本文详细记录了使用PyTorch实现MNIST手写数字识别的步骤，包括构建简单的CNN网络、训练过程和结果可视化，以及对nn.Conv2d、nn.MaxPool2d、nn.ReLU、nn.Linear和nn.Sequential等层的使用心得。
- 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
- 🍦 参考文章：[365天深度学习训练营-第P1周：实现mnist手写数字识别](Pytorch实战 | 第P1周：实现mnist手写数字识别 (qq.com))**
- 🍖 原作者：K同学啊|接辅导、项目定制
目录
一、代码及运行结果
1.前期准备
import torch
print(torch.__version__)
import torch
import torch.nn as nn
import matplotlib.pyplot as plt
import torchvision
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
device
train_ds = torchvision.datasets.MNIST('data',
train=True,
transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
download=True)
test_ds = torchvision.datasets.MNIST('data',
train=False,
transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
download=True)
batch_size = 32
train_dl = torch.utils.data.DataLoader(train_ds,
batch_size=batch_size,
shuffle=True)
test_dl = torch.utils.data.DataLoader(test_ds,
batch_size=batch_size)
# 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))
print(imgs.shape)
import numpy as np
# 指定图片大小，图像大小为20宽、5高的绘图(单位为英寸inch)
plt.figure(figsize=(20, 5))
for i, imgs in enumerate(imgs[:20]):
# 维度缩减
npimg = np.squeeze(imgs.numpy())
# 将整个figure分成2行10列，绘制第i+1个子图。
plt.subplot(2, 10, i+1)
plt.imshow(npimg, cmap=plt.cm.binary)
plt.axis('off')
plt.show()device(type='cuda')
torch.Size([32, 1, 28, 28])2.构建简单的CNN网络
import torch.nn.functional as F
num_classes = 10 # 图片的类别数
class Model(nn.Module):
def __init__(self):
super().__init__()
# 特征提取网络
self.conv1 = nn.Conv2d(1, 32, kernel_size=3) # 第一层卷积,卷积核大小为3*3
self.pool1 = nn.MaxPool2d(2) # 设置池化层，池化核大小为2*2
self.conv2 = nn.Conv2d(32, 64, kernel_size=3) # 第二层卷积,卷积核大小为3*3
self.pool2 = nn.MaxPool2d(2)
# 分类网络
self.fc1 = nn.Linear(1600, 64)
self.fc2 = nn.Linear(64, 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)))
x = torch.flatten(x, start_dim=1)
x = F.relu(self.fc1(x))
x = self.fc2(x)
return x
from torchinfo import summary
# 将模型转移到GPU中（我们模型运行均在GPU中进行）
model = Model().to(device)
summary(model)
3.训练模型
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)
# 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
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()
train_loss += loss.item()
train_acc /= size
train_loss /= num_batches
return train_acc, train_loss
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
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)
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:79.2%, Train_loss:0.701, Test_acc:92.4%，Test_loss:0.245 Epoch: 2, Train_acc:94.8%, Train_loss:0.172, Test_acc:96.4%，Test_loss:0.119 Epoch: 3, Train_acc:96.6%, Train_loss:0.113, Test_acc:97.4%，Test_loss:0.082 Epoch: 4, Train_acc:97.3%, Train_loss:0.090, Test_acc:97.8%，Test_loss:0.068 Epoch: 5, Train_acc:97.7%, Train_loss:0.077, Test_acc:98.0%，Test_loss:0.061 Done
4.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
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.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()
二、个人总结：
在构建神经网络时，对不同层的使用的心得体会：
-
nn.Conv2d：- 作用：卷积层用于特征提取，通过在输入图像上滑动卷积核来计算输出特征图。每个卷积核会学习一组权重，用于检测输入图像的不同特征，例如边缘、纹理等。
- 意义：卷积操作可以捕捉到图像中的局部空间结构信息，并在不同位置共享权重，使得模型具有平移不变性和局部感受野。
-
nn.MaxPool2d：- 作用：池化层进行下采样，通过在局部区域内选择最大值或平均值来减小特征图的尺寸。它可以帮助减少参数数量、降低过拟合风险，并增强模型对输入变换的鲁棒性。
- 意义：池化操作能够保留主要特征并减少冗余信息，同时提高特征的空间不变性和抽象级别，使模型对输入的平移和尺度变化具有一定的鲁棒性。
-
nn.ReLU：- 作用：ReLU（Rectified Linear Unit）是一种激活函数，将负值设为零并保持正值不变。它引入非线性性质，使得神经网络能够拟合非线性数据。
- 意义：ReLU激活函数具有简单的计算、解决梯度消失问题的能力，并且在深层网络中更易于训练。它还可以增强模型的稀疏性和表示能力。
-
nn.Linear：- 作用：全连接层是神经网络中最基本的层之一，每个神经元与上一层的所有神经元相连。它用于将特征进行组合、映射到新的特征空间，并输出最终的分类结果。
- 意义：全连接层能够学习特征之间的复杂关系，从而提高模型的表达能力。最后一层的全连接层也可以视为输出层，它将特征转换为对应类别的概率分布。
-
nn.Sequential：- 作用：
nn.Sequential是一个容器，用于按顺序连接多个网络模块。允许我们在初始化阶段就设定好网络结构，不需要在前向传播中重新编写一遍。 - 意义：
nn.Sequential提供了一种简单、便捷的方式来构建深度神经网络。通过将多个层按照顺序组合起来，我们可以轻松定义复杂的网络结构，并且使代码更加清晰易读。
- 作用：
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
