PyTorch-Tutorial项目：CNN实现MNIST手写数字识别详解

PyTorch-Tutorial项目：CNN实现MNIST手写数字识别详解

PyTorch-Tutorial Build your neural network easy and fast, 莫烦Python中文教学 项目地址: https://gitcode.com/gh_mirrors/pyt/PyTorch-Tutorial

前言

卷积神经网络(CNN)是深度学习中处理图像数据的经典架构。本文将通过PyTorch框架，详细讲解如何使用CNN实现MNIST手写数字识别任务。这个教程来自一个知名的PyTorch学习项目，我们将深入解析其中的关键技术和实现细节。

环境准备

在开始之前，需要确保已安装以下Python库：

• PyTorch 0.4或更高版本
• torchvision
• matplotlib
• sklearn (用于可视化)

MNIST数据集加载

MNIST是一个包含0-9手写数字的数据集，包含60,000张训练图片和10,000张测试图片，每张图片大小为28×28像素。

train_data = torchvision.datasets.MNIST(
    root='./mnist/',
    train=True,
    transform=torchvision.transforms.ToTensor(),  # 转换为Tensor并归一化到[0,1]
    download=True,
)

数据加载时使用了ToTensor()转换，它会：

1. 将PIL图像或numpy数组转换为PyTorch张量
2. 自动将像素值从[0,255]归一化到[0.0,1.0]范围
3. 调整维度顺序为(C×H×W)

数据预处理

我们使用DataLoader来创建批处理数据，这对于训练大型数据集非常关键：

train_loader = Data.DataLoader(
    dataset=train_data,
    batch_size=BATCH_SIZE,  # 每批50个样本
    shuffle=True,           # 打乱数据顺序
)

测试数据也做了相应处理：

test_x = torch.unsqueeze(test_data.test_data, dim=1).type(torch.FloatTensor)/255.

这里unsqueeze(dim=1)是为了增加通道维度，将(2000,28,28)变为(2000,1,28,28)，符合CNN输入要求。

CNN网络架构设计

本教程实现了一个经典的CNN结构，包含两个卷积层和最后的全连接层：

class CNN(nn.Module):
    def __init__(self):
        super(CNN, self).__init__()
        self.conv1 = nn.Sequential(
            nn.Conv2d(1, 16, 5, 1, 2),  # 输入1通道，输出16通道，5x5卷积核
            nn.ReLU(),
            nn.MaxPool2d(2),           # 2x2最大池化
        )
        self.conv2 = nn.Sequential(
            nn.Conv2d(16, 32, 5, 1, 2),
            nn.ReLU(),
            nn.MaxPool2d(2),
        )
        self.out = nn.Linear(32*7*7, 10)  # 全连接层输出10类

网络结构说明：

1. 第一卷积层：1→16通道，保持空间尺寸不变(通过padding=2实现)
2. 最大池化：将28×28降采样为14×14
3. 第二卷积层：16→32通道
4. 再次池化：14×14降采样为7×7
5. 全连接层：将32×7×7=1568维特征映射到10维输出(对应0-9数字)

训练过程

训练使用Adam优化器和交叉熵损失函数：

optimizer = torch.optim.Adam(cnn.parameters(), lr=LR)
loss_func = nn.CrossEntropyLoss()

for epoch in range(EPOCH):
    for step, (b_x, b_y) in enumerate(train_loader):
        output = cnn(b_x)[0]
        loss = loss_func(output, b_y)
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()

关键点：

• zero_grad()：清除上一批次的梯度
• backward()：反向传播计算梯度
• step()：更新参数

可视化与评估

教程提供了两种评估方式：

1. 准确率计算：

test_output, _ = cnn(test_x)
pred_y = torch.max(test_output, 1)[1].data.numpy()
accuracy = (pred_y == test_y.numpy()).mean()

2. T-SNE降维可视化（需要sklearn）：

tsne = TSNE(perplexity=30, n_components=2, init='pca', n_iter=5000)
low_dim_embs = tsne.fit_transform(last_layer.data.numpy()[:500, :])

T-SNE可以将高维特征降至2维，直观展示不同类别在特征空间的分布情况。

结果分析

运行完整代码后，我们可以看到：

1. 测试准确率通常在98%左右，说明CNN在MNIST上表现优异
2. T-SNE可视化显示不同数字在特征空间形成了明显的簇
3. 从测试样本预测结果看，CNN能准确识别大多数手写数字

总结

本教程展示了使用PyTorch实现CNN的完整流程，包括：

1. 数据加载与预处理
2. CNN网络设计
3. 训练过程实现
4. 模型评估与可视化

通过这个简单但完整的例子，我们可以掌握PyTorch中CNN的基本使用方法，为更复杂的图像任务打下基础。

PyTorch-Tutorial Build your neural network easy and fast, 莫烦Python中文教学 项目地址: https://gitcode.com/gh_mirrors/pyt/PyTorch-Tutorial