使用循环神经网络做手写数字识别

版权声明：本文为博主原创文章，转载请注明原文出处！

写作时间：2019-03-02 21:36:12

使用循环神经网络做手写数字识别

思路分析

做图像识别的使用卷积神经网络CNN是最好的选择，但是其实我们也可以使用循环神经网络RNN做，只是大部分时候没有卷积网络效果好！下面分析一下如何使用RNN做手写数字的识别。

1. 数据的下载我们可以直接使用PyTorch中的torchvision.datasets提供的数据接口
2. 对于每一张图像（28$\times$28）我们可以将图像的每一行看做一个样本，然后所有行排列起来做成一个有序序列。对于这个序列，我们就可以使用RNN做识别训练了。
3. 下面的实现中使用一个LSTM+Linear层组合实现（不要使用经典RNN，效果不好），损失函数使用CrossEntropyLoss。
4. 在实践中设置batch_first=True可以减少一些额外的维度变换和尺寸转换的代码，推荐使用

PyTorch实现

import torch
from torch import nn
import torchvision.datasets as datasets
import torchvision.transforms as transforms

torch.manual_seed(2019)

# 超参设置
EPOCH = 1  # 训练EPOCH次，这里为了测试方便只跑一次
BATCH_SIZE = 32
TIME_STEP