pytorch实现手写数字图片识别

本文实例为大家分享了pytorch实现手写数字图片识别的具体代码，供大家参考，具体内容如下

数据集：MNIST数据集，代码中会自动下载，不用自己手动下载。数据集很小，不需要GPU设备，可以很好的体会到pytorch的魅力。
模型+训练+预测程序：

import torch
from torch import nn
from torch.nn import functional as F
from torch import optim
import torchvision
from matplotlib import pyplot as plt
from utils import plot_image, plot_curve, one_hot

# step1  load dataset
batch_size = 512
train_loader = torch.utils.data.DataLoader(
   torchvision.datasets.MNIST('mnist_data', train=True, download=True,
                              transform=torchvision.transforms.Compose([
                                  torchvision.transforms.ToTensor(),
                                  torchvision.transforms.Normalize(
                                      (0.1307,), (0.3081,)
                                  )
                              ])),
   batch_size=batch_size, shuffle=True)
test_loader = torch.utils.data.DataLoader(
   torchvision.datasets.MNIST('mnist_data/', train=False, download=True,
                              transform=torchvision.transforms.Compose([
                                  torchvision.transforms.ToTensor(),
                                  torchvision.transforms.Normalize(
                                      (0.1307,), (0.3081,)
                                  )
                              ])),
   batch_size=batch_size, shuffle=False)
x , y = next(iter(train_loader))
print(x.shape, y.shape, x.min(), x.max())
plot_image(x, y, "image_sample")

class Net(nn.Module):
   def __init__(self):
       super(Net, self).__init__()

self.fc1 = nn.Linear(28*28, 256)
       self.fc2 = nn.Linear(256, 64)
       self.fc3 = nn.Linear(64, 10)
   def forward(self, x):
       # x: [b, 1, 28, 28]
       # h1 = relu(xw1 + b1)
       x = F.relu(self.fc1(x))
       # h2 = relu(h1w2 + b2)
       x = F.relu(self.fc2(x))
       # h3 = h2w3 + b3
       x = self.fc3(x)

return x
net = Net()
optimizer = optim.SGD(net.parameters(), lr=0.01, momentum=0.9)

train_loss = []
for epoch in range(3):
   for batch_idx, (x, y) in enumerate(train_loader):
       #加载进来的图片是一个四维的tensor，x: [b, 1, 28, 28], y:[512]
       #但是我们网络的输入要是一个一维向量（也就是二维tensor)，所以要进行展平操作
       x = x.view(x.size(0), 28*28)
       #  [b, 10]
       out = net(x)
       y_onehot = one_hot(y)
       # loss = mse(out, y_onehot)
       loss = F.mse_loss(out, y_onehot)

optimizer.zero_grad()
       loss.backward()
       # w' = w - lr*grad
       optimizer.step()

train_loss.append(loss.item())

if batch_idx ％ 10 == 0:
           print(epoch, batch_idx, loss.item())

plot_curve(train_loss)
   # we get optimal [w1, b1, w2, b2, w3, b3]

total_correct = 0
for x,y in test_loader:
   x = x.view(x.size(0), 28*28)
   out = net(x)
   # out: [b, 10]
   pred = out.argmax(dim=1)
   correct = pred.eq(y).sum().float().item()
   total_correct += correct
total_num = len(test_loader.dataset)
acc = total_correct/total_num
print("acc:", acc)

x, y = next(iter(test_loader))
out = net(x.view(x.size(0), 28*28))
pred = out.argmax(dim=1)
plot_image(x, pred, "test")

主程序中调用的函数（注意命名为utils)：

import  torch
from    matplotlib import pyplot as plt

def plot_curve(data):
   fig = plt.figure()
   plt.plot(range(len(data)), data, color='blue')
   plt.legend(['value'], loc='upper right')
   plt.xlabel('step')
   plt.ylabel('value')
   plt.show()

def plot_image(img, label, name):

fig = plt.figure()
   for i in range(6):
       plt.subplot(2, 3, i + 1)
       plt.tight_layout()
       plt.imshow(img[i][0]*0.3081+0.1307, cmap='gray', interpolation='none')
       plt.title("{}: {}".format(name, label[i].item()))
       plt.xticks([])
       plt.yticks([])
   plt.show()

def one_hot(label, depth=10):
   out = torch.zeros(label.size(0), depth)
   idx = torch.LongTensor(label).view(-1, 1)
   out.scatter_(dim=1, index=idx, value=1)
   return out

打印出损失下降的曲线图：

训练3个epoch之后，在测试集上的精度就可以89％左右，可见模型的准确度还是很不错的。
输出六张测试集的图片以及预测结果：

六张图片的预测全部正确。

来源：https://blog.csdn.net/weixin_41423872/article/details/109451642