性运算return out # 返回最后的输出
cnn = CNN()
cnn = cnn.cuda()
# loss
loss_fn = torch.nn.CrossEntropyLoss() # 交叉熵的损失函数# optimizer
optimizer = torch.optim.Adam(cnn.parameters(),lr=0.01)# 采用Adam 对学习率不是特别敏感
# training
for epoch in range(10):# 这里我们把整个数据集过 10 遍for i, (images, labels) in enumerate(train_loader):images = images.cuda() # 图片放到cuda上面labels = labels.cuda()# 定义输出结构outputs = cnn(images)loss = loss_fn(outputs,labels) # loss 传入输出的结果optimizer.zero_grad() # 梯度优化loss.backward() # 反向传播optimizer.step()# print("训练：\nEpoch is:{}  Loss is :{}".format(epoch+1,loss.item()))
# testloss_test = 0accuracy = 0for i, (images, labels) in enumerate(test_loader):images = images.cuda()  # 图片放到cuda上面labels = labels.cuda()# 定义输出结构outputs = cnn(images)# 我们使用交叉熵计算，label 的维度是[batchsize],每个样本的标签样本是一个值# outputs = batches * cls_num  cls_num 概率分布也就是种类10 个loss_test += loss_fn(outputs, labels)  # loss 传入输出的结果,对text_loss 进行一个累加，最后求平均值_, predicted = outputs.max(dim=1)   # 获得最大的概率作为我们的预测值accuracy += (predicted ==labels).sum().item() # 我们通过相同的样本进行统计求和，通过item获取这个值accuracy = accuracy/len(test_data)loss_test=loss_test/(len(test_data)//64) # 除以batch的个数# .item() 将单元素张量转换为Python标量# print("测试：\nEpoch is:{} accuracy is :{} loss_test is :{}".format(epoch+1,accuracy,loss_test.item()))# 保存模型
torch.save(cnn,"model/cnn.pkl")

三、保存模型与推理（inference）

模型保存

# 保存模型
torch.save(cnn,"model/cnn.pkl")

推理

import torch
import torchvision.datasets as datasets
import torchvision.transforms as transforms
import torch.utils.data as data_util# net
class CNN(torch.nn.Module):def __init__(self):super(CNN, self).__init__()# 定义第一个卷积操作self.conv = torch.nn.Sequential(# 参数的具体含义我们在卷积神经网络中介绍torch.nn.Conv2d(1, 32, kernel_size=(5,5),padding=2),# 第一个参数是灰度，第二个参数是输出通道，第三个参数是卷积核torch.nn.BatchNorm2d(32),torch.nn.ReLU(),torch.nn.MaxPool2d(2))self.fc = torch.nn.Linear(14*14*32,10) # 第一个是特征图整体的数量，第二个是Y的种类def forward(self, x):out = self.conv(x) # 第一个卷积out = out.view(out.size()[0],-1) # 拉成一个一维的向量out = self.fc(out) # 线性运算return out # 返回最后的输出test_data = datasets.MNIST(root='../datasets',train = False,transform = transforms.ToTensor(),download=False)# batchSize
test_loader = data_util.DataLoader(dataset=test_data,batch_size=64,shuffle=True)
cnn = torch.load("cnn.pkl")
cnn = cnn.cuda()
# loss
loss_fn = torch.nn.CrossEntropyLoss() # 交叉熵的损失函数# optimizer
optimizer = torch.optim.Adam(cnn.parameters(),lr=0.01)# 采用Adam 对学习率不是特别敏感
# training
for epoch in range(10):# 这里我们把整个数据集过 10 遍
# testloss_test = 0accuracy = 0for i, (images, labels) in enumerate(test_loader):images = images.cuda()  # 图片放到cuda上面labels = labels.cuda()# 定义输出结构outputs = cnn(images)# 我们使用交叉熵计算，label 的维度是[batchsize],每个样本的标签样本是一个值# outputs = batches * cls_num  cls_num 概率分布也就是种类10 个loss_test += loss_fn(outputs, labels)  # loss 传入输出的结果,对text_loss 进行一个累加，最后求平均值_, predicted = outputs.max(dim=1)   # 获得最大的概率作为我们的预测值accuracy += (predicted ==labels).sum().item() # 我们通过相同的样本进行统计求和，通过item获取这个值accuracy = accuracy/len(test_data)loss_test=loss_test/(len(test_data)//64) # 除以batch的个数# .item() 将单元素张量转换为Python标量# print("测试：\nEpoch is:{} accuracy is :{} loss_test is :{}".format(epoch+1,accuracy,loss_test.item()))
print("accuracy:",accuracy)

  模型推理的数据集一定要找准确，模型调用的路径也要准确。我们可以直接复制代码到新建的推理 python 文件中：

  1. 删除所有与训练有关的数据
  2. 删除模型的保存部分
    3.模型初始化改成调用：cnn = torch.load("cnn.pkl")
    4.修改打印参数

运行结果：

图 3 模型推理结果

鸣谢

  为了感谢我弟对我的照顾，我也没有什么可以报答的，如果这篇文章有助于大家搭建一个神经网络，有助于大家的pytorch编程，还请大家来我弟的小店逛一逛，增加一点访问量，小店才开也不容易，点击一下这里 ，谢谢大家~。

http://www.xdnf.cn/news/14187.html

相关文章：

  • Spring MVC 中日期格式转换的两种实用方法
  • Hive 性能优化：从表设计到查询执行的全链路优化
  • rust的main.rs和lib.rs该怎么写
  • 【项目实训#07】HarmonyOS API知识图谱构建与系统知识图谱后端实现
  • 【Qt】QStateMachine状态机-对状态机分组、历史状态，实现复杂状态机
  • 玩转Docker | 使用Docker部署Blinko个人笔记工具
  • 如何在FastAPI中构建一个既安全又灵活的多层级权限系统？
  • 刚学到一个使用共享软件而禁用弹窗的工具：微软电脑管家
  • 如何给Hexo-butterfly主题博客在复制时添加版权声明
  • 【图片转 3D 模型】北大·字节跳动·CMU携手——单图15 秒生成结构化3D模型！
  • 创客匠人视角：从外卖大战看创始人IP的差异化定位逻辑
  • veyon(电子教室管理) v4.9.6.1 官方版
  • n8n 从 Docker 到 Node.js 本地环境迁移指南
  • Linux Docker的环境配置与简单使用
  • 《高并发系统性能优化三板斧：缓存 + 异步 + 限流》
  • Spring Boot 自动配置原理深度解析与自定义 Starter 实战
  • 【Unity】MiniGame编辑器小游戏（一）俄罗斯方块【Tetris】
  • [学习] 牛顿迭代法：从数学原理到实战
  • Nginx、CDN、 DNS的关系解析
  • ​​信息系统项目管理师-信息系统工程 知识点总结与例题分析​​
  • 单项链表的操作及其实现
  • 重定向与缓冲区：C语言IO的奥秘（模拟封装glibc）
  • 工业PID算法在温控器的应用与参数说明
  • 《单调队列》题集
  • list is not in GROUPBY clause and contains nonaggregated column ‘*.*‘
  • Windows10电脑开始菜单快速查找应用程序
  • I/O模式之epoll，本文会讲到epoll的相关接口以及底层，还会涉及水平和边缘工作模式，以及通过epoll相关接口实现一个水平工作模式服务端
  • 【DRL】强化学习中的概念和术语
  • 用数学融智学人力资源模型的核心架构：建立可量化的理论框架
  • openMP的简单介绍以及c++执行实例