当前位置: 首页 > news >正文

使用PyTorch实现简单图像识别(基于MNIST手写数字数据集)的完整代码示例,包含数据加载、模型定义、训练和预测全流程

以下是一个使用PyTorch实现简单图像识别(基于MNIST手写数字数据集)的完整代码示例,包含数据加载、模型定义、训练和预测全流程:

import torch
import torch.nn as nn
import torch.optim as optim
import torchvision
import torchvision.transforms as transforms
from torch.utils.data import DataLoader
import matplotlib.pyplot as plt# 设置设备
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
print(f"Using device: {device}")# ----------------------
# 1. 数据准备
# ----------------------
transform = transforms.Compose([transforms.RandomRotation(10),       # 数据增强:随机旋转transforms.ToTensor(),transforms.Normalize((0.1307,), (0.3081,))  # MNIST的均值和标准差
])# 加载数据集
train_set = torchvision.datasets.MNIST(root='./data',train=True,download=True,transform=transform
)test_set = torchvision.datasets.MNIST(root='./data',train=False,download=True,transform=transform
)# 创建数据加载器
train_loader = DataLoader(train_set, batch_size=64, shuffle=True)
test_loader = DataLoader(test_set, batch_size=1000, shuffle=False)# ----------------------
# 2. 构建神经网络模型
# ----------------------
class SimpleCNN(nn.Module):def __init__(self):super(SimpleCNN, self).__init__()self.conv1 = nn.Conv2d(1, 32, 3, 1)  # 输入通道1,输出通道32,卷积核3x3self.conv2 = nn.Conv2d(32, 64, 3, 1)self.dropout = nn.Dropout2d(0.25)self.fc1 = nn.Linear(9216, 128)      # 全连接层self.fc2 = nn.Linear(128, 10)        # 输出层(10个数字类别)def forward(self, x):x = torch.relu(self.conv1(x))       # 28x28 → 26x26x = torch.max_pool2d(x, 2)          # 26x26 → 13x13x = torch.relu(self.conv2(x))       # 13x13 → 11x11x = torch.max_pool2d(x, 2)          # 11x11 → 5x5x = self.dropout(x)x = torch.flatten(x, 1)            # 展平x = torch.relu(self.fc1(x))x = self.dropout(x)x = self.fc2(x)return xmodel = SimpleCNN().to(device)# ----------------------
# 3. 训练配置
# ----------------------
criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.parameters(), lr=0.001)# ----------------------
# 4. 训练循环
# ----------------------
def train(epoch):model.train()train_loss = 0for batch_idx, (data, target) in enumerate(train_loader):data, target = data.to(device), target.to(device)optimizer.zero_grad()output = model(data)loss = criterion(output, target)loss.backward()optimizer.step()train_loss += loss.item()if batch_idx % 100 == 0:print(f"Train Epoch: {epoch} [{batch_idx * len(data)}/{len(train_loader.dataset)} "f"({100. * batch_idx / len(train_loader):.0f}%)]\tLoss: {loss.item():.6f}")avg_loss = train_loss / len(train_loader)return avg_loss# ----------------------
# 5. 测试函数
# ----------------------
def test():model.eval()test_loss = 0correct = 0with torch.no_grad():for data, target in test_loader:data, target = data.to(device), target.to(device)output = model(data)test_loss += criterion(output, target).item()pred = output.argmax(dim=1, keepdim=True)correct += pred.eq(target.view_as(pred)).sum().item()test_loss /= len(test_loader)accuracy = 100. * correct / len(test_loader.dataset)print(f"\nTest set: Average loss: {test_loss:.4f}, Accuracy: {correct}/{len(test_loader.dataset)} "f"({accuracy:.2f}%)\n")return accuracy# ----------------------
# 6. 执行训练
# ----------------------
epochs = 5
train_losses = []
test_accuracies = []for epoch in range(1, epochs + 1):loss = train(epoch)accuracy = test()train_losses.append(loss)test_accuracies.append(accuracy)# ----------------------
# 7. 可视化结果
# ----------------------
plt.figure(figsize=(12, 5))
plt.subplot(1, 2, 1)
plt.plot(train_losses, label='Training Loss')
plt.title('Training Loss')
plt.xlabel('Epoch')
plt.ylabel('Loss')
plt.legend()plt.subplot(1, 2, 2)
plt.plot(test_accuracies, label='Test Accuracy')
plt.title('Test Accuracy')
plt.xlabel('Epoch')
plt.ylabel('Accuracy (%)')
plt.legend()
plt.show()# ----------------------
# 8. 保存和加载模型
# ----------------------
torch.save(model.state_dict(), "mnist_cnn.pth")# 加载模型示例:
# loaded_model = SimpleCNN().to(device)
# loaded_model.load_state_dict(torch.load("mnist_cnn.pth"))# ----------------------
# 9. 单张图片预测
# ----------------------
def predict_image(img):model.eval()img = img.unsqueeze(0).to(device)  # 添加batch维度with torch.no_grad():output = model(img)_, predicted = torch.max(output.data, 1)return predicted.item()# 测试单张图片
sample_data, sample_label = next(iter(test_loader))
sample_img = sample_data[0].cpu()
prediction = predict_image(sample_img)plt.imshow(sample_img.squeeze(), cmap='gray')
plt.title(f"True: {sample_label[0]}, Predicted: {prediction}")
plt.show()

代码说明:

数据准备:

  • 使用MNIST手写数字数据集(0-9共10类)

  • 应用数据增强(随机旋转)和标准化处理

  • 创建训练集和测试集的DataLoader

模型结构:

  • 简单CNN架构:2个卷积层 + 2个全连接层
  • 使用ReLU激活函数和MaxPooling
  • 添加Dropout防止过拟合

训练配置:

  • 交叉熵损失函数
  • Adam优化器
  • 5个训练周期(可调整)

可视化:

  • 绘制训练损失曲线
  • 绘制测试准确率曲线

扩展功能:

  • 模型保存与加载
  • 单张图片预测演示

运行结果示例:

Using device: cuda
Train Epoch: 1 [0/60000 (0%)]  Loss: 2.307364
Train Epoch: 1 [6400/60000 (11%)] Loss: 0.362455
...
Test set: Average loss: 0.0512, Accuracy: 9853/10000 (98.53%)

改进建议:

  1. 使用更复杂的网络结构(如ResNet)
  2. 增加数据增强方法(随机缩放、平移)
  3. 尝试不同的优化器(RMSProp)和学习率调度
  4. 增加训练轮次(epochs=10+)
  5. 使用预训练模型进行迁移学习

这个示例可以在普通GPU上1分钟内完成训练,达到98%+的测试准确率。要应用于其他图像分类任务(如CIFAR-10),只需修改数据集和调整网络输入尺寸即可。

相关文章:

  • 关于使用 读光-文字检测-DBNet行检测模型-中英-通用领域,版本问题
  • 《P1950 长方形》
  • 前端与Rust后端交互:跨越语言鸿沟 (入门系列三)
  • 开源AI视频FramePack发布:6GB显卡本地运行
  • LIDC-IDRI数据集切割代码教程【pylidc库】
  • 小刚说C语言刷题——1109加密四位数
  • Dify 使用 excel 或者 csv 文件创建知识库
  • Java单链表题目
  • Linux线程与进程:探秘共享地址空间的并发实现与内
  • Three.js + React 实战系列-3D 个人主页:构建 Hero 场景组件(项目核心)✨
  • 16.【.NET 8 实战--孢子记账--从单体到微服务--转向微服务】--微服务基础工具与技术--Github Action
  • 高精度3D圆弧拟合 (C++)
  • 详解 Network.framework:iOS 网络开发的新基石
  • Eclipse Debug 配置指南
  • 苹果(IOS)手机怎么开启开发者模式(简单明了版)
  • 使用 Frida 绕过 iOS 应用程序中的越狱检测
  • 谈谈关于【枚举】类型变量的好处
  • C++?类和对象(下)!!!
  • 从基础到实战的量化交易全流程学习:1.1 量化交易本质与行业生态
  • ultralytics 目标检测 混淆矩阵 背景图像 没被记录
  • A股三大股指收跌:地产股领跌,银行股再度走强
  • 中纪报:五一节前公开通报释放强烈信号,以铁律狠刹歪风邪气
  • 陈平评《艺术科学的目的与界限》|现代艺术史学的奠基时代
  • 胃病、闭经、湿疹、失明:藏在疾病后的情绪问题
  • 乌克兰基辅遭大规模袭击,已致12人死亡
  • 神舟二十号载人飞船成功飞天,上海航天有何贡献?