python 手写字符识别

最新推荐文章于 2025-03-11 16:33:28 发布

NICCEA

最新推荐文章于 2025-03-11 16:33:28 发布

阅读量2.3k

点赞数 3

文章标签： python 人工智能

本文链接：https://blog.youkuaiyun.com/lfy2508125508/article/details/122388777

版权

本文介绍了使用Python进行手写字符识别的训练和测试过程。通过GitHub上的AI_course项目，利用60000张0-9的手写字符图片数据集进行训练，训练网络由三个卷积块组成，每个块包含卷积、激活和最大池化操作。经过30个epoch的训练，测试集成功率约为0.96。测试代码验证了模型的准确性，成功识别出字符4。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

代码来源

GitHub - mivlab/AI_course

一、对于图像的训练

数据集：https://pan.baidu.com/s/18Fz9Cpj0Lf9BC7As8frZrw 提取码：xhgk

注意：训练时需要在添加参数，即训练集的目录

训练集有60000万张0-9的手写字符图片

import torch
import math
import torch.nn as nn
from torch.autograd import Variable
from torchvision import transforms, models
import argparse
import os
from torch.utils.data import DataLoader

from dataloader import mnist_loader as ml
from models.cnn import Net
from toonnx import to_onnx


parser = argparse.ArgumentParser(description='PyTorch MNIST Example')
parser.add_argument('--datapath', required=True, help='data path')
parser.add_argument('--batch_size', type=int, default=256, help='training batch size')
parser.add_argument('--epochs', type=int, default=30, help='number of epochs to train')
parser.add_argument('--use_cuda', default=False, help='using CUDA for training')

args = parser.parse_args()
args.cuda = args.use_cuda and torch.cuda.is_available()
if args.cuda: