使用PyTorch實(shí)現(xiàn)手寫數(shù)字識(shí)別功能
當(dāng)計(jì)算機(jī)學(xué)會(huì)“看”數(shù)字
在人工智能的世界里,計(jì)算機(jī)視覺是最具魅力的領(lǐng)域之一。通過(guò)PyTorch這一強(qiáng)大的深度學(xué)習(xí)框架,我們將在經(jīng)典的MNIST數(shù)據(jù)集上,見證一個(gè)神經(jīng)網(wǎng)絡(luò)從零開始學(xué)會(huì)識(shí)別數(shù)字的全過(guò)程。本文將以通俗易懂的方式,帶你走進(jìn)這個(gè)看似神秘實(shí)則充滿邏輯的美妙世界。
搭建開發(fā)環(huán)境
在開始訓(xùn)練之前,我們需要準(zhǔn)備好三個(gè)基礎(chǔ)要素:騰訊云HAI,騰訊云HAI,騰訊云HAI。導(dǎo)入必要的工具庫(kù):
import torch # 深度學(xué)習(xí)框架核心 import torch.nn as nn # 神經(jīng)網(wǎng)絡(luò)模塊 from torchvision import datasets, transforms # 數(shù)據(jù)處理利器
MNIST數(shù)據(jù)集解析
1. 認(rèn)識(shí)手寫數(shù)字?jǐn)?shù)據(jù)庫(kù)
MNIST數(shù)據(jù)集包含6萬(wàn)張訓(xùn)練圖片和1萬(wàn)張測(cè)試圖片,每張都是28x28像素的灰度圖。這些數(shù)字由美國(guó)高中生和人口普查局員工書寫,構(gòu)成了計(jì)算機(jī)視覺領(lǐng)域的"Hello World"。
2. 數(shù)據(jù)預(yù)處理的藝術(shù)
原始圖片需要經(jīng)過(guò)精心處理才能被模型理解:
transform = transforms.Compose([ transforms.ToTensor(), # 將圖像轉(zhuǎn)換為數(shù)值矩陣 transforms.Normalize((0.1307,), (0.3081,)) # 標(biāo)準(zhǔn)化處理 ])
3. 可視化的重要性
通過(guò)Matplotlib展示樣本圖片,我們能直觀感受數(shù)據(jù)的特征:
plt.imshow(images[0].squeeze(), cmap='gray') plt.title(f'Label: {labels[0]}')
神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)
1. 網(wǎng)絡(luò)結(jié)構(gòu)藍(lán)圖
我們?cè)O(shè)計(jì)一個(gè)全連接網(wǎng)絡(luò)(FCN),其結(jié)構(gòu)如同人類神經(jīng)系統(tǒng)的簡(jiǎn)化版:
class Net(nn.Module): def __init__(self): super().__init__() self.flatten = nn.Flatten() # 將圖片展開為向量 self.fc1 = nn.Linear(28*28, 128) # 第一隱藏層 self.fc2 = nn.Linear(128, 64) # 第二隱藏層 self.fc3 = nn.Linear(64, 10) # 輸出層 self.dropout = nn.Dropout(0.5) # 正則化裝置
- 神經(jīng)元數(shù)量的選擇需要平衡學(xué)習(xí)能力與過(guò)擬合風(fēng)險(xiǎn)
- Dropout層像隨機(jī)關(guān)閉部分神經(jīng)元,防止模型"死記硬背"
2. 信息傳遞機(jī)制
前向傳播模擬人腦的信息處理過(guò)程:ReLU激活函數(shù)如同神經(jīng)元的開關(guān),決定是否傳遞信號(hào)。
def forward(self, x): x = self.flatten(x) # 展平操作:將圖片變?yōu)?84維向量 x = torch.relu(self.fc1(x)) # 通過(guò)第一個(gè)全連接層 x = self.dropout(x) # 隨機(jī)屏蔽部分神經(jīng)元 x = torch.relu(self.fc2(x)) # 第二個(gè)全連接層 return self.fc3(x) # 最終輸出10個(gè)數(shù)字的概率
讓模型學(xué)會(huì)思考
1. 配置學(xué)習(xí)參數(shù)
- 損失函數(shù):交叉熵?fù)p失(CrossEntropyLoss),衡量預(yù)測(cè)與真實(shí)的差距
- 優(yōu)化器:Adam優(yōu)化器,智能調(diào)節(jié)學(xué)習(xí)步伐的導(dǎo)航員
criterion = nn.CrossEntropyLoss() optimizer = optim.Adam(model.parameters(), lr=0.001)
2. 訓(xùn)練循環(huán)解析
每個(gè)epoch都是一次完整的學(xué)習(xí)輪回:
def train(epoch): model.train() # 切換至訓(xùn)練模式 for batch_idx, (data, target) in enumerate(train_loader): optimizer.zero_grad() # 清空之前的梯度 output = model(data) # 前向傳播 loss = criterion(output, target) # 計(jì)算損失值 loss.backward() # 反向傳播求梯度 optimizer.step() # 更新網(wǎng)絡(luò)參數(shù)
- 梯度清零避免不同批次數(shù)據(jù)的干擾
- 反向傳播就像糾錯(cuò)老師,沿著計(jì)算鏈修正參數(shù)
完整代碼示例
import torch import torch.nn as nn import torch.optim as optim import torchvision from torchvision import transforms import matplotlib.pyplot as plt # 2. 數(shù)據(jù)準(zhǔn)備 # 定義數(shù)據(jù)預(yù)處理:轉(zhuǎn)換為Tensor并標(biāo)準(zhǔn)化(MNIST的均值和標(biāo)準(zhǔn)差) transform = transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.1307,), (0.3081,)) ]) # 加載訓(xùn)練集和測(cè)試集 train_dataset = torchvision.datasets.MNIST( root='./data', train=True, download=True, transform=transform ) test_dataset = torchvision.datasets.MNIST( root='./data', train=False, transform=transform ) # 創(chuàng)建數(shù)據(jù)加載器 train_loader = torch.utils.data.DataLoader( train_dataset, batch_size=64, shuffle=True ) test_loader = torch.utils.data.DataLoader( test_dataset, batch_size=1000, shuffle=False ) # 查看數(shù)據(jù)集信息 print(f'Train samples: {len(train_dataset)}') print(f'Test samples: {len(test_dataset)}') # 可視化樣本 images, labels = next(iter(train_loader)) plt.imshow(images[0].squeeze(), cmap='gray') plt.title(f'Label: {labels[0]}') plt.show() # 3. 定義神經(jīng)網(wǎng)絡(luò)模型 class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.flatten = nn.Flatten() self.fc1 = nn.Linear(28*28, 128) self.fc2 = nn.Linear(128, 64) self.fc3 = nn.Linear(64, 10) self.dropout = nn.Dropout(0.5) def forward(self, x): x = self.flatten(x) x = torch.relu(self.fc1(x)) x = self.dropout(x) x = torch.relu(self.fc2(x)) x = self.fc3(x) return x model = Net() print(model) # 4. 定義損失函數(shù)和優(yōu)化器 criterion = nn.CrossEntropyLoss() optimizer = optim.Adam(model.parameters(), lr=0.001) # 5. 訓(xùn)練模型 def train(epoch): model.train() running_loss = 0.0 for batch_idx, (data, target) in enumerate(train_loader): optimizer.zero_grad() output = model(data) loss = criterion(output, target) loss.backward() optimizer.step() running_loss += loss.item() if batch_idx % 100 == 99: print(f'Epoch: {epoch+1}, Batch: {batch_idx+1}, Loss: {running_loss/100:.3f}') running_loss = 0.0 # 6. 測(cè)試模型 def test(): model.eval() correct = 0 total = 0 with torch.no_grad(): for data, target in test_loader: outputs = model(data) _, predicted = torch.max(outputs.data, 1) total += target.size(0) correct += (predicted == target).sum().item() accuracy = 100 * correct / total print(f'Test Accuracy: {accuracy:.2f}%') return accuracy # 7. 執(zhí)行訓(xùn)練和測(cè)試 epochs = 5 for epoch in range(epochs): train(epoch) test() # 8. 保存模型 torch.save(model.state_dict(), 'mnist_model.pth')
針對(duì)1-9數(shù)字的測(cè)試
# 擴(kuò)展測(cè)試函數(shù),增加按數(shù)字統(tǒng)計(jì)的功能 def detailed_test(): model.eval() class_correct = [0] * 10 # 存儲(chǔ)每個(gè)數(shù)字的正確計(jì)數(shù) class_total = [0] * 10 # 存儲(chǔ)每個(gè)數(shù)字的總樣本數(shù) with torch.no_grad(): for images, labels in test_loader: outputs = model(images) _, predicted = torch.max(outputs, 1) # 遍歷每個(gè)預(yù)測(cè)結(jié)果 for label, prediction in zip(labels, predicted): class_total[label] += 1 if label == prediction: class_correct[label] += 1 # 打印每個(gè)數(shù)字的準(zhǔn)確率 print("{:^10} | {:^10} | {:^10}".format("數(shù)字", "正確數(shù)", "準(zhǔn)確率")) print("-"*33) for i in range(10): acc = 100 * class_correct[i] / class_total[i] print("{:^10} | {:^10} | {:^10.2f}%".format(i, class_correct[i], acc)) # 可視化錯(cuò)誤案例 wrong_examples = [] for images, labels in test_loader: outputs = model(images) _, predicted = torch.max(outputs, 1) mask = predicted != labels wrong_examples.extend(zip(images[mask], labels[mask], predicted[mask])) # 隨機(jī)展示3個(gè)錯(cuò)誤樣本 fig, axes = plt.subplots(1, 3, figsize=(12,4)) for ax, (img, true, pred) in zip(axes, wrong_examples[:3]): ax.imshow(img.squeeze(), cmap='gray') ax.set_title(f'True: {true}\nPred: {pred}') ax.axis('off') plt.show() # 執(zhí)行詳細(xì)測(cè)試 detailed_test()
PyTorch vs TensorFlow 深度對(duì)比
1. 核心架構(gòu)差異
特性 | PyTorch | TensorFlow |
---|---|---|
計(jì)算圖 | 動(dòng)態(tài)圖(即時(shí)執(zhí)行) | 靜態(tài)圖(需預(yù)先定義) |
調(diào)試便利性 | 支持標(biāo)準(zhǔn)Python調(diào)試工具 | 需要特殊工具(tfdbg) |
API設(shè)計(jì) | 更接近Python原生語(yǔ)法 | 自成體系的API風(fēng)格 |
移動(dòng)端部署 | 支持但生態(tài)較弱 | 通過(guò)TF Lite有成熟解決方案 |
2. 相同功能的代碼對(duì)比
以定義全連接層為例:
# PyTorch版 import torch.nn as nn layer = nn.Linear(in_features=784, out_features=128) # TensorFlow版 from tensorflow.keras.layers import Dense layer = Dense(units=128, input_dim=784)
3. 訓(xùn)練流程對(duì)比
PyTorch訓(xùn)練循環(huán):
for epoch in range(epochs): for data, labels in train_loader: optimizer.zero_grad() outputs = model(data) loss = criterion(outputs, labels) loss.backward() optimizer.step()
TensorFlow訓(xùn)練流程:
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy') model.fit(train_dataset, epochs=epochs) # 自動(dòng)完成訓(xùn)練循環(huán)
4. 性能對(duì)比(MNIST示例)
指標(biāo) | PyTorch(CPU) | TensorFlow(CPU) |
---|---|---|
訓(xùn)練時(shí)間/epoch | ~45秒 | ~50秒 |
內(nèi)存占用 | ~800MB | ~1GB |
測(cè)試準(zhǔn)確率 | 97.8-98.2% | 97.5-98.0% |
工具的本質(zhì)
PyTorch與TensorFlow的差異,本質(zhì)上是靈活性與規(guī)范性的不同追求。就像畫家選擇畫筆,PyTorch提供的是自由揮灑的水彩,TensorFlow則是精準(zhǔn)可控的鋼筆。理解它們的特性差異,根據(jù)項(xiàng)目需求選擇合適的工具,才是提升開發(fā)效率的關(guān)鍵。無(wú)論是哪個(gè)框架,最終目標(biāo)都是將數(shù)學(xué)公式轉(zhuǎn)化為智能的力量。
以上就是使用PyTorch實(shí)現(xiàn)手寫數(shù)字識(shí)別功能的詳細(xì)內(nèi)容,更多關(guān)于PyTorch手寫數(shù)字識(shí)別的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!
相關(guān)文章
時(shí)間序列重采樣和pandas的resample方法示例解析
這篇文章主要為大家介紹了時(shí)間序列重采樣和pandas的resample方法示例解析,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2023-09-09Python 批量合并多個(gè)txt文件的實(shí)例講解
今天小編就為大家分享一篇Python 批量合并多個(gè)txt文件的實(shí)例講解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-05-05python thrift搭建服務(wù)端和客戶端測(cè)試程序
這篇文章主要為大家詳細(xì)介紹了python thrift搭建服務(wù)端和客戶端測(cè)試程序,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2018-01-01Python的Django框架可適配的各種數(shù)據(jù)庫(kù)介紹
這篇文章主要介紹了Python的Django框架可適配的各種數(shù)據(jù)庫(kù),簡(jiǎn)單總結(jié)為就是流行的幾種數(shù)據(jù)庫(kù)Python基本上全部能用XD 需要的朋友可以參考下2015-07-07python3使用tkinter實(shí)現(xiàn)ui界面簡(jiǎn)單實(shí)例
使用tkinter創(chuàng)建一個(gè)小窗口,布置2個(gè)按鈕,一個(gè)btn關(guān)閉窗口,另一個(gè)btn用于切換執(zhí)行傳入的2個(gè)函數(shù),簡(jiǎn)單的小代碼,大家參考使用吧2014-01-01Django實(shí)現(xiàn)翻頁(yè)的示例代碼
翻頁(yè)是經(jīng)常使用的功能,Django提供了翻頁(yè)器。用Django的Paginator類實(shí)現(xiàn),有需要了解Paginator類用法的朋友可參考。希望此文章對(duì)各位有所幫助2021-05-05基于OpenCV實(shí)現(xiàn)小型的圖像數(shù)據(jù)庫(kù)檢索功能
下面就使用VLAD表示圖像,實(shí)現(xiàn)一個(gè)小型的圖像數(shù)據(jù)庫(kù)的檢索程序。下面實(shí)現(xiàn)需要的功能模塊,分步驟給大家介紹的非常詳細(xì),對(duì)OpenCV圖像數(shù)據(jù)庫(kù)檢索功能感興趣的朋友跟隨小編一起看看吧2021-12-12