【机器学习】使用卷积神经网络模型训练MNIST（含混淆矩阵）

最新推荐文章于 2024-06-15 17:55:22 发布

春阳的科研日志

最新推荐文章于 2024-06-15 17:55:22 发布

阅读量1.3k

点赞数 18

分类专栏：机器学习文章标签：机器学习 cnn 矩阵深度学习 python 神经网络 pip

本文链接：https://blog.csdn.net/qq_55948984/article/details/137686970

版权

机器学习专栏收录该内容

4 篇文章 3 订阅

订阅专栏

使用卷积神经网络模型训练MNIST

设计了一个卷积神经网络模型训练MNIST并根据混淆矩阵对其进行测试以评估其性能和准确度。
计算机视觉领域，手写数字识别是一个经典的问题。本文将介绍如何使用卷积神经网络（Convolutional Neural Network, CNN）来实现手写数字识别任务。我们将使用PyTorch框架和MNIST数据集，通过搭建一个简单的卷积神经网络模型来完成任务，并在测试集上评估模型的准确率。

文章目录

使用卷积神经网络模型训练MNIST

1.简介

手写数字识别是计算机视觉领域的经典问题之一。它的任务是将手写的数字图像分类为相应的数字类别，从0到9。在本篇博客中，我们将使用深度学习中常用的卷积神经网络来解决这个问题。卷积神经网络在图像处理任务中表现出色，能够自动学习图像的特征，并进行准确的分类。

2.MNIST数据集和预处理

我们使用了MNIST数据集，MNIST数据集是机器学习领域中最著名的数据集之一，常被用于图像分类任务。它包含了一系列手写数字的灰度图像，每个图像的尺寸为28x28像素。MNIST数据集共有60000个训练样本和10000个测试样本，涵盖了从0到9的10个数字类别。

MNIST数据集的广泛应用使其成为计算机视觉领域的基准测试数据集之一。它的相对简单性使得研究人员可以快速验证新的模型和算法，并进行性能比较。同时，MNIST数据集也为初学者提供了一个入门的机会，帮助他们理解和实践基本的图像分类方法。

为了更好地适应模型的训练，我们对MNIST数据集进行了预处理。首先，我们将图像转换为张量的形式，以便能够在深度学习框架中进行处理。然后，我们对图像进行了标准化处理，将像素值缩放到0到1之间，这有助于提高模型的训练效果。通过这些预处理步骤，我们将MNIST数据集准备好，可以用于训练和测试我们的卷积神经网络模型。

MNIST数据集的简单性和广泛应用使得它成为图像分类任务的经典数据集。通过在MNIST上进行实验和研究，我们可以更好地理解和探索图像分类算法的性能和效果。

在这里插入图片描述

引入PyTorch库和所需要的模块:

import torch
import torch.nn as nn
import torch.optim as optim
from torch.utils.data import DataLoader
from torchvision import datasets, transforms
import numpy as np
import matplotlib.pyplot as plt
from sklearn.metrics import confusion_matrix

3.构建卷积神经网络模型

卷积神经网络（Convolutional Neural Network, CNN）是一种在计算机视觉领域广泛应用的深度学习模型。它通过卷积层和池化层的组合，能够有效地捕捉图像的局部特征和空间结构，从而实现图像分类、目标检测和图像生成等任务。

在我们的手写数字识别任务中，我们将使用一个简单的卷积神经网络模型。该模型由以下几个主要组件组成：

卷积层（Convolutional Layers）：卷积层是卷积神经网络的核心部分。它通过卷积操作对输入图像进行特征提取。在我们的模型中，我们使用了两个卷积层，每个卷积层都有一组可学习的卷积核（filters），并应用了ReLU激活函数来增加模型的非线性能力。
池化层（Pooling Layers）：池化层用于减小特征图的尺寸，并保留重要的特征信息。在我们的模型中，我们使用了最大池化（Max Pooling）层，它从输入特征图中提取出每个区域的最大值，从而减小特征图的维度。
全连接层（Fully Connected Layers）：全连接层将卷积层和池化层提取的特征进行展平，并通过一系列全连接层进行分类。在我们的模型中，我们使用了两个全连接层，最后一个全连接层的输出大小与手写数字的类别数相匹配。

在PyTorch框架中，我们可以通过继承nn.Module类来构建卷积神经网络模型。我们需要实现模型的前向传播函数，即定义模型如何将输入数据通过各个层进行处理并得到输出结果。通过PyTorch提供的各种卷积层、激活函数和池化层等模块，我们可以轻松地构建卷积神经网络模型。

定义一个自定义的模型类 CustomModel，继承自 nn.Module：

class CustomModel(nn.Module):
    def __init__(self):
        super(CustomModel, self).__init__()
        self.conv1 = nn.Conv2d(1, 16, kernel_size=3, stride=1, padding=1)  # 第一个卷积层
        self.relu = nn.ReLU()  # ReLU激活函数
        self.maxpool = nn.MaxPool2d(kernel_size=2)  # 最大池化层
        self.conv2 = nn.Conv2d(16, 32, kernel_size=3, stride=1, padding=1)  # 第二个卷积层
        self.fc1 = nn.Linear(7 * 7 * 32, 128)  # 第一个全连接层
        self.fc2 = nn.Linear(128, 10)  # 第二个全连接层

    def forward(self, x):
        x = self.conv1(x)  # 第一个卷积层
        x = self.relu(x)  # ReLU激活函数
        x = self.maxpool(x)  # 最大池化层
        x = self.conv2(x)  # 第二个卷积层
        x = self.relu(x)  # ReLU激活函数
        x = self.maxpool(x)  # 最大池化层
        x = x.view(x.size(0), -1)  # 展开为一维向量
        x = self.fc1(x)  # 第一个全连接层
        x = self.relu(x)  # ReLU激活函数
        x = self.fc2(x)  # 第二个全连接层
        return x

4. 训练模型

在构建完卷积神经网络模型之后，我们需要对模型进行训练，以便使其能够准确地对手写数字进行分类。下面是训练模型的一般步骤：

数据加载和预处理：在训练模型之前，我们需要加载并预处理训练数据。对于手写数字识别任务，我们已经介绍过MNIST数据集，并对其进行了预处理，将图像转换为张量并进行了标准化处理。现在，我们将加载训练集的图像和对应的标签，并将其划分为小批量数据用于训练。
定义损失函数：在训练模型时，我们需要定义一个损失函数来度量模型在训练数据上的预测结果与实际标签之间的差异。对于分类任务，常用的损失函数是交叉熵损失函数（Cross-Entropy Loss），它能够有效地衡量模型的分类性能。
定义优化器：优化器用于更新模型的参数，使得模型能够逐渐优化并提高性能。常用的优化器算法包括随机梯度下降（Stochastic Gradient Descent, SGD）、Adam等。我们需要选择一个合适的优化器，并设置学习率等超参数。
循环训练：在训练过程中，我们将通过循环迭代来优化模型。每个训练迭代中，我们将输入训练数据到模型中，计算模型的预测结果，并与实际标签进行比较，得到损失值。然后，我们使用优化器来反向传播误差，并更新模型的参数。这个过程将重复多个训练迭代，直到模型收敛或达到预定的训练轮数。
评估模型：在训练过程中，我们需要定期评估模型的性能。为了评估模型在未见过的数据上的泛化能力，我们将测试集输入到训练好的模型中，并计算模型在测试集上的准确率或其他评估指标。
调参和优化：如果模型在训练集和测试集上的性能不够理想，我们可以考虑调整模型的超参数、增加训练数据、改变网络结构等来进一步优化模型。

定义数据预处理：

transform = transforms.Compose([
    transforms.ToTensor(),  # 将数据转换为Tensor格式
    transforms.Normalize((0.1307,), (0.3081,))  # 数据归一化处理
])

加载数据集和测试集：

train_dataset = datasets.MNIST(root='./data', train=True, transform=transform, download=True)  # 加载训练集
test_dataset = datasets.MNIST(root='./data', train=False, transform=transform)  # 加载测试集

创建数据加载器：

train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True)  # 创建训练集数据加载器
test_loader = DataLoader(test_dataset, batch_size=64, shuffle=False)  # 创建测试集数据加载器

创建模型实例，定义损失函数和优化器：

model = CustomModel()  # 创建自定义模型实例
criterion = nn.CrossEntropyLoss()  # 交叉熵损失函数
optimizer = optim.Adam(model.parameters(), lr=0.001)  # Adam优化器

定义一个训练函数 train，用于训练模型：

def train(model, train_loader, criterion, optimizer, num_epochs):
    model.train()
    train_losses = []
    test_accuracies = []

    for epoch in range(num_epochs):
        running_loss = 0.0
        for i, (images, labels) in enumerate(train_loader):
            optimizer.zero_grad()
            outputs = model(images)
            loss = criterion(outputs, labels)
            loss.backward()
            optimizer.step()

            running_loss += loss.item()
            if (i + 1) % 100 == 0:
                print(f"Epoch [{epoch + 1}/{num_epochs}], Step [{i + 1}/{len(train_loader)}], Loss: {running_loss / 100:.4f}")
                running_loss = 0.0

        accuracy, _ = test(model, test_loader)
        print(f"Epoch [{epoch + 1}/{num_epochs}], Accuracy on test set: {accuracy:.4f}")

        train_losses.append(running_loss / len(train_loader))
        test_accuracies.append(accuracy)

    return train_losses, test_accuracies

5.测试模型

在完成模型的训练后，我们需要对其进行测试以评估其性能和准确度。下面是测试模型的一般步骤：

加载测试数据：首先，我们需要加载测试集的图像和对应的标签，这些数据是模型在训练过程中未使用过的数据。与训练数据类似，我们需要对测试数据进行相同的预处理，例如将图像转换为张量并进行标准化处理。
模型预测：接下来，我们将测试数据输入已训练好的模型中，通过前向传播计算模型的预测结果。模型将根据输入图像的特征提取和学习到的参数，预测出图像所代表的数字类别。

结果评估：对于每个测试样本，我们比较模型的预测结果与实际标签，以确定模型的准确度。常用的评估指标包括准确率（Accuracy）、精确率（Precision）、召回率（Recall）和F1分数等。这些指标可以帮助我们了解模型对不同类别的预测性能。

定义了一个测试函数 test，用于评估模型在测试集上的准确率：

def test(model, test_loader):
    model.eval()
    correct = 0
    total = 0
    predicted_labels = []
    with torch.no_grad():
        for images, labels in test_loader:
            outputs = model(images)
            _, predicted = torch.max(outputs.data, 1)
            total += labels.size(0)
            correct += (predicted == labels).sum().item()
            predicted_labels.extend(predicted.tolist())  # Collect predicted labels
    accuracy = correct / total
    return accuracy, predicted_labels

调用 train 函数进行模型训练，并输出每个epoch的准确率：

num_epochs = 10
train(model, train_loader, criterion, optimizer, num_epochs)  # 开始训练

6.可视化分析

为了更好地理解模型的性能和错误分类的原因，我们可以对测试结果进行可视化分析，为了更加直观的清晰的进行评估模型的性能，我们在模型中加入混淆矩阵，损失函数曲线，准确率曲线。

混淆矩阵

混淆矩阵是一个表格，它通过汇总分类模型在测试集上的预测来可视化分类模型的性能。它使我们能够了解模型对不同类别的实例进行分类的程度，并识别其预测中的任何模式或偏差。混淆矩阵是根据预测标签与测试集的真实标签之间的比较计算得出的。

在这里插入图片描述

混淆矩阵中的：

每行表示真实类（实际类）的实例。
每列表示模型预测的实例（预测类）。
对角线元素表示真正数，其中预测类与真类匹配。
偏离对角线的元素表示误差。

解释混淆矩阵：

真阳性（TP）: 这些是模型正确预测类的实例。
误报（FP）: 当真正的类不同时，模型会错误地预测类。
漏报（FN）: 这些是模型无法正确预测类的情况。

性能指标：

准确性： 它衡量模型预测的整体正确性，计算公式为
$（ TP + TN ） / （ TP + TN + FP + FN ）$
精度： 它测量正确预测的阳性实例在所有预测为阳性的实例中的比例，计算为

$TP / （ TP + FP ）$
召回率（灵敏度或真阳性率）： 它测量正确预测的阳性实例占所有实际阳性实例的比例，计算为
$TP / （ TP + FN ）$
特异性（真阴性率）： 它测量正确预测的阴性实例占所有实际阴性实例的比例，计算为
$TN / （ TN + FP ）$
F1 分数： 它将精确率和召回率组合成一个指标，计算为
$2 * （精确率 * 召回率） / （精确率 + 召回率）$

混淆矩阵

   
# 计算混淆矩阵并绘制
_, predicted_labels = test(model, test_loader)
true_labels = test_dataset.targets
confusion_mat = confusion_matrix(true_labels, predicted_labels)

plt.figure(figsize=(8, 6))
plt.imshow(confusion_mat, interpolation='nearest', cmap=plt.cm.Blues)
plt.title("Confusion Matrix")
plt.colorbar()
tick_marks = np.arange(10)
plt.xticks(tick_marks, tick_marks)
plt.yticks(tick_marks, tick_marks)

thresh = confusion_mat.max() / 2.
for i in range(confusion_mat.shape[0]):
    for j in range(confusion_mat.shape[1]):
        plt.text(j, i, format(confusion_mat[i, j], 'd'),
                 ha="center", va="center",
                 color="white" if confusion_mat[i, j] > thresh else "black")

plt.xlabel("Predicted Label")
plt.ylabel("True Label")
plt.show()

训练一轮结果：

 #训练一轮结果
''
Confusion Matrix:
[[ 969    0    0    0    2    3    1    1    4    0]
 [   0 1130    2    0    1    0    0    1    1    0]
 [   1    1 1012    1    2    0    0    5   10    0]
 [   0    0    2  992    0   12    0    2    2    0]
 [   0    0    0    0  979    0    0    1    1    1]
 [   1    0    0    0    0  887    2    0    2    0]
 [   1    2    0    1    8    4  938    0    4    0]
 [   0    1    8    2    3    0    0 1010    3    1]
 [   4    0    1    2    2    1    0    2  961    1]
 [   1    1    0    2   22   11    0    8   12  952]]''

输出混淆矩阵图像：

在这里插入图片描述

根据第一轮次混淆矩阵中实际类和预测类之间的关系计算准确率，召回率，精确率，F1得分。

accuracy = np.sum(np.diag(confusion_mat)) / np.sum(confusion_mat)

# 计算召回率
recall = np.diag(confusion_mat) / np.sum(confusion_mat, axis=1)

# 计算精确率
precision = np.diag(confusion_mat) / np.sum(confusion_mat, axis=0)

# 计算F1得分
f1_score = 2 * (precision * recall) / (precision + recall)

print("准确率:", accuracy)
print("召回率:", recall)
print("精确率:", precision)
print("F1得分:", f1_score)

#输出结果：
'''准确率: 0.983
召回率: [0.98877551 0.99559471 0.98062016 0.98217822 0.99694501 0.99439462
 0.97912317 0.98249027 0.98665298 0.94350842]
精确率: [0.99181167 0.99559471 0.98731707 0.992      0.96074583 0.96623094
 0.9968119  0.98058252 0.961      0.99685864]
F1得分: [0.99029126 0.99559471 0.98395722 0.98706468 0.97851074 0.9801105
 0.98788836 0.98153547 0.97365755 0.9694501 ]
'''