mnist手写数字识别:resnet18
工作大纲
- 在本项目中,我修改了resnet18的输出,使其符合mnist数据集
- 学习使用残差结构
手写数字识别常用的网络
手写数字识别常用的网络包括以下5种:
- 卷积神经网络(Convolutional Neural Network,CNN):CNN是一种专门用于图像识别和分类的神经网络结构,由于其对图像特征的提取能力而在手写数字识别中得到广泛应用。
- 循环神经网络(Recurrent Neural Network, RNN):RNN可以用于处理序列数据,对于手写数字的笔画轨迹进行识别和理解有一定的作用。
- 长短期记忆网络(Long Short-Term Memory, LSTM):LSTM 是 RNN 的一种特殊形式,能够更好地捕捉长距离依赖关系,适用于处理手写数字的连续笔画。
- 支持向量机(Support Vector Machine, SVM):SVM 可以用于分类问题,也可以用于手写数字的识别和分类。
- K近邻算法(K-Nearest Neighbors, KNN):KNN 是一种简单有效的分类算法,也可以用于手写数字的识别。
这些神经网络和算法在手写数字识别中被广泛应用,并且在实践中取得了良好的效果。
那种效果最好?
在手写数字识别任务中,卷积神经网络(CNN)通常被认为是效果最好的网络之一。CNN 在图像识别领域有着卓越的表现,其结构能够有效提取图像的特征,并且对于手写数字的识别具有较高的准确率和鲁棒性。许多经典的手写数字识别模型,如LeNet、AlexNet、VGG、ResNet等,都是基于CNN结构构建的。因此,CNN 在手写数字识别中通常能够取得最好的效果。
LeNet(1998)、AlexNet(2012)、VGG(2014)、ResNet(2015),()内指该网络是哪一年出现的。ResNet使用了残差结构,解决了模型深度越来越深的同时梯度消失的问题,这值得学习一下。因此,本文使用ResNet实现手写数字识别任务。
使用ResNet实现手写数字识别
- 准备数据集:首先要准备手写数字的数据集,例如MNIST数据集,包括训练集和测试集。
- 构建ResNet模型:可以使用TensorFlow或PyTorch中的预定义ResNet模型,也可以根据自己的需求构建ResNet模型。
- 数据预处理:对数据集进行预处理,包括归一化、reshape等操作,使其适合ResNet模型的输入要求。
- 训练模型:使用训练集对ResNet模型进行训练,可以使用交叉熵损失函数和随机梯度下降(SGD)等优化算法。
- 评估模型:使用测试集对训练好的ResNet模型进行评估,计算准确率等指标。
- 预测:使用训练好的ResNet模型对新的手写数字图像进行预测。
- ok 上面6步,一步一步走
1.准备数据集
import torch
import torchvision
import torchvision.transforms as transforms
# 数据导入
transform = transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.5, ), (0.5, ))
])
BatchSize = 64
trainset = torchvision.datasets.MNIST(root='./data', train=True, download=False, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=BatchSize, shuffle=True)
testset = torchvision.datasets.MNIST(root='./data', train=False, download=False, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=BatchSize, shuffle=False)
- 文件结构是这个样子
- 我觉得不好看,比较难懂,于是转为图片的形式
import torchvision.transforms as transforms
from torchvision.datasets import MNIST
import os
# 定义数据预处理
transform = transforms.Compose([
transforms.ToTensor(), # 将图片转换为Tensor
])
# 加载MNIST测试集
dataset = MNIST(root='./data', train=False, download=True)
# dataset = MNIST(root='./data', train=True, download=True)
# save_dir = 'mnist_train_images'
# 创建保存图片的文件夹
save_dir = 'mnist_test_images'
if not os.path.exists(save_dir):
os.makedirs(save_dir)
# 将MNIST测试集中的图片保存为文件
for i in range(len(dataset)):
image, label = dataset[i]
image = transform(image) # 使用数据预处理步骤
image = transforms.ToPILImage()(image) # 将Tensor转换为PIL图片
image.save(os.path.join(save_dir, f'{i:05d}.jpg'))
- 结果是:
训练集图片
测试集图片
- 上面两个数据集我也上传了,免积分下载,还在审核当中,审核好了我会把连接更新过来
2.构建ResNet模型
- 主要就是修改了输入和输出,不改运行不了。这里写成了类,方便导入到其他文件中,这个文件是 MyNet.py
import torch
from torchvision.models import resnet18
import torch.nn as nn
import torchvision.models as models
# 创建自定义的ResNet-18模型类
class CustomResNet18(nn.Module):
def __init__(self):
super(CustomResNet18, self).__init__()
self.resnet18 = models.resnet18(weights=None)
self.resnet18.conv1 = nn.Conv2d(1, 64, kernel_size=7, stride=2, padding=3, bias=False) # 修改输入通道数为1
num_ftrs = self.resnet18.fc.in_features
self.resnet18.fc = nn.Linear(num_ftrs, 10) # 修改输出大小为10(适应10个类别)
def forward(self, x):
x = self.resnet18.conv1(x)
x = self.resnet18.bn1(x)
x = self.resnet18.relu(x)
x = self.resnet18.maxpool(x)
x = self.resnet18.layer1(x)
x = self.resnet18.layer2(x)
x = self.resnet18.layer3(x)
x = self.resnet18.layer4(x)
x = self.resnet18.avgpool(x)
x = torch.flatten(x, 1)
x = self.resnet18.fc(x)
return x
# # 创建自定义ResNet-18模型实例
# custom_resnet18 = CustomResNet18()
3.数据预处理
- pytorch太舒服了,在第一步:数据集的准备,就将这部分的活干完了,就那个transforms 那部分
4.训练模型
- 训练这块需要注意的是:resnet18已经算比较深的网络了,使用cpu训练太慢,我用GPU训练,显卡:英伟达3060
batch_size | 64 |
---|---|
epoch | 5 |
耗时 | 3 |
损失函数 | 交叉熵损失函数 |
优化器 | SGD与Adam |
学习率 | 0.001 |
-结果: loss:0.004
import torch
import torchvision
import torchvision.transforms as transforms
import torch.nn as nn
import torch.optim as optim
from MyNet import CustomResNet18
# 数据处理
transform = transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.5, ), (0.5, ))
])
trainset = torchvision.datasets.MNIST(root='./data', train=True, download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=32, shuffle=True)
# 创建自定义ResNet-18模型实例
custom_resnet18 = CustomResNet18()
# 使用GPU进行训练
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
custom_resnet18.to(device)
# 损失函数和优化器
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(custom_resnet18.parameters(), lr=0.001, momentum=0.9)
#Adam优化
# optimizer = torch.optim.Adam(custom_resnet18.parameters(), lr=0.001)
# 训练模型
for epoch in range(5): # 遍历数据集多次
running_loss = 0.0
for i, data in enumerate(trainloader, 0):
inputs, labels = data[0].to(device), data[1].to(device)
optimizer.zero_grad()
outputs = custom_resnet18(inputs)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
running_loss += loss.item()
if i % 200 == 199: # 每200个batch打印一次
print('[%d, %5d] loss: %.3f' %
(epoch + 1, i + 1, running_loss / 2000))
running_loss = 0.0
print('Finished Training')
# 保存训练好的模型
PATH = './mnist_resnet18.pth'
torch.save(custom_resnet18.state_dict(), PATH)
5.评估模型
- 精度98%,还可以提升,提到99.5 都可以,但是做到后面的我暂时没做
import torch
import torchvision.transforms as transforms
import torchvision
from MyNet import CustomResNet18
# 使用GPU进行训练
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print(device)
# 创建自定义ResNet-18模型实例
custom_resnet18 = CustomResNet18().to(device)
custom_resnet18.load_state_dict(torch.load('mnist_resnet18.pth'))
custom_resnet18.eval()
# 数据处理
transform = transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.5, ), (0.5, ))
])
testset = torchvision.datasets.MNIST(root='./data', train=False, download=False, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=64, shuffle=False)
correct = 0
total = 0
with torch.no_grad():
for data in testloader:
images, labels = data[0].to(device), data[1].to(device)
outputs = custom_resnet18(images)
_, predicted = torch.max(outputs.data, 1)
total += labels.size(0)
correct += (predicted == labels).sum().item()
print('模型准确率: %d %%' % (100 * correct / total))
6.预测
- 预测这里,我喜欢看直观的结果,就把输出的结果打印在图片上了,效果还不错
import torch
import torchvision.transforms as transforms
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
from MyNet import CustomResNet18
# 加载自定义的ResNet18模型
model = CustomResNet18()
model.load_state_dict(torch.load('mnist_resnet18.pth'))
model.eval()
# 读取前十张图片进行预测
for i in range(10):
image_path = f'mnist_test_images\\{i:05d}.jpg'
image = Image.open(image_path)
image = image.convert('L') # 转换为灰度图
# print(image.size)
# plt.imshow(image, cmap='gray')
transform = transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.5,), (0.5,))
])
image = transform(image).unsqueeze(0)
# 进行模型预测
with torch.no_grad():
output = model(image)
_, predicted = torch.max(output, 1)
# 在原图片右上角显示预测结果
image = np.array(image.squeeze(0) * 0.5 + 0.5) # 将图像数据转换为numpy数组,并反归一化
image = np.reshape(image,(28,28))
plt.imshow(image, cmap='gray')
plt.text(5, 1, f'Predicted: {predicted.item()}', color='red', fontsize=16, ha='center')
plt.axis('off')
plt.show()
- 看下前4个的结果,表现很好
理论学习:ResNet网路结构
- “理论指导行动”,下面是相关理论知识的链接
1.ResNet网络结构分析
2.ResNet-18超详细介绍!!!!
3.ResNet-论文全文完整翻译+注解
4.原文网站:https://arxiv.org/abs/1512.03385
联系方式
QQ:1727359387
源码下载链接:请点击 数据集及源码