PyTorch----实现手写数字的识别

加载手写数字的数据

组成训练集和测试集，这里已经下载好了，所以download为False

import torchvision

# 是否支持gpu运算# device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')# print(device)# print(torch.cuda.is_available())# 加载训练集的数据  使用torchvision自带的MNIST数据集
train_dataset = torchvision.datasets.MNIST(root='./data1',
                                           train=True,
                                           transform=torchvision.transforms.ToTensor(),
                                           download=False)# 加载测试集的数据  创建测试集
test_dataset = torchvision.datasets.MNIST(root='./data1',
                                          train=False,
                                          transform=torchvision.transforms.ToTensor(),
                                          download=False)

数据加载器（分批加载）

# 加载数据的批次 一批有多少条数据
batch_size =100# 创建数据加载器shuffle为True 加载时打乱
train_loader = DataLoader(dataset=train_dataset,
                          batch_size=batch_size,
                          shuffle=True)
test_loader = DataLoader(dataset=test_dataset,
                         batch_size=batch_size,
                         shuffle=True)# 数据加载器生成的对象转为迭代器
examples =iter(test_loader)# 使用next方法获取到一批次的数据
example_data, example_targets = examples.next()# 遍历获取到6条数据 展示观察一下for i inrange(6):
    plt.subplot(2,3, i +1)
    plt.imshow(example_data[i][0], cmap='gray')# 查看图片的大小 方便建立模型时输入的大小print(example_data[i][0].shape)

plt.show()

建立模型

1. 建立模型之前定义输入大小和分类类别输出大小

通过上边查看图片的大小为28*28*1，所以输入大小为784

**

数字识别只有0~9所以为10个类别的多分类问题

**

input_size =784
num_classes =10

1. 创建模型类

classNeuralNet(torch.nn.Module):def__init__(self, n_input_size, hidden_size, n_num_classes):"""
        神经网络类初始化
        :param n_input_size: 输入
        :param hidden_size: 隐藏层
        :param n_num_classes: 输出
        """# 调用父类__init__方法super(NeuralNet, self).__init__()
        self.input_size = input_size
        # 第一层线性模型 传入输入层和隐藏层
        self.l1 = torch.nn.Linear(n_input_size, hidden_size)# relu激活函数层
        self.relu = torch.nn.ReLU()# 第二层线性模型 传入隐藏层和输出层
        self.l2 = torch.nn.Linear(hidden_size, n_num_classes)defforward(self, x):"""
        重写正向传播函数  获取到预测值
        :param x: 数据
        :return: 预测值
        """# 线性模型
        out = self.l1(x)# 激活函数
        out = self.relu(out)# 线性模型2
        out = self.l2(out)# 返回预测值return out

# 获取到gpu设备
device = torch.device('cuda'if torch.cuda.is_available()else'cpu')# 创建模型并把模型放到当前支持的gpu设备中
model = NeuralNet(input_size,500, num_classes).to(device)print(model)

• 可以看出模型一共三层
• 输入层（节点数量和图小大小相同）
• 隐藏层（节点数为500）
• 输出层（输出节点数量为10 0~9）

定义损失函数和优化器

• 因为是多分类问题，所以使用交叉熵函数的多分类损失函数
• 因为传统的梯度下降存在一定缺陷，比如学习速率一直不变，所以使用PyTorch中梯度下降的优化算法Adam算法

# 定义学习率
learning_rate =0.01# 损失函数
criterion = torch.nn.CrossEntropyLoss()# 定义优化器 参数1为模型的参数 lr为学习率
optimizer = torch.optim.Adam(model.parameters(), lr=learning_rate)

模型训练

**

训练步骤:

**

• 通过模型类正向传播获取到预测结果
• 通过损失函数传入预测结果和真实值计算损失
• 通过反向传播获取梯度
• 通过梯度下降更新模型参数的权重
• 梯度清空，防止下次梯度累加
• 循环，降低损失为我们想要的结果（提高模型精度）

# 定义训练的次数
num_epochs =10# 训练集数据的总长度
total_steps =len(train_loader)# 遍历训练次数for epoch inrange(num_epochs):# 每次从数据加载器中取出一批数据  每批次100条for i,(images, labels)inenumerate(train_loader):# 把图片降维到一维数组  加载到gpu
        images = images.reshape(-1,28*28).to(device)# 真实值加载到gpu
        labels = labels.to(device)# 正向传播 获取到预测值
        outputs = model(images)# 通过损失函数获取到损失值
        loss_val = criterion(outputs, labels)# 清空梯度
        optimizer.zero_grad()# 进行反向传播
        loss_val.backward()# 梯度下降更新参数
        optimizer.step()# 打印每次训练的损失值if i %100==0:print(f'Loss:{loss_val.item():.4f}')print('训练完成')# 训练完之后保存模型
torch.save(model.state_dict(),'./last.pt')

• 损失值很明显的在收敛
• 生成了pt模型文件

测试集抽取数据，查看预测结果

# 把测试集的数据加载器转为生成器
examples =iter(test_loader)# next()方法获取一批数据
example_data, example_targets = examples.next()# 拿出前三条for i inrange(3):# 画图展示
    plt.subplot(1,3, i +1)
    plt.imshow(example_data[i][0], cmap='gray')
plt.show()

images = example_data
# 图片将为加载到GPU
images = images.reshape(-1,28*28).to(device)# 正向传播获取预测结果
outputs = model(images)# 打印结果 detach()方法结果不会计算梯度更新 转为numpyprint(f'真实结果:{example_targets[0:3].detach().numpy()}')# 预测完的结果为10个数字的概率 使用argmax()根据行归一化并求自变量的概率最大值print(f'预测结果:{np.argmax(outputs[0:3].cpu().detach().numpy(), axis=1)}')

计算模型精度

# 用测试集的数据,校验模型的准确率with torch.no_grad():
    n_correct =0
    n_samples =0# 取出测试集数据for images, labels in test_loader:# 和训练代码一致
        images = images.reshape(-1,28*28).to(device)
        labels = labels.to(device)
        outputs = model(images)# 返1 最大值 返2 索引                0每列最大值  1每行最大值
        _, predicted = torch.max(outputs.data,1)
        n_samples += labels.size(0)
        n_correct +=(predicted == labels).sum().item()# 计算模型精度
    acc =100.0* n_correct / n_samples
    print(f"准确率:{acc}%")

自己手写数字进行预测

import cv2
import numpy as np

import torch

from 手写数字神经网络结构 import NeuralNet

# 获取到gpu设备
device = torch.device('cuda')# 加载保存好的模型
input_size =784
num_classes =10
model = NeuralNet(input_size,500, num_classes)# 因为保存模型时在GPU所以要指定map_location='cuda:0'
model.load_state_dict(torch.load('./last.pt', map_location='cuda:0'))# 加载到gpu上
model.to(device)# 局域内不计算梯度with torch.no_grad():# cv2读取图片 灰度方式
    images = cv2.imread('./number_four.png', cv2.IMREAD_GRAYSCALE)# 使用大津算法进行二值化处理 并反转
    ret, thresh_img = cv2.threshold(images,0,255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)# 展示处理过后的图片
    cv2.imshow('png1', thresh_img)
    cv2.waitKey()# 图片降维 把拍的图片降维到和训练时的图片大小一样
    my_image = cv2.resize(thresh_img,(28,28))# 转为numpy
    my_image = np.array(my_image, np.float32)# 转为torch的张量
    my_image = torch.from_numpy(my_image)# 降维
    my_image = my_image.reshape(-1,28*28).to(device)# 正向传播获取预测值
    outputs = model(my_image)# 取出预测结果
    pred = np.argmax(outputs.cpu().detach().numpy(), axis=1)print(f'预测结果为：{pred[0]}')