python实战（十五）——中文手写体数字图像CNN分类

一、任务背景

        本次python实战，我们使用来自Kaggle的数据集《Chinese MNIST》进行CNN分类建模，不同于经典的MNIST数据集，我们这次使用的数据集是汉字手写体数字。除了常规的汉字“零”到“九”之外还多了“十”、“百”、“千”、“万”、“亿”，共15种汉字数字。

二、python建模

1、数据读取

        首先，读取jpg数据文件，可以看到总共有15000张图像数据。

import pandas as pd
import os

path = '/kaggle/input/chinese-mnist/data/data/'
files = os.listdir(path)
print('数据总量：', len(files))

        我们也可以打印一张图片出来看看。

import matplotlib.pyplot as plt
import matplotlib.image as mpimg

# 定义图片路径
image_path = path+files[3]

# 加载图片
image = mpimg.imread(image_path)

# 绘制图片
plt.figure(figsize=(3, 3))
plt.imshow(image)
plt.axis('off')  # 关闭坐标轴
plt.show()

2、数据集构建

        加载必要的库以便后续使用，再定义一些超参数。

import torch
import torch.nn as nn
import torch.optim as optim
import torch.nn.functional as F
from torchvision import transforms
from PIL import Image
from torch.utils.data import Dataset, DataLoader, random_split
from sklearn.metrics import precision_score, recall_score, f1_score

# 超参数
batch_size = 64
learning_rate = 0.01
num_epochs = 5

# 数据预处理
transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,))
])

        这里，我们看一看数据集介绍就会知道图片名称及其含义，需要从chinese_mnist.csv文件中根据图片名称中的几个数字来确定图片对应的标签。

# 获取所有图片文件的路径
all_images = [os.path.join(path, img) for img in os.listdir(path) if img.endswith('.jpg')]

# 读取索引-标签对应关系csv文件，并将'suite_id', 'sample_id', 'code'设置为索引列便于查找
index_df = pd.read_csv('/kaggle/input/chinese-mnist/chinese_mnist.csv')
index_df.set_index(['suite_id', 'sample_id', 'code'], inplace=True)

# 定义函数，根据各索引取值定位图片对应的数值标签value
def get_label