【pytorch学习实战】第五篇：卷积神经网络实现MNIST手写数字识别_mnist手写数字识别神经网络搭建,要求2个卷积层,2个池化层,优化器sgd,训练集和测试-CSDN博客

本文链接：https://blog.csdn.net/QLeelq/article/details/114386741

往期相关文章列表：

我们在这里尽可能的讲解一些实战编程方面的内容，所以我们会尽可能避免过多地介绍基础理论知识，如果想要深入了解卷积神经网络CNN，可以访问本人之前写过的一篇文章。

1. 前言介绍

我们这里使用的CNN包括了卷积层和池化层，下面我们对它们进行简要介绍。

卷积层：nn.Conv2d()

这是一个2d卷积操作，它的原型如下：

torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, 
bias=True, padding_mode='zeros', device=None, dtype=None)

如果想要详细了解nn.Conv2d()，可点击官网链接进行查阅。

参数	含义
in_channels	输入信号的`通道数`.
out_channels	卷积后输出结果的`通道数.`
kernel_size	卷积核的大小. 例如kernel_size=(3, 2)表示3X2的卷积核，如果宽和高相同，可以只用一个数字表示
stride	卷积每次移动的步长, 默认为1.
padding	处理边界时填充0的数量, `默认为0(不填充)`.
dilation	扩展系数，也就是采样间隔数, 默认为1, 无间隔采样。dilation的效果如下。
groups	输入与输出通道的分组数量。`groups个共用一组weight`。默认值为1，对应的是常规卷积操作。group=in_channels时，每一个输入通道和它对应的卷积核进行卷积，对应的卷积核大小为 $C_{out}/C_{in}$
bias	为 True 时, 添加偏置。
padding_mode	‘zeros’, ‘reflect’, ‘replicate’ or ‘circular’. Default: ‘zeros’

dilation为0时：

dilation为1时：

池化层：nn.MaxPool2d()

我们这里使用的是一个2d的最大池化操作，它的原型如下：

torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)

如果想要详细了解nn.MaxPool2d()，可点击官网链接进行查阅。

参数	含义
kernel_size	最大池化操作时的窗口大小
stride	最大池化操作时窗口移动的步长, 默认值是0
padding	输入的每条边隐式补0的数量
dilation	扩展系数，用于控制窗口中元素的步长的参数
return_indices	如果等于 True, 在返回 max pooling 结果的同时返回最大值的索引，这对`torch.nn.MaxUnpool2d` 时很有用
ceil_mode	如果等于 True, 在计算输出大小时,将采用向上取整来代替默认的向下取整的方式，`默认向下取整`。

2. CNN实现手写识别

使用CNN实现手写识别中，我们一共定义了五层，其中两层卷积层，两层池化层，最后一层为FC层进行分类输出。其网络结构如下：
在这里插入图片描述
代码如下：

from torch import nn
 
class CNN(nn.Module):
    def __init__(self):
        super(CNN, self).__init__()
        self.layer1 = nn.Sequential(
            nn.Conv2d(1, 25, kernel_size=3),
            nn.BatchNorm2d(25),
            nn.ReLU(inplace=True)
        )
 
        self.layer2 = nn.Sequential(
            nn.MaxPool2d(kernel_size=2, stride=2)
        )
 
        self.layer3 = nn.Sequential(
            nn.Conv2d(25, 50, kernel_size=3),
            nn.BatchNorm2d(50),
            nn.ReLU(inplace=True)
        )
 
        self.layer4 = nn.Sequential(
            nn.MaxPool2d(kernel_size=2, stride=2)
        )
 
        self.fc = nn.Sequential(
            nn.Linear(50 * 5 * 5, 1024),
            nn.ReLU(inplace=True),
            nn.Linear(1024, 128),
            nn.ReLU(inplace=True),
            nn.Linear(128, 10)
        )
 
    def forward(self, x):
        x = self.layer1(x)
        x = self.layer2(x)
        x = self.layer3(x)
        x = self.layer4(x)
        x = x.view(x.size(0), -1)
        x = self.fc(x)
        return x

import torch
from torch import nn, optim
from torch.utils.data import DataLoader
from torchvision import datasets, transforms

#-------------------------------------超参数定义-------------------------------------
batch_size = 64 #一个batch的size
learning_rate = 0.02
num_epoches = 3 #总样本的迭代次数

#-------------------------------------数据预处理方法--------------------------------------
# transforms.ToTensor()将图片转换成PyTorch中处理的对象Tensor,并且进行标准化（数据在0~1之间）
# transforms.Normalize()做归一化。它进行了减均值，再除以标准差。两个参数分别是均值和标准差
# transforms.Compose()函数则是将各种预处理的操作组合到了一起
data_tf = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize([0.5], [0.5])])

#-------------------------------------数据集的下载器--------------------------------------
#训练和测试集预处理
train_dataset = datasets.MNIST(root='./data', train=True, transform=data_tf, download=True)
test_dataset = datasets.MNIST(root='./data', train=False, transform=data_tf)
#加载数据集
train_loader = DataLoader(train_dataset, batch_size=batch_size, shuffle=True)
test_loader = DataLoader(test_dataset, batch_size=batch_size, shuffle=False)

#-------------------------------------选择模型--------------------------------------
'''
1. 输入28*28(因为输入的图像像素为28*28)
2. 隐藏层分别为300和100
3. 输出层为10，因为识别的数字为0~9
'''
#下列3个模型可以任选其中之一
model = CNN() 
# model = net.Activation_Net(28 * 28, 300, 100, 10)
# model = net.Batch_Net(28 * 28, 300, 100, 10)
if torch.cuda.is_available():
    model = model.cuda()

#-------------------------------------定义损失函数和优化器--------------------------------------
#交叉熵和SGD优化器
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(model.parameters(), lr=learning_rate)

#-------------------------------------开始训练-------------------------------------
print('Start Training!')
iter = 0 #迭代次数
for epoch in range(num_epoches):
    for data in train_loader:
        img, label = data
        #img = img.view(img.size(0), -1)
        if torch.cuda.is_available():
            img = img.cuda()
            label = label.cuda()
        else:
            img = img
            label = label
        out = model(img)
        loss = criterion(out, label)

        optimizer.zero_grad()
        loss.backward()
        optimizer.step()
        iter+=1
        #每迭代50次打印一次
        if iter%50 == 0:
            print('epoch: {}, iter:{}, loss: {:.4}'.format(epoch, iter, loss.data.item()))

#-------------------------------------模型评估-------------------------------------
print('Start eval!')
model.eval()
eval_loss = 0
eval_acc = 0
for data in test_loader:
    img, label = data
    #img = img.view(img.size(0), -1)
    if torch.cuda.is_available():
        img = img.cuda()
        label = label.cuda()

    out = model(img)
    loss = criterion(out, label)
    eval_loss += loss.data.item()*label.size(0)
    _, pred = torch.max(out, 1)
    num_correct = (pred == label).sum()
    eval_acc += num_correct.item()

print('Test Loss: {:.6f}, Acc: {:.6f}'.format(eval_loss / (len(test_dataset)), eval_acc / (len(test_dataset))))

输出状态如下所示，相比于上一篇文章，可以看到CNN比全连接实现手写识别的准确率有显著提高！

Start Training!
epoch: 0, iter:50, loss: 1.406
epoch: 0, iter:100, loss: 0.6279
epoch: 0, iter:150, loss: 0.2394
epoch: 0, iter:200, loss: 0.3516
epoch: 0, iter:250, loss: 0.2057
epoch: 0, iter:300, loss: 0.1028
epoch: 0, iter:350, loss: 0.1329
epoch: 0, iter:400, loss: 0.3032
epoch: 0, iter:450, loss: 0.1455
epoch: 0, iter:500, loss: 0.06673
epoch: 0, iter:550, loss: 0.1367
epoch: 0, iter:600, loss: 0.11
epoch: 0, iter:650, loss: 0.06825
epoch: 0, iter:700, loss: 0.1088
epoch: 0, iter:750, loss: 0.133
epoch: 0, iter:800, loss: 0.03325
epoch: 0, iter:850, loss: 0.1624
epoch: 0, iter:900, loss: 0.09274
epoch: 1, iter:950, loss: 0.05196
epoch: 1, iter:1000, loss: 0.02687
epoch: 1, iter:1050, loss: 0.0205
epoch: 1, iter:1100, loss: 0.02812
epoch: 1, iter:1150, loss: 0.1036
epoch: 1, iter:1200, loss: 0.02953
epoch: 1, iter:1250, loss: 0.04452
epoch: 1, iter:1300, loss: 0.02557
epoch: 1, iter:1350, loss: 0.07545
epoch: 1, iter:1400, loss: 0.07711
epoch: 1, iter:1450, loss: 0.04847
epoch: 1, iter:1500, loss: 0.06299
epoch: 1, iter:1550, loss: 0.04377
epoch: 1, iter:1600, loss: 0.06978
epoch: 1, iter:1650, loss: 0.03047
epoch: 1, iter:1700, loss: 0.0155
epoch: 1, iter:1750, loss: 0.04408
epoch: 1, iter:1800, loss: 0.0533
epoch: 1, iter:1850, loss: 0.0174
epoch: 2, iter:1900, loss: 0.09199
epoch: 2, iter:1950, loss: 0.03037
epoch: 2, iter:2000, loss: 0.05398
epoch: 2, iter:2050, loss: 0.1428
epoch: 2, iter:2100, loss: 0.02138
epoch: 2, iter:2150, loss: 0.03927
epoch: 2, iter:2200, loss: 0.03975
epoch: 2, iter:2250, loss: 0.03523
epoch: 2, iter:2300, loss: 0.1384
epoch: 2, iter:2350, loss: 0.09984
epoch: 2, iter:2400, loss: 0.06633
epoch: 2, iter:2450, loss: 0.08727
epoch: 2, iter:2500, loss: 0.02918
epoch: 2, iter:2550, loss: 0.1094
epoch: 2, iter:2600, loss: 0.01501
epoch: 2, iter:2650, loss: 0.03435
epoch: 2, iter:2700, loss: 0.02399
epoch: 2, iter:2750, loss: 0.05763
epoch: 2, iter:2800, loss: 0.03168
Start eval!
Test Loss: 0.042022, Acc: 0.986300