P1周：Pytorch实现mnist手写数字识别

P1周：Pytorch实现mnist手写数字识别（小白）

• 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍖 原作者：K同学啊

我的环境：

import torch
import torchvision
import torchinfo
import torch.nn as nn
import matplotlib.pyplot as plt

print("PyTorch 版本:", torch.__version__)
print("CUDA 是否可用:", torch.cuda.is_available())
print("CUDA 版本:", torch.version.cuda)
print("Torchvision版本",torchvision.__version__)
print("GPU 设备数量:", torch.cuda.device_count())
print("GPU 设备名称:", torch.cuda.get_device_name(0) if torch.cuda.is_available() else "No GPU")
device = torch.device('cuda' if torch.cuda.is_available() else "cpu")
device

#运行结果
PyTorch 版本: 2.5.1
CUDA 是否可用: True
CUDA 版本: 12.4
Torchvision版本 0.20.1
GPU 设备数量: 1
GPU 设备名称: NVIDIA GeForce RTX 3060 Laptop GPU
device(type=‘cuda’)

一、数据与环境准备

导入数据

data=r"..\K同学训练营\Pytorch"
train_ds = torchvision.datasets.MNIST('data',#root数据地址
                                     train=True,#训练集
                                     transform=torchvision.transforms.ToTensor(),#数据类型转化为Tensor
                                     download=True)#下载并存储在root目录下
test_ds=torchvision.datasets.MNIST('data',
                                    train=False,#测试集
                                    transform=torchvision.transforms.ToTensor(),#数据类型转化为Tensor
                                    download=True)

torchvision.datasets.MNIST详解

torchvision.datasets是Pytorch自带的一个数据库，我们可以通过代码在线下载数据，这里使用的是torchvision.datasets中的MNIST数据集。

函数原型：

torchvision.datasets.MNIST(root, train=True, transform=None, target_transform=None, download=False)

参数说明：

root (string) ：数据地址

train (string) ：True训练集，False测试集

download (bool,optional) : 如果为True，从互联网上下载数据集，并把数据集放在root目录下。

transform (callable, optional )：这里的参数选择一个你想要的数据转化函数，直接完成数据转化target_transform (callable,optional) ：接受目标并对其进行转换的函数/转换。

加载数据

batch_size=32

train_dl = torch.utils.data.DataLoader(train_ds,
                                      batch_size=batch_size,
                                      shuffle=True)
#train_dl使用shuffle=None，打乱数据顺序，保证每个 epoch（训练轮次）数据的顺序是不同的。
#这样可以防止模型记住数据的固定顺序，提高泛化能力，减少 overfitting（过拟合）的风险。
test_dl = torch.utils.data.DataLoader(test_ds,
                                     batch_size=batch_size)
#test_dl不使用shuffle=None；不打乱数据顺序，确保测试集的数据顺序是固定的，每次评估都使用相同的数据顺序。
#这样可以保证结果的可重复性，不受数据顺序影响，便于对比不同模型的表现。

torch.utils.data.DataLoader详解（先了解）

torch.utils.data.DataLoader 是Pytorch自带的一个数据加载器，结合了数据集和取样器，并且可以提供多个线程处理数据集

函数原型：

torch.utils.data.DataLoader(dataset,#加载的数据集

                                                batch_size=1,#每批加载的样本的大小（默认值1）

                                         shuffle=None,#如果为True，每个epoch重新排列数。train_dl打乱数据顺序，保证每个 epoch（训练轮次）数据的顺序是不同的。这样可以防止模型记住数据的固定顺序，提高泛化能力，减少 overfitting（过拟合）的风险。

                                                                            而test_dl则不需要，不打乱数据顺序，确保测试集的数据顺序是固定的，每次评估都使用相同的数据顺序。这样可以保证结果的可重复性，不受数据顺序影响，便于对比不同模型的表现。

                                         sample=None,#定义从数据集中抽取样本的策略。可以是任何实现了__len__的Iterable。如果指定，则不得指定shuffle？

                                         batch_sampler=None,#类似于sampler，但以此返回一批索引。与batch_size\shuffle\dample\drop_last互斥

                                         num_workers=0,#用于数据加载的子进程数。0表示数据将在主进程中加载。默认0

                                         collate_fn=None,

                                         pin_memory=False,#如果为True，数据加载器将在返回之前将张量复制到设备/CUDA 固定内存中。 如果数据元素是自定义类型，或者collate_fn返回一个自定义类型的批次。

                                         drop_last=False,#如果数据集大小不能被批次大小整除，则设置为 True 以删除最后一个不完整的批次。 如果 False 并且数据集的大小不能被批大小整除，则最后一批将保留。 （默认值：False）  

                                         timeout=0,#设置数据读取的超时时间 ， 超过这个时间还没读取到数据的话就会报错。（默认值：0）  

                                         worker_init_fn=None,#如果不是 None，这将在步长之后和数据加载之前在每个工作子进程上调用，并使用工作 id（[0，num_workers - 1] 中的一个 int）的顺序逐个导入。（默认：None）

                                         multiprocession_context=None,

                                         generator=None,*,

                                         prefetch_factor=2,

                                         persistent_workers=False,

                                         pin_memory_device=’’)

数据可视化

# 取一个批次查看数据格式
# 数据的shape为：[batch_size, channel, height, weight]
# 其中batch_size为自己设定，channel，height和weight分别是图片的通道数，高度和宽度。
imgs, labels = next(iter(train_dl))
imgs.shape

#运行结果
torch.Size([32, 1, 28, 28])

import numpy as np
imgs, labels = next(iter(train_dl))  # 获取一个 batch
print(imgs.shape) 
plt.figure(figsize=(20, 5)) # 指定图片大小，图像大小为20*5 inches
for i in range(20):
    npimg = np.squeeze(imgs[i].numpy().transpose(1, 2, 0))  # 需要转换通道格式为2d数据
    plt.subplot(2, 10, i + 1)#将整个figure分成2行10列，绘制第i+1个子图。（0开始）
    plt.imshow(npimg,cmap=plt.cm.binary)#指定灰度颜色
    plt.axis('off')
plt.show()

二、构建CNN网络

import torch.nn.functional as F

num_classes = 10
class Model(nn.Module):    #继承 torch.nn.Module，构建自定义神经网络 Model。
    def __init__(self):
        super().__init__()
        #特征提取网络
        self.conv1 = nn.Conv2d(1,32,kernel_size=3)#输入通道1灰度图，输出通道32各卷积核，卷积核大小3*3
        self.pool1 = nn.MaxPool2d(2)#2×2 的最大池化，用于降低特征图的尺寸。
        self.conv2 = nn.Conv2d(32,64,kernel_size=3)
        self.pool2 = nn.MaxPool2d(2)
        
        #分类网络
        self.fc1 = nn.Linear(1600,64)#输入特征数 1600，输出 64（隐藏层）。
        self.fc2 = nn.Linear(64,num_classes)#输入 64，输出 10（对应 num_classes）。
        
    #前向传播
    def forward(self,x):
        x = self.pool1(F.relu(self.conv1(x)))
        x = self.pool2(F.relu(self.conv2(x)))
        #展品层
        x = torch.flatten(x,start_dim=1)
        #全连接层
        x = F.relu(self.fc1(x))
        x = self.fc2(x)
        
        return x

from torchinfo import summary
#将模型移动到GPU中，均在GPU中运行
model = Model().to(device)
summary(model)

#运行结果 =================================================================
Layer (type:depth-idx) Param #
=================================================================
Model –
├─Conv2d: 1-1 320
├─MaxPool2d: 1-2 –
├─Conv2d: 1-3 18,496
├─MaxPool2d: 1-4 –
├─Linear: 1-5 102,464
├─Linear: 1-6 650
=================================================================
Total params: 121,930
Trainable params: 121,930
Non-trainable params: 0
=================================================================

三、训练模型

设置超参数

loss_fn    = nn.CrossEntropyLoss() # 创建损失函数
learn_rate = 1e-2 # 学习率
opt        = torch.optim.SGD(model.parameters(),lr=learn_rate)

编写训练函数

损失（Loss）
在深度学习中，损失（Loss） 用于衡量模型的预测结果和真实值之间的差距。

训练过程中损失的变化
在训练过程中，我们希望 损失随着迭代次数下降，说明模型在学习：
- 损失下降快 → 说明学习效率高，训练收敛快。
- 损失下降慢 → 可能是学习率过低，或者模型复杂度不足。
- 损失震荡 → 可能是学习率过高，或者 batch size 太小。
- 损失不下降 → 可能是特征工程问题，或者数据问题。

# 训练循环
def train(dataloader, model, loss_fn, optimizer):
    size = len(dataloader.dataset)  # 训练集的大小，一共60000张图片
    num_batches = len(dataloader)   # 批次数目，1875（60000/32）

    train_loss, train_acc = 0, 0  # 初始化训练损失和正确率
    #train_loss：累积损失，用于计算整个训练周期的平均损失。
		#train_acc：累积正确预测数，用于计算整个训练周期的准确率。
		
    for X, y in dataloader:  # 获取图片及其标签
        X, y = X.to(device), y.to(device)
        
        # 计算预测误差
        pred = model(X)          # 网络输出
        loss = loss_fn(pred, y)  # 计算网络输出和真实值之间的差距，targets为真实值，计算二者差值即为损失
        
        # 反向传播
        optimizer.zero_grad()  # grad属性归零
        loss.backward()        # 反向传播
        optimizer.step()       # 每一步自动更新
        
        # 记录acc与loss
        train_acc  += (pred.argmax(1) == y).type(torch.float).sum().item()#(pred.argmax(1) == y)：比较预测类别和真实标签，得到 True/False 结果。
																																	        #.type(torch.float).sum().item()：把 True/False 转换成 1/0，然后求和。
        train_loss += loss.item()
            
    train_acc  /= size
    train_loss /= num_batches

    return train_acc, train_loss

编写测试函数

def test (dataloader, model, loss_fn):
    size        = len(dataloader.dataset)  # 测试集的大小，一共10000张图片
    num_batches = len(dataloader)          # 批次数目，313（10000/32=312.5，向上取整）
    test_loss, test_acc = 0, 0
    
    # 当不进行训练时，停止梯度更新，节省计算内存消耗
    with torch.no_grad():
        for imgs, target in dataloader:
            imgs, target = imgs.to(device), target.to(device)
            
            # 计算loss
            target_pred = model(imgs)
            loss        = loss_fn(target_pred, target)
            
            test_loss += loss.item()
            test_acc  += (target_pred.argmax(1) == target).type(torch.float).sum().item()

    test_acc  /= size
    test_loss /= num_batches

    return test_acc, test_loss

正式训练

#变量初始化
epochs     = 5
train_loss = []
train_acc  = []
test_loss  = []
test_acc   = []

for epoch in range(epochs):
    model.train()
    epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, opt)
    
    #评估模式
    model.eval()
    epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)
    
    train_acc.append(epoch_train_acc)
    train_loss.append(epoch_train_loss)
    test_acc.append(epoch_test_acc)
    test_loss.append(epoch_test_loss)
    
    template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%，Test_loss:{:.3f}')
    print(template.format(epoch+1, epoch_train_acc*100, epoch_train_loss, epoch_test_acc*100, epoch_test_loss))
print('Done')

Epoch: 1, Train_acc:80.1%, Train_loss:0.697, Test_acc:93.7%，Test_loss:0.215
Epoch: 2, Train_acc:94.5%, Train_loss:0.177, Test_acc:96.6%，Test_loss:0.112
Epoch: 3, Train_acc:96.6%, Train_loss:0.116, Test_acc:97.0%，Test_loss:0.097
Epoch: 4, Train_acc:97.1%, Train_loss:0.092, Test_acc:97.5%，Test_loss:0.073
Epoch: 5, Train_acc:97.6%, Train_loss:0.079, Test_acc:97.5%，Test_loss:0.076
Done

结果可视化

import matplotlib.pyplot as plt
#隐藏警告
import warnings
warnings.filterwarnings("ignore")               #忽略警告信息
plt.rcParams['font.sans-serif']    = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False      # 用来正常显示负号
plt.rcParams['figure.dpi']         = 100        #分辨率

from datetime import datetime
current_time = datetime.now() # 获取当前时间

epochs_range = range(epochs)

plt.figure(figsize=(12, 3))
plt.subplot(1, 2, 1)

plt.plot(epochs_range, train_acc, label='Training Accuracy')
plt.plot(epochs_range, test_acc, label='Test Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')
plt.xlabel(current_time) # 打卡请带上时间戳，否则代码截图无效

plt.subplot(1, 2, 2)
plt.plot(epochs_range, train_loss, label='Training Loss')
plt.plot(epochs_range, test_loss, label='Test Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()