MNIST手写体数字识别数据集

一、总体介绍

1.1 什么是机器识别手写数字？

1.2 MNIST数据集是什么?

(1)该数据集包含60,000个用于训练的示例和10,000个用于测试的示例。
(2)数据集包含了0-9共10类手写数字图片,每张图片都做了尺寸归一化，都是28x28大小的灰度图。
(3)MNIST数据集包含四个部分：
训练集图像：train-images-idx3-ubyte.gz（9.9MB，包含60000个样本）
训练集标签：train-labels-idx1-ubyte.gz（29KB，包含60000个标签）
测试集图像：t10k-images-idx3-ubyte.gz（1.6MB，包含10000个样本）
测试集标签：t10k-labels-idx1-ubyte.gz（5KB，包含10000个标签）
下载地址MNIST

1.3 手写字体的识别流程

( 1)定义超参数;
(2〉构建transforms，主要是对图像做变换;
(3)下载、加载数据集MNIST;
(4)构建网络模型;
(5)定义训练方法;
(6)定义测试方法;
(7)开始训练模型，输出预测结果;

二、代码实现

2.1 导入相应的库

# 1 加载必要的库
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets,transforms

2.2 定义超参数

# 2 定义超参数
BATCH_SIZE = 16  # 每批处理的数据
DEVICE = torch.device("cuda" if torch.cuda.is_available() else "cpu") # 是否用GPU还是CPU训练
EPOCHS = 10 # 训练数据集的轮次

2.3 构建pipeline,对图像做处理

# 3 构建pipeline,对图像做处理
pipeline = transforms.Compose([
    transforms.ToTensor(),# 将图片转换成tensor
    transforms.Normalize((0.1307,),(0.3081,)) # 正则化降低模型复杂度
])

2.4 下载、加载数据

# 4 下载、加载数据
from torch.utils.data import DataLoader

# 下载数据集
train_set = datasets.MNIST("data", train=True, download=False, transform=pipeline)

test_set = datasets.MNIST("data", train=False, download=False, transform=pipeline)

# 加载数据
train_loader = DataLoader(train_set, batch_size=BATCH_SIZE, shuffle=True)  # 顺序打乱shuffle=True

test_loader = DataLoader(test_set, batch_size=BATCH_SIZE, shuffle=True)

2.5 查看一下数据集图片（可跳过）

## 插入代码，显示MNIST中的图片
with open("./data/MNIST/raw/train-images-idx3-ubyte","rb") as f:
    file = f.read()

imagel = [int(str(item).encode('ascii'),16) for item in file[16 : 16+784]]
print(imagel)

import cv2
import numpy as np

imagel_np = np.array(imagel, dtype=np.uint8).reshape(28, 28, 1)

print(imagel_np.shape)

cv2.imwrite("gigit.jpg", imagel_np)

2.6 构建网络模型

# 5 构建网络模型
class Digit(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(1, 10, 5) # 1:灰度图片的通道， 10：输出通道， 5：kernel 5x5
        self.conv2 = nn.Conv2d(10, 20, 3) # 10:输入通道， 20：输出通道， 3：kernel 3x3
        self.fc1 = nn.Linear(20*10*10, 500) # 20*10*10:输入通道， 500：输出通道
        self.fc2 = nn.Linear(500, 10) # 500：输入通道， 10：输出通道
       
    #前向传播
    def forward(self, x):
        input_size = x.size(0)  # batch_size
        x = self.conv1(x) # 输入：batch*1*28*28, 输出：batch*10*24*24 (28 - 5 + 1 = 24)
        x = F.relu(x)  # 激活函数，保持shape不变， 输出batch*10*24*24
        x = F.max_pool2d(x, 2, 2) # 输入：batch*10*24*24 输出：batch*10*12*12
        
        x = self.conv2(x) # 输入：batch*10*12*12, 输出：batch*20*10*10 (12 - 3 + 1 = 10)
        x = F.relu(x)

        x = x.view(input_size, -1) # 拉平， -1 自动计算维度，20*10*10 = 2000
        
        x = self.fc1(x) # 输入：batch*2000，输出：batch*500
        x = F.relu(x)
        
        x = self.fc2(x) # 输入：batch*500，输出：batch*10
        
        output = F.log_softmax(x, dim=1) # 计算分类后，每个数字的概率值
        
        return output

2.6 定义优化器(更新参数，是训练测试结果达到最优值)

model = Digit().to(DEVICE)

optimizer = optim.Adam(model.parameters())

2.7 定义训练方法

# 7 定义训练方法
def train_model(model, device, train_loader, optimizer, epoch):
    # 模型训练
    model.train()
    for batch_index, (data, target) in enumerate(train_loader):
        # 部署到DEVICE上去
        data, target = data.to(device), target.to(device)
        # 梯度初始化为0
        optimizer.zero_grad()
        # 训练后的结果
        output = model(data)
        # 计算损失
        loss = F.cross_entropy(output, target) # 交叉熵用于分类比较多的情况
       
        # 反向传播
        loss.backward()
        # 参数优化
        optimizer.step()
        if batch_index % 3000 == 0:
            print("Train Epoch : {} \t Loss : {:.6f}".format(epoch, loss.item()))

2.8 定义测试方法

# 8 定义测试方法
def model_test(model, device, test_loader):
    # 模型验证
    model.eval()
    # 正确率
    correct = 0.0
    # 测试损失
    test_loss = 0.0
    with torch.no_grad(): # 不会计算梯度，也不会反向传播
        for data, target in test_loader:
            # 部署到device上
            data, target = data.to(device), target.to(device)
            # 测试数据
            output = model(data)
            # 计算测试损失
            test_loss += F.cross_entropy(output, target).item()
            # 找到概率值最大的下标
            pred = output.max(1, keepdim=True)[1] # 值，索引
            # pred = torch.max(output, dim=1)
            # pred = output.argmax(dim=1)
            #累计正确的值
            correct += pred.eq(target.view_as(pred)).sum().item()
        test_loss /= len(test_loader.dataset)
        print("Test — Average loss : {:.4f}, Accuracy : {:.3f}\n".format(
                test_loss, 100.0 * correct / len(test_loader.dataset)))

2.9 调用 方法7 / 8

# 9 调用 方法7 / 8
for epoch in range(1, EPOCHS +1):
    train_model(model, DEVICE, train_loader, optimizer, epoch)
    model_test(model, DEVICE, test_loader)

2.10 结果

三、总结

本文观看b站的“唐国梁Tommy”up主的轻松学 PyTorch 手写字体识别 MNIST，讲解十分详细，推荐观看。