使用卷积网络做手写数字识别

迷南。 2022-03-15 14:00 219阅读 0赞

### 文章目录 ###

*  使用卷积网络做手写数字识别
 *   *  思路分析
     *  PyTorch实现

写作时间：2019-03-02 22:24:22

# 使用卷积网络做手写数字识别 #

## 思路分析 ##

上篇博文《[使用循环神经网络做手写数字识别][Link 1]》介绍了利用LSTM做手写数字的识别，想着好事成双，也写一个姊妹篇卷积网络实现手写数字的识别。

博文主要通过最简单的代码量展示一个入门级别的识别案例。需要注意的几点：

*  卷积网络的输入大小为（`batch_size`，`num_channels`，`image_width`，`image_height`）
 *  本文中的模型使用了卷积层和线性连接层。Linear层的输入大小为（`*`，`num_input_feature`），所以在卷积层输出流入线性层的时候，需要转化一下张量的尺寸大小
 *  综合使用`MaxPooling`层和`Dropout`层可以提高识别准确率

## 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
    INIT_LR = 1e-3  # 初始学习率
    DOWNLOAD_MNIST = True  # 设置是否需要下载数据集
    
    # 使用DataLoader加载训练数据，为了演示方便，对于测试数据只取出2000个样本进行测试
    train_data = datasets.MNIST(root='mnist', train=True, transform=transforms.ToTensor(), download=DOWNLOAD_MNIST)
    train_loader = torch.utils.data.DataLoader(dataset=train_data, batch_size=BATCH_SIZE, shuffle=True)
    test_data = datasets.MNIST(root='mnist', train=False)
    test_x = test_data.test_data.type(torch.FloatTensor)[:2000] / 255.
    test_x.unsqueeze_(1)  # 调整test_x的尺寸为四维，添加了一个channel维度
    test_y = test_data.test_labels.numpy()[:2000]
    
    
    class ConvNet(nn.Module):
        def __init__(self):
            super(ConvNet, self).__init__()
            self.conv = nn.Sequential(
                nn.Conv2d(1, 32, 5),  # 图像大小变为24*24
                nn.MaxPool2d(2),  # 图像大小变为12*12
                nn.ReLU(True),
                nn.Conv2d(32, 64, 5),  #  图像大小变为8*8
                nn.Dropout2d(),
                nn.MaxPool2d(2),  #  图像大小变为4*4
                nn.ReLU(True)
            )
    
            self.linear = nn.Sequential(
                nn.Linear(4 * 4 * 64, 128),
                nn.ReLU(True),
                nn.Dropout2d(),
                nn.Linear(128, 10),
                nn.Softmax(1)
            )
    
        def forward(self, x):
            x = self.conv(x)
            x = x.view(-1, 4 * 4 * 64)
            out = self.linear(x)
            return out
    
    
    model = ConvNet()
    print(model)
    
    optimizer = torch.optim.Adam(model.parameters(), lr=INIT_LR)
    loss_func = nn.CrossEntropyLoss()
    
    # RNN训练
    for epoch in range(EPOCH):
        for index, (b_x, b_y) in enumerate(train_loader):
            model.train()
            # 输入尺寸为(batch_size, channels, height, width)
            output = model(b_x)  # (64, 1, 28, 28)
            loss = loss_func(output, b_y)
            optimizer.zero_grad()
            loss.backward()
            optimizer.step()
    
            if index % 50 == 0:
                model.eval()
                prediction = model(test_x)  # 输出为(2000, 10)
                pred_y = torch.max(prediction, 1)[1].data.numpy()
                accuracy = (pred_y == test_y).sum() / float(test_y.size)
                print(f'Epoch: [{index}/{epoch}]', f'| train loss: {loss.item()}', f'| test accuracy: {accuracy}')
    
    # 打印测试数据集中的后20个结果
    model.eval()
    prediction = model(test_x[:20])
    pred_y = torch.max(prediction, 1)[1].data.numpy()
    print(pred_y, 'prediction number')
    print(test_y[:20], 'real number')

训练结果如下，可以看到对于这种不太复杂的问题，CNN和RNN都可以得到比较高的精度。  
![使用卷积网络做手写数字识别][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly90aGVvbmVnaXMuYmxvZy5jc2RuLm5ldA_size_16_color_FFFFFF_t_70]

[Link 1]: https://theonegis.blog.csdn.net/article/details/88086423
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly90aGVvbmVnaXMuYmxvZy5jc2RuLm5ldA_size_16_color_FFFFFF_t_70]: /images/20220315/9545eba265474ce980ebdb743da04230.png