深度学习P1周：Pytorch实现mnist手写数字识别
·
- 🍨 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
本周是学习深度学习的第一周，主要是了解深度学习，了解pytorch，并且使用pytorch构建一个深度学习的程序。
编译器使用的是vscode，由于本设备无法使用cuda，所以安装的是CPU版PyTorch：torch 2.12.0+cpu。
本文依赖及版本：
torch==2.12.0
torchvision==0.27.0
matplotlib==3.10.9
numpy==2.4.4
torchinfo==1.8.0一.数据集
1.数据集
本次使用的数据集是MNIST手写数字数据集，该数据集包含了70000张图片，为28*28形式，其中有60000张训练数据，10000张测试数据。数据集的下载地址为：Index of /exdb/mnist
http://yann.lecun.com/exdb/mnist/ 也可使用dataset下载MNIST数据集，并划分好训练集与测试集。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。data.py中使用的即使在线下载的方式
使用torch.utils.data.DataLoader加载数据加载器，并设置batch_size。接着即加载一个批次的数据格式。
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("图片批次 shape:", imgs.shape)
print("标签批次 shape:", labels.shape)
print("图片数据类型:", imgs.dtype)
print("标签数据类型:", labels.dtype)
print("第一张图片的标签:", labels[0].item())运行结果为：
图片批次 shape: torch.Size([32, 1, 28, 28])
标签批次 shape: torch.Size([32])
图片数据类型: torch.float32
标签数据类型: torch.int64
第一张图片的标签: 22.数据可视化
squeeze()函数的功能是从矩阵shape中，去掉维度为1的。由于shuffle=True会随机取数据，因此数字内容和顺序不会完全相同，若想每次顺序相同 ，改为shuffle=False。
# 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() 随机一次结果图为：
3.data.py
import numpy as np
import matplotlib.pyplot as plt
import torch
import torchvision
DATA_DIR = "data"
BATCH_SIZE = 32
def create_dataloaders(data_dir=DATA_DIR, batch_size=BATCH_SIZE):
"""创建 MNIST 训练集和测试集的数据加载器。"""
transform = torchvision.transforms.ToTensor()
train_ds = torchvision.datasets.MNIST(
data_dir,
train=True,
transform=transform,
download=True,
)
test_ds = torchvision.datasets.MNIST(
data_dir,
train=False,
transform=transform,
download=True,
)
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,
shuffle=False,
)
return train_dl, test_dl
def show_batch(dataloader, image_count=20):
"""显示数据加载器中的一批 MNIST 图片。"""
images, labels = next(iter(dataloader))
print("图片批次 shape:", images.shape)
print("标签批次 shape:", labels.shape)
print("图片数据类型:", images.dtype)
print("标签数据类型:", labels.dtype)
print("第一张图片的标签:", labels[0].item())
image_count = min(image_count, len(images))
plt.figure(figsize=(20, 5))
for index, image in enumerate(images[:image_count]):
np_image = np.squeeze(image.numpy())
plt.subplot(2, 10, index + 1)
plt.imshow(np_image, cmap=plt.cm.binary)
plt.title(str(labels[index].item()))
plt.axis("off")
plt.tight_layout()
plt.show()
if __name__ == "__main__":
train_dl, _ = create_dataloaders()
show_batch(train_dl)二.CNN模型架构
本部分构建的CNN网络图为：
结构说明：
Input：输入MNIST灰度图，尺寸为1×28×28C1：经过3×3卷积，得到32×26×26S2：经过2×2最大池化，得到32×13×13C3：再次经过3×3卷积，得到64×11×11S4：再次池化，得到64×5×5F5：展平为1600个特征，通过全连接层得到64个特征Output：最后映射为10个类别，对应数字0–9
model.py:
import torch
import torch.nn as nn
import torch.nn.functional as F
from torchinfo import summary
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
if __name__ == "__main__":
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
# 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)
输出结果：
=================================================================
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.模型训练与可视化
本部分设置了损失函数、学习率，并且使用了SGD算法。测试函数和训练函数大致相同，但是由于不进行梯度下降对网络权重进行更新，所以不需要传入优化器。
1. model.train()：是训练模式的设置方法，调用后模型会处于训练模式。
- Dropout 层：在训练时启用（随机丢弃部分神经元）
- BatchNorm 层：使用当前 batch 的均值和方差进行标准化，并更新其内部的运行均值和方差
2. model.eval()：是评估模式（推理模式）的设置方法，调用后模型会处于评估/推理模式。
- Dropout 层：关闭（不再随机丢弃神经元）
- BatchNorm 层：使用训练时记录的均值和方差，不再更新
train.py代码部分如下：
import torch
import torch.nn as nn
from data import create_dataloaders
from model import Model
# 设置硬件设备，如果有GPU则使用，没有则使用cpu
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
# 加载训练集和测试集
train_dl, test_dl = create_dataloaders(batch_size=32)
# 加载模型
model = Model().to(device)
# 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)
# 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 = 7
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')
#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()
运行结果：
Epoch: 1, Train_acc:77.3%, Train_loss:0.745, Test_acc:93.2%，Test_loss:0.225
Epoch: 2, Train_acc:94.4%, Train_loss:0.186, Test_acc:96.5%，Test_loss:0.119
Epoch: 3, Train_acc:96.4%, Train_loss:0.120, Test_acc:97.2%，Test_loss:0.089
Epoch: 4, Train_acc:97.2%, Train_loss:0.092, Test_acc:97.5%，Test_loss:0.079
Epoch: 5, Train_acc:97.6%, Train_loss:0.077, Test_acc:98.0%，Test_loss:0.065
Epoch: 6, Train_acc:97.9%, Train_loss:0.066, Test_acc:98.0%，Test_loss:0.063
Epoch: 7, Train_acc:98.2%, Train_loss:0.059, Test_acc:98.5%，Test_loss:0.050
Done
模型经过7轮训练后，训练准确率由77.3% 提升至98.2%，测试准确率由93.2%提升至98.5%,训练损失从0.745 降至0.059，测试损失从0.225 降至0.050.
前两轮训练的准确率提升最快、损失下降最明显，从第4轮开始，各项指标逐渐趋于稳定，说明模型已经接近收敛。测试准确率始终与训练准确率接近，部分轮次甚至略高，这是数据批次差异和训练过程随机性造成的正常现象。
第6轮测试损失由0.065小幅下降至0.063，第 7 轮又下降至0.050，测试准确率最终达98.5%。训练曲线和测试曲线没有明显分离，说明当前模型没有出现明显过拟合，具有较好的泛化能力。
四.个人总结
通过本项目，我掌握了使用 PyTorch 完成数据加载、CNN 模型搭建、训练测试及结果可视化的基本流程，并理解了卷积、池化和全连接层的作用。
卷积层可以提取图像的局部特征，ReLU 激活函数可以增强网络拟合非线性数据的能力，池化层能够缩小特征图并减少计算量，而全连接层则负责根据提取到的特征完成最终分类。训练过程中，认识到了optimizer.zero_grad()、loss.backward()和optimizer.step()的作用，也认识到了model.train()与model.eval()在训练和测试阶段的区别。通过计算准确率和损失，并绘制变化曲线，可以更直观地判断模型是否收敛以及是否存在过拟合。
最终模型测试准确率达到98.5%，为后续学习深度学习奠定了基础。
AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。
更多推荐
12
0- 0
已为社区贡献1条内容
所有评论(0)