在这个教程中，我们将使用 PyTorch 框架来构建一个手写数字识别模型。手写数字识别是一个经典的机器学习问题，通常用于训练神经网络以识别手写数字图像。

教程概述

  1. 环境准备

    • 安装 PyTorch
    • 准备数据集

  2. 模型构建

    • 定义网络结构
    • 编写损失函数和优化器

  3. 训练模型

    • 训练过程
    • 模型评估

  4. 模型部署

    • 使用模型进行预测

环境准备

首先，确保你的环境中已经安装了 PyTorch。你可以通过以下命令进行安装：

pip install torch torchvision

接下来，我们需要准备 MNIST 数据集，这是一个包含手写数字图像的数据集。

import torchvision.datasets as datasets
import torchvision.transforms as transforms

transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.1307,), (0.3081,))
])

train_dataset = datasets.MNIST(root='./data', train=True, download=True, transform=transform)
test_dataset = datasets.MNIST(root='./data', train=False, download=True, transform=transform)

模型构建

下面是一个简单的卷积神经网络模型，用于手写数字识别：

import torch.nn as nn

class HandwrittenDigitNet(nn.Module):
    def __init__(self):
        super(HandwrittenDigitNet, self).__init__()
        self.conv1 = nn.Conv2d(1, 32, kernel_size=3, stride=1, padding=1)
        self.conv2 = nn.Conv2d(32, 64, kernel_size=3, stride=1, padding=1)
        self.fc1 = nn.Linear(64 * 7 * 7, 128)
        self.fc2 = nn.Linear(128, 10)

    def forward(self, x):
        x = nn.functional.relu(self.conv1(x))
        x = nn.functional.max_pool2d(x, 2)
        x = nn.functional.relu(self.conv2(x))
        x = nn.functional.max_pool2d(x, 2)
        x = x.view(-1, 64 * 7 * 7)
        x = nn.functional.relu(self.fc1(x))
        x = self.fc2(x)
        return x

model = HandwrittenDigitNet()

训练模型

现在我们可以开始训练我们的模型了。我们将使用 Adam 优化器和交叉熵损失函数。

import torch.optim as optim

criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.parameters(), lr=0.001)

train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=64, shuffle=True)

for epoch in range(10):  # 训练 10 个周期
    for images, labels in train_loader:
        optimizer.zero_grad()
        outputs = model(images)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()
    print(f'Epoch {epoch+1}, Loss: {loss.item()}')

模型评估

在训练完成后，我们可以使用测试集来评估我们的模型。

test_loader = torch.utils.data.DataLoader(test_dataset, batch_size=64, shuffle=False)

correct = 0
total = 0
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()

print(f'Accuracy of the network on the 10000 test images: {100 * correct // total}%')

模型部署

最后，我们可以使用训练好的模型来进行预测。

def predict(image):
    image = image.resize((28, 28))
    image = transforms.ToTensor()(image)
    image = image.unsqueeze(0)
    with torch.no_grad():
        output = model(image)
        _, predicted = torch.max(output.data, 1)
    return predicted.item()

# 假设我们有一个名为 "test_image.jpg" 的图像文件
from PIL import Image
import torchvision.transforms as transforms

test_image = Image.open('test_image.jpg')
test_image = transforms.ToTensor()(test_image)
test_image = test_image.unsqueeze(0)

print(f'Predicted digit: {predict(test_image)}')

扩展阅读

想要了解更多关于 PyTorch 的知识，可以阅读以下教程：

希望这个教程能帮助你入门 PyTorch 和手写数字识别！🎉