使用PyTorch实现MNIST手写数字识别

标题：使用PyTorch实现MNIST手写数字识别

1.在这篇文章中，我们将使用PyTorch框架来实现一个简单的神经网络模型，用于识别MNIST手写数字数据集。我们将分为以下几个步骤进行：

1. 导入所需的库和模块
2. 定义数据预处理和加载器
3. 创建神经网络模型
4. 定义损失函数和优化器
5. 训练模型并测试准确率
6. 使用训练好的模型识别图像
7. 将图像转换为NumPy数组并显示

首先，我们需要导入所需的库和模块：

import torch.nn
import numpy as np
from PIL import Image
from torch.utils.data import DataLoader
from torchvision import transforms
from torchvision import datasets
import torch.nn.functional as F
import matplotlib.pyplot as plt

接下来，我们定义数据预处理和加载器：

batch_size = 64
transform = transforms.Compose([transforms.ToTensor(), transforms.Normalize((0.1307,), (0.3081,))], )
train_dataset = datasets.MNIST(root='./dataset/mnist', train=True, transform=transform, download=True)
test_dataset = datasets.MNIST(root='./dataset/mnist', train=False, transform=transform, download=True)
train_loader = DataLoader(dataset=train_dataset, batch_size=batch_size, shuffle=True)
test_loader = DataLoader(dataset=test_dataset, batch_size=batch_size, shuffle=False)

然后，我们创建神经网络模型：

class Net(torch.nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.linear1 = torch.nn.Linear(784, 512)
        self.linear2 = torch.nn.Linear(512, 256)
        self.linear3 = torch.nn.Linear(256, 128)
        self.linear4 = torch.nn.Linear(128, 64)
        self.linear5 = torch.nn.Linear(64, 10)

    def forward(self, x):
        x = x.view(-1, 784)
        x = F.relu(self.linear1(x))
        x = F.relu(self.linear2(x))
        x = F.relu(self.linear3(x))
        x = F.relu(self.linear4(x))
        return self