CNN卷积网络实现MNIST数据集手写数字识别

步骤一：加载MNIST数据集

train_data = MNIST(root='./data',train=True,download=False,transform=transforms.ToTensor())
train_loader = DataLoader(train_data,shuffle=True,batch_size=64)
# 测试数据集
test_data = MNIST(root='./data',train=False,download=False,transform=transforms.ToTensor())
test_loader = DataLoader(test_data,shuffle=False,batch_size=64)

首先，通过MNIST类创建了train_data对象，指定了数据集的路径root='./data'，并且将数据集标记为训练集train=True。download=False表示不自动从网络上下载数据集，而是使用已经下载好的数据集。我是之前自己已经下载过该数据集所以这里填的是False,如果之前没有下载的话就要填True。下面测试集也是一样。transforms.ToTensor()将数据转换为张量形式。

然后，通过DataLoader类创建了train_loader对象，指定了使用train_data作为数据源。shuffle=True表示在每个epoch开始时，将数据打乱顺序。batch_size=64表示每次抓取64个样本。

接下来，同样的步骤也被用来创建了测试集的数据加载器test_loader。不同的是，这里将数据集标记为测试集train=False，并且shuffle=False表示不需要打乱顺序。

加载完的数据集存在MNIST文件夹的raw文件夹下内容如下：

其中t10k-images-idx3-ubyte是测试集的图像，t10k-labels-idx3-ubyte是测试集的标签。train-images-idx3-ubyte是训练集的图像，train-labels-idx1-ubyte是训练集的标签。

存下来的这些数据集是二进制的形式，可以通过下面的代码（1.py）读取：

"""
Created on Sat Jul 27 15:26:39 2024

@author: wangyiyuan
"""
# 导入包
import struct
import numpy as np
from PIL import Image

class MnistParser:
   # 加载图像
   def load_image(self, file_path):

       # 读取二进制数据
       binary = open(file_path,'rb').read()

       # 读取头文件
       fmt_head = '>iiii'
       offset = 0

       # 读取头文件
       magic_number,images_number,rows_number,columns_number = struct.unpack_from(fmt_head,binary,offset)

       # 打印头文件信息
       print('图片数量:%d,图片行数:%d,图片列数:%d'%(images_number,rows_number,columns_number))

       # 处理数据
       image_size = rows_number * columns_number
       fmt_data = '>'+str(image_size)+'B'
       offset = offset + struct.calcsize(fmt_head)

       # 读取数据
       images = np.empty((images_number,rows_number,columns_number))
       for i in range(images_number):
           images[i] = np.array(struct.unpack_from(fmt_data, binary, offset)).reshape((rows_number, columns_number))
           offset = offset + struct.calcsize(fmt_data)
           # 每1万张打印一次信息
           if (i+1) % 10000 == 0:
               print('> 已读取:%d张图片'%(i+1))

       # 返回数据
       return images_number,rows_number,columns_number,images


   # 加载标签
   def load_labels(self, file_path):
       # 读取数据
       binary = open(file_path,'rb').read()

       # 读取头文件
       fmt_head = '>ii'
       offset = 0

       # 读取头文件
       magic_number,items_number = struct.unpack_from(fmt_head,binary,offset)

       # 打印头文件信息
       print('标签数:%d'%(items_number))

       # 处理数据
       fmt_data = '>B'
       offset = offset + struct.calcsize(fmt_head)

       # 读取数据
       labels = np.empty((items_number))
       for i in range(items_number):
           labels[i] = struct.unpack_from(fmt_data, binary, offset)[0]
           offset = offset + struct.calcsize(fmt_data)
           # 每1万张打印一次信息
           if (i+1)%10000 == 0:
               print('> 已读取:%d个标签'%(i+1))

       # 返回数据
       return items_number,labels


   # 图片可视化
   def visualaztion(self, images, labels, path):
       d = {0:0, 1:0, 2:0, 3:0, 4:0, 5:0, 6:0, 7:0, 8:0, 9:0}
       for i in range(images.__len__()):
            im = Image.fromarray(np.uint8(images[i]))
            im.save(path + "%d_%d.png"%(labels[i], d[labels[i]]))
            d[labels[i]] += 1
            # im.show()
            
            if (i+1)%10000 == 0:
               print('> 已保存:%d个图片'%(i+1))
               

# 保存为图片格式
def change_and_save():
    mnist =  MnistParser()

    trainImageFile = './train-images-idx3-ubyte'
    _, _, _, images = mnist.load_image(trainImageFile)
    trainLabelFile = './train-labels-idx1-ubyte'
    _, labels = mnist.load_labels(trainLabelFile)
    mnist.visualaztion(images, labels, "./images/train/")

    testImageFile = './train-images-idx3-ubyte'
    _, _, _, images = mnist.load_image(testImageFile)
    testLabelFile = './train-labels-idx1-ubyte'
    _, labels = mnist.load_labels(testLabelFile)
    mnist.visualaztion(images, labels, "./images/test/")


# 测试
if __name__ == '__main__':
    change_and_save()

将这个1.py文件和下载好的数据集放在同一个文件夹下：

新建一个文件夹images，在文件夹images里面新建两个文件夹分别叫test和train。

运行完可以发现train和test里的内容如下：

步骤二：建立模型

class Model(nn.Module):
    def __init__(self):
        super(Model,self).__init__()
        self.linear1 = nn.Linear(784,256)
        self.linear2 = nn.Linear(256,64)
        self.linear3 = nn.Linear(64,10) # 10个手写数字对应的10个输出

    def forward(self,x):
        x = x.view(-1,784) # 变形
        x = torch.relu(self.linear1(x))
        x = torch.relu(self.linear2(x))
        # x = torch.relu(self.linear3(x))
        return x

这里是建立了一个神经网络模型类(Model)。这个模型有三个线性层(linear1、linear2、linear3)。输入维度为784（因为每一张图片的大小是28*28=784），输出维度为256、64、10（因为有十个类）。forward函数定义了模型的前向传播过程，其中x.view(-1, 784)将输入张量x变形为(batch_size, 784)的大小。然后经过三个线性层和relu激活函数进行运算，最后返回输出结果x。

步骤三：训练模型

model = Model()
criterion = nn.CrossEntropyLoss() # 交叉熵损失，相当于Softmax+Log+NllLoss
optimizer = torch.optim.SGD(model.parameters(),0.8) # 第一个参数是初始化参数值，第二个参数是学习率

# 模型训练
# def train():
for index,data in enumerate(train_loader):
        input,target = data # input为输入数据，target为标签
        optimizer.zero_grad() # 梯度清零
        y_predict = model(input) # 模型预测
        loss = criterion(y_predict,target) # 计算损失
        loss.backward() # 反向传播
        optimizer.step() # 更新参数
        if index % 100 == 0: # 每一百次保存一次模型，打印损失
            torch.save(model.state_dict(),"./model/model.pkl") # 保存模型
            torch.save(optimizer.state_dict(),"./model/optimizer.pkl")
            print("损失值为：%.2f" % loss.item())

首先创建了一个模型对象model，一个损失函数对象criterion和一个优化器对象optimizer。然后使用一个for循环遍历训练数据集train_loader，每次取出一个batch的数据。接着将优化器的梯度清零，然后使用模型前向传播得到预测结果y_predict，计算损失值loss，然后进行反向传播和参数更新。每训练100个batch，保存模型和优化器的参数，并打印当前的损失值。

步骤四：保存模型参数

if os.path.exists('./model/model.pkl'):
    model.load_state_dict(torch.load("./model/model.pkl")) # 加载保存模型的参数

在当前文件夹下新建一个名叫model的文件夹。保存步骤三中训练完模型的参数。

步骤五：检验模型

    correct = 0 # 正确预测的个数
    total = 0 # 总数
    with torch.no_grad(): # 测试不用计算梯度
        for data in test_loader:
            input,target = data
            output=model(input) # output输出10个预测取值，其中最大的即为预测的数
            probability,predict=torch.max(output.data,dim=1) # 返回一个元组，第一个为最大概率值，第二个为最大值的下标
            total += target.size(0) # target是形状为(batch_size,1)的矩阵，使用size(0)取出该批的大小
            correct += (predict == target).sum().item() # predict和target均为(batch_size,1)的矩阵，sum()求出相等的个数
        print("准确率为：%.2f" % (correct / total))

参数说明：

• correct：记录正确预测的个数
• total：记录总样本数
• test_loader：测试集的数据加载器
• input：输入数据
• target：目标标签
• output：模型的输出结果
• probability：最大概率值
• predict：最大值的下标

过程：

• 使用torch.no_grad()包装测试过程，表示不需要计算梯度
• 遍历测试集中的每个数据，获取输入数据和目标标签
• 将输入数据输入模型，得到模型的输出结果
• 使用torch.max()函数返回预测结果中的最大概率值和最大值的下标
• 更新总数和正确预测的个数
• 最后计算并输出准确率。

步骤六：检测自己的手写数据

if __name__ == '__main__':
    # 自定义测试
    image = Image.open('C:/Users/wangyiyuan/Desktop/20201116160729670.jpg') # 读取自定义手写图片
    image = image.resize((28,28)) # 裁剪尺寸为28*28
    image = image.convert('L') # 转换为灰度图像
    transform = transforms.ToTensor()
    image = transform(image)
    image = image.resize(1,1,28,28)
    output = model(image)
    probability,predict=torch.max(output.data,dim=1)
    print("此手写图片值为:%d,其最大概率为:%.2f" % (predict[0],probability))
    plt.title('此手写图片值为：{}'.format((int(predict))),fontname="SimHei")
    plt.imshow(image.squeeze())
    plt.show()

这里的C:/Users/wangyiyuan/Desktop/20201116160729670.jpg是我自己从网上找的的手写图片。这段代码意思如下：

1. 打开并读取一张手写图片，图片的路径为'C:/Users/wangyiyuan/Desktop/20201116160729670.jpg'。
2. 调整图片尺寸为28x28。
3. 将图片转换为灰度图像，以便后续处理。
4. 使用transforms.ToTensor()将图片转换为PyTorch张量。
5. 调整图片尺寸为(1, 1, 28, 28)以适应模型的输入要求。
6. 将处理后的图片输入模型，获取预测输出。
7. 通过torch.max函数获得输出中的最大值及其索引，即预测的数字和其概率。
8. 打印预测的数字和概率。
9. 在图像上显示预测结果和手写图片。
10. 展示图像。

步骤七：结果展示

我的原图是：

测试得到的结果为：

损失值为：4.16
损失值为：0.93
损失值为：0.31
损失值为：0.19
损失值为：0.24
损失值为：0.15
损失值为：0.13
损失值为：0.11
损失值为：0.18
损失值为：0.02
此手写图片值为:2,其最大概率为:6.57