目录
本次手写数字识别使用了resnet18（比resnet50精度更好）、CNN和FCNN三种模型，精度上
resnet18 > CNN > FCNN
，最终提交到官网的测试集精度为0.983，排名为758（提交时间：2024年9月1日）。数据集、代码、python虚拟环境和训练后的最佳模型已打包上传到Gitee，[点击直达]。
1. 数据集介绍
竞赛使用的是 MNIST (Modified National Institute of Standards and Technology， 美国国家标准与技术研究院修改版) 手写图像数据集，其中训练集
42000
条，测试集
28000
条，每条数据有784 个像素点，即原始图像的像素为 28 * 28。训练集中的
Label
列表示手写数字的类别（共10个类别，0-10）。
2. 数据分析
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.model_selection import train_test_split
train = pd.read_csv("D:/Desktop/kaggle数据集/digit-recognizer/train.csv")
test = pd.read_csv("D:/Desktop/kaggle数据集/digit-recognizer/test.csv")
train.info()
<class'pandas.core.frame.DataFrame'>
RangeIndex:42000 entries,0 to 41999
Columns:785 entries, label to pixel783
dtypes: int64(785)
memory usage:251.5 MB
test.info()
<class'pandas.core.frame.DataFrame'>
RangeIndex:28000 entries,0 to 27999
Columns:784 entries, pixel0 to pixel783
dtypes: int64(784)
memory usage:167.5 MB
查看空缺值
#--------------------------------------------------------------------------------------------------------------------------------## train_data.isnull(): 返回一个与 train_data 相同维度的布尔值数据框，其中 True 表示该位置存在缺失值，False 表示没有缺失值# any(): 对每一列进行操作，如果某列中存在至少一个 True 那么这一列的结果就是 True；否则就是 False，结果是一个布尔类型的 Series# describe(): 统计摘要，包括总列数、唯一值个数、最频繁出现的值（top）及其出现频率（freq）#--------------------------------------------------------------------------------------------------------------------------------#
train.isnull().any().describe()
count 785
unique 1
top False
freq 785
dtype:object
由结果可知，仅有一个唯一值
False
，且出现785次，故训练集中无缺失值。
查看类别统计
sns.countplot(x=train['label']);
3. 数据处理与封装
3.1 数据集划分
将训练集划分为训练集和验证集。
# 分割特征和标签
train_labels = train["label"]
train= train.drop(labels=["label"], axis=1)# 划分训练集和验证集
X_train, X_val, y_train, y_val = train_test_split(train, train_labels, test_size =0.2, random_state=41)print("训练集大小：{}，验证集大小：{}".format(len(X_train),len(X_val)))
训练集大小：33600，验证集大小：8400
3.2 将数据转为tensor张量
dataFrame
和
Series
类型需要先转为
numpy
类型，
import torch
from torch.utils.data import DataLoader, TensorDataset
X_train_tensor = torch.tensor(X_train.values, dtype = torch.float32)
y_train_tensor = torch.tensor(y_train.values)
X_val_tensor = torch.tensor(X_val.values, dtype = torch.float32)
y_val_tensor = torch.tensor(y_val.values)
test_tensor = torch.tensor(test.values, dtype = torch.float32)
3.3 数据封装
使用
TensorDataset
创建创建包含数据特征和数据类别的tensor数据集，再用
DataLoader
划分封装数据集。封装数据集时，训练集中的shuffle参数设置为
True
（随机打乱数据），可以防止模型学习到数据的顺序，从而提高模型的泛化能力；验证集和测试集shuffle参数设置为
False
，能够保证测试集预测结果的一致性和可比性。
train_tensor = TensorDataset(X_train_tensor, y_train_tensor)
train_loader = DataLoader(train_tensor, batch_size=100, shuffle=True)
val_tensor = TensorDataset(X_val_tensor, y_val_tensor)
val_loader = DataLoader(val_tensor, batch_size=100, shuffle=False)
test_loader = DataLoader(test_tensor, batch_size =100, shuffle=False)
可视化训练集中的一张图像
plt.imshow(train.values[10].reshape(28,28), cmap='gray')
plt.axis("off")
plt.title(str(train_labels.values[10]));
4. 模型训练
4.1 定义功能函数
定义模型的训练和验证函数：
"""
模型训练函数
Params：
epoch： 训练轮次
model： 预定义模型
dataloader： 批处理数据
criterion： 损失函数（交叉熵）
optimizer： 优化器
Returns
running_loss/len(train_loader)：本轮次（遍历一遍训练集）的平均损失
sum_correct/train_num：本轮次（遍历一遍训练集）准确率
"""defmodel_train(epoch, model, model_name, dataloader, criterion, optimizer):# print("-------------------------Training-------------------------")# 设置模型为训练模式
model.train()
running_loss =0.0# 训练集大小
train_num =len(X_train)#记录遍历一轮数据集后分类正确的样本数
sum_correct =0for step, data inenumerate(dataloader):
images, labels = data
if model_name =='resnet18':#-------------------------------------------------------------------------------------------------## ResNet18 期望输入的形状为 [batch_size, channels, height, width]，其中 channels 为 3（RGB 图像）# expand(): 沿指定维度扩展张量(但不复制数据，只改变视图)#-------------------------------------------------------------------------------------------------#
images = images.view(-1,1,28,28).expand(-1,3,-1,-1)if model_name =='cnn':# 自定义CNN的输入维度为 1
images = images.view(-1,1,28,28)# 模型为FCNN时无需转换
images = images.to(device)
labels = labels.to(device)# 清除上一次迭代的梯度信息，防止梯度累积
optimizer.zero_grad()#-------------------------------------------------------------------------------------------------## outputs的尺寸[每次输入的样本数（batch_size）, 类别数]# 表示的含义：对应样本被分为某一类别的概率#-------------------------------------------------------------------------------------------------#
outputs = model(images)# 计算损失值
loss = criterion(outputs, labels)#-------------------------------------------------------------------------------------------------## 计算损失函数相对于模型参数的梯度，并将这些梯度存储在每个参数的 .grad 属性中。# 随后，优化器会使用这些梯度来更新模型参数，从而逐步最小化损失函数，实现模型的训练#-------------------------------------------------------------------------------------------------#
loss.backward()# 使用优化器 optimizer 更新模型参数
optimizer.step()
running_loss += loss.item()#-------------------------------------------------------------------------------------------------## torch.max()函数返回两个值：每行的最大值和最大值的索引# _：表示忽略了第一个返回值（每行的最大值）# 1：寻找每行的最大值和索引#-------------------------------------------------------------------------------------------------#
_, predicted = torch.max(outputs,1)#-------------------------------------------------------------------------------------------------## sum(): 将布尔张量转换为整数张量并对其进行求和，得到正确预测的总数。# 布尔值 True 计算为 1，False 计算为 0。# item(): 将单元素张量转换为 Python 标量值，便于计算#-------------------------------------------------------------------------------------------------#
correct =(predicted == labels).sum().item()
sum_correct += correct
train_acc = correct /len(labels)# print("[Epoch {}, step: {}] Train Loss: {:.4f}, Train Acc: {:.2f}%".format(epoch + 1, step+1, loss, train_acc*100))# print("-------------------------Training-------------------------")return running_loss/len(train_loader), sum_correct/train_num
"""
模型评估函数
Params：
epoch： 训练轮次
model： 预定义模型
dataloader： 批处理数据
criterion： 损失函数（交叉熵）
Returns
running_loss/len(train_loader)：本轮次（遍历一遍验证集）的平均损失
sum_correct/train_num：本轮次（遍历一遍验证集）准确率
"""defmodel_validate(epoch, model, model_name, dataloader, criterion):# print("------------------------Validating------------------------")# 设置模型为测试模式
model.eval()
val_loss =0.0# 训练集大小
val_num =len(X_val)
sum_correct =0# 禁止梯度反传with torch.no_grad():for step, data inenumerate(dataloader):
images, labels = data
if model_name =='resnet18':#-------------------------------------------------------------------------------------------------## ResNet18 期望输入的形状为 [batch_size, channels, height, width]，其中 channels 为 3（RGB 图像）# expand(): 沿指定维度扩展张量(但不复制数据，只改变视图)#-------------------------------------------------------------------------------------------------#
images = images.view(-1,1,28,28).expand(-1,3,-1,-1)if model_name =='cnn':# 自定义CNN的输入维度为 1
images = images.view(-1,1,28,28)# 模型为FCNN时无需转换
images = images.to(device)
labels = labels.to(device)
outputs = model(images)# 计算损失值
loss = criterion(outputs, labels)
val_loss += loss.item()#-------------------------------------------------------------------------------------------------## torch.max()函数返回两个值：每行的最大值和最大值的索引# _：表示忽略了第一个返回值（每行的最大值）# 1：寻找每行的最大值和索引#-------------------------------------------------------------------------------------------------#
_, predicted = torch.max(outputs,1)
correct =(predicted == labels).sum().item()
sum_correct += correct
total =len(labels)
val_acc = correct / total
# print("[Epoch {}, step: {}] Val Loss: {:.4f}, Val Acc: {:.2f}%".format(epoch + 1, step+1, loss, val_acc*100))# print("------------------------Validating------------------------")return val_loss/len(train_loader), sum_correct/val_num
定义模型训练与验证的综合函数：
import torch.nn as nn
import torch.optim as optim
"""
模型整体训练与验证函数
Params：
model： 预定义模型
"""deftrain_val(model, model_name):# 定义损失函数（交叉熵）和优化器
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(model.parameters(), lr=0.001, momentum=0.9)# 验证集上的最佳准确率和最佳轮次
best_val_acc =0.0
best_epoch =0for epoch inrange(10):# 模型训练
train_loss, train_acc = model_train(epoch, model, model_name, train_loader, criterion, optimizer)
train_losses.append(train_loss)
train_accuracies.append(train_acc)# 模型验证
val_loss, val_acc = model_validate(epoch, model, model_name, val_loader, criterion)
val_losses.append(val_loss)
val_accuracies.append(val_acc)if val_acc > best_val_acc:
best_val_acc = val_acc
best_epoch = epoch +1
torch.save(model.state_dict(), model_name+'_best_model.pth')print("[第{}轮训练完成，训练集中 Loss：{}，Accuracy：{}]".format(epoch+1, train_loss, train_acc))print("训练完成！最佳训练轮次：{}，该轮次验证集上的准确率：{}".format(best_epoch, best_val_acc))
定义损失值和准确率的可视化函数：
"""
可视化损失值和准确率
"""defloss_acc_plot(train_losses, val_losses, train_accuracies, val_accuracies):
plt.figure(figsize=(12,4))
plt.subplot(1,2,1)# 默认情况下，plt.plot 会将 train_losses 的索引作为 X 轴的值
plt.plot(train_losses, label='Train Loss')
plt.plot(val_losses, label='Validation Loss')
plt.xlabel('Epoch')
plt.ylabel('Loss')
plt.legend()
plt.subplot(1,2,2)
plt.plot(train_accuracies, label='Train Accuracy')
plt.plot(val_accuracies, label='Validation Accuracy')
plt.xlabel('Epoch')
plt.ylabel('Accuracy')
plt.legend()
plt.tight_layout()
4.1 resnet18模型
from torchvision import models
# 使用GPU训练模型（如果GPU可用的话）
device = torch.device("cuda"if torch.cuda.is_available()else"cpu")# 调用resnet18
resnet_model = models.resnet18()
resnet_model = resnet_model.to(device)# 记录训练集和验证集的损失值和准确率
train_losses =[]
val_losses =[]
train_accuracies =[]
val_accuracies =[]
train_val(resnet_model,"resnet18")
[第1轮训练完成，训练集中 Loss：0.48536758923104834，Accuracy：0.9060714285714285][第2轮训练完成，训练集中 Loss：0.05270050720095502，Accuracy：0.985][第3轮训练完成，训练集中 Loss：0.02555189496238849，Accuracy：0.9938392857142857][第4轮训练完成，训练集中 Loss：0.015233770400560129，Accuracy：0.9965773809523809][第5轮训练完成，训练集中 Loss：0.007979269749263213，Accuracy：0.9988690476190476][第6轮训练完成，训练集中 Loss：0.005160370017706771，Accuracy：0.9996428571428572][第7轮训练完成，训练集中 Loss：0.0035936778385803336，Accuracy：0.9998511904761904][第8轮训练完成，训练集中 Loss：0.0028507261213235324，Accuracy：0.9999107142857143][第9轮训练完成，训练集中 Loss：0.002293311161511589，Accuracy：0.9998809523809524][第10轮训练完成，训练集中 Loss：0.0019566422187857653，Accuracy：0.9998511904761904]
训练完成！最佳训练轮次：6，该轮次验证集上的准确率：0.9858333333333333
可视化损失值和准确率：
loss_acc_plot(train_losses, val_losses, train_accuracies, val_accuracies)
4.3 CNN模型
定义CNN模型结构：
classCNNModel(nn.Module):def__init__(self):super(CNNModel, self).__init__()# 卷积层 1
self.cnn1 = nn.Conv2d(in_channels=1, out_channels=16, kernel_size=5, stride=1, padding=0)
self.relu1 = nn.ReLU()# 最大池化层 1
self.maxpool1 = nn.MaxPool2d(kernel_size=2)# 卷积层 2
self.cnn2 = nn.Conv2d(in_channels=16, out_channels=32, kernel_size=5, stride=1, padding=0)
self.relu2 = nn.ReLU()# 最大池化层 2
self.maxpool2 = nn.MaxPool2d(kernel_size=2)# 全连接层
self.fc1 = nn.Linear(32*4*4,10)defforward(self, x):# 卷积层 1
out = self.cnn1(x)
out = self.relu1(out)#最大池化层 1
out = self.maxpool1(out)# 卷积层 2
out = self.cnn2(out)
out = self.relu2(out)# 最大池化层 2
out = self.maxpool2(out)# flatten层
out = out.view(out.size(0),-1)# 全连接层
out = self.fc1(out)return out
网络结构可视化：
上述结构图中，双层黄色块的第一层表示卷积操作，第二层表示
ReLU()
激活操作，红色块表示最大池化操作。
16
表示卷积操作后输出的的通道数，784表示卷积操作后输出的图像大小（宽度*高度）。
训练模型：
cnn_model = CNNModel()
cnn_model = cnn_model.to(device)# 记录训练集和验证集的损失值和准确率
train_losses =[]
val_losses =[]
train_accuracies =[]
val_accuracies =[]
train_val(cnn_model,"cnn")
[第1轮训练完成，训练集中 Loss：1.004740373009727，Accuracy：0.8109226190476191][第2轮训练完成，训练集中 Loss：0.17581947764293068，Accuracy：0.945625][第3轮训练完成，训练集中 Loss：0.13953285299551985，Accuracy：0.9569345238095238][第4轮训练完成，训练集中 Loss：0.12599757561526662，Accuracy：0.9607738095238095][第5轮训练完成，训练集中 Loss：0.11612535938842311，Accuracy：0.9638095238095238][第6轮训练完成，训练集中 Loss：0.10294126443720113，Accuracy：0.9671726190476191][第7轮训练完成，训练集中 Loss：0.09651396153051228，Accuracy：0.9698214285714286][第8轮训练完成，训练集中 Loss：0.09004475945229864，Accuracy：0.9717857142857143][第9轮训练完成，训练集中 Loss：0.08583687311537298，Accuracy：0.9727083333333333][第10轮训练完成，训练集中 Loss：0.08039018868779142，Accuracy：0.9748214285714286]
训练完成！最佳训练轮次：9，该轮次验证集上的准确率：0.9721428571428572
可视化损失值和准确率：
loss_acc_plot(train_losses, val_losses, train_accuracies, val_accuracies)
4.4 FCNN模型
定义FCNN模型结构：
classFCNNModel(nn.Module):def__init__(self, input_dim, hidden_dim, output_dim):super(FCNNModel, self).__init__()# 784 --> 150
self.fc1 = nn.Linear(input_dim, hidden_dim)# 激活函数
self.relu1 = nn.ReLU()# 150 --> 150
self.fc2 = nn.Linear(hidden_dim, hidden_dim)# 激活函数
self.tanh2 = nn.Tanh()# 150 --> 150
self.fc3 = nn.Linear(hidden_dim, hidden_dim)# 激活函数
self.elu3 = nn.ELU()# 150 --> 10
self.fc4 = nn.Linear(hidden_dim, output_dim)defforward(self, x):# 784 --> 150
out = self.fc1(x)
out = self.relu1(out)# 150 --> 150
out = self.fc2(out)
out = self.tanh2(out)# 150 --> 150
out = self.fc3(out)
out = self.elu3(out)# 150 --> 10
out = self.fc4(out)return out
模型训练：
# 记录训练集和验证集的损失值和准确率
train_losses =[]
val_losses =[]
train_accuracies =[]
val_accuracies =[]
input_dim =28*28# 可微调
hidden_dim =150
output_dim =10
fcnn_model = FCNNModel(input_dim, hidden_dim, output_dim)
fcnn_model = fcnn_model.to(device)
train_val(fcnn_model,"fcnn")
[第1轮训练完成，训练集中 Loss：0.8977700323753414，Accuracy：0.7811904761904762][第2轮训练完成，训练集中 Loss：0.3077347204089165，Accuracy：0.9172916666666666][第3轮训练完成，训练集中 Loss：0.2244828560034789，Accuracy：0.9372619047619047][第4轮训练完成，训练集中 Loss：0.18338089338725522，Accuracy：0.9476488095238095][第5轮训练完成，训练集中 Loss：0.15651956990006424，Accuracy：0.9541071428571428][第6轮训练完成，训练集中 Loss：0.1355396158483234，Accuracy：0.9603869047619048][第7轮训练完成，训练集中 Loss：0.11753073033122789，Accuracy：0.965625][第8轮训练完成，训练集中 Loss：0.10319345946135443，Accuracy：0.9705059523809524][第9轮训练完成，训练集中 Loss：0.09024346410296857，Accuracy：0.974047619047619][第10轮训练完成，训练集中 Loss：0.07875394061695606，Accuracy：0.9776785714285714]
训练完成！最佳训练轮次：10，该轮次验证集上的准确率：0.963452380952381
可视化损失值和准确率：
loss_acc_plot(train_losses, val_losses, train_accuracies, val_accuracies)
5. 结果分析
5.1 混淆矩阵
计算混淆矩阵，
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(all_labels, all_predictions)
plt.figure(figsize=(5,5))
sns.heatmap(cm, annot=True, fmt="d", cmap="Blues", cbar=False,
xticklabels=range(10), yticklabels=range(10))
plt.xlabel("Predicted Label")
plt.ylabel("True Label")
plt.title("Confusion Matrix");
横轴为预测类别，纵轴为实际类别。对标线上的值表示模型正确预测的样本数量，非对角线上的值表示模型错误预测的样本数量。对角线(1, 1)中的值900表示实际类别为1的样本中有900条被正确预测为1；(1, 4)中的值为1表示实际类别为1的样本中有1个样本被错误预测为4。
5.2 查看错误分类的样本
incorrect_images =[]
incorrect_labels =[]
predicted_labels =[]with torch.no_grad():for step, data inenumerate(val_loader):
images, labels = data
images = images.view(-1,1,28,28)
outputs = best_resnet_model(images.expand(-1,3,-1,-1))
_, predicted = torch.max(outputs,1)for i inrange(len(predicted)):if predicted[i]!= labels[i]:
incorrect_images.append(images[i])
incorrect_labels.append(labels[i])
predicted_labels.append(predicted[i])# 展示部分预测错误的样本
num_samples =6
fig, axes = plt.subplots(nrows=2, ncols=num_samples //2, figsize=(10,6))
axes = axes.flatten()for i inrange(num_samples):
ax = axes[i]
img = incorrect_images[i].reshape(28,28)
ax.imshow(img, cmap='gray')
ax.set_title(f"True: {incorrect_labels[i]}, Pred: {predicted_labels[i]}")
ax.axis('off')
6. 加载最佳模型
保存的最佳模型中，
resnet18
、
CNN
和
FCNN
在验证集中的准确率分别为
98.58%
、
97.21%
和
96.35%
，因此选择resnet18模型来预测测试集。
best_model = models.resnet18()
best_model.load_state_dict(torch.load("./resnet18_best_model.pth"))
predictions =[]with torch.no_grad():for data in test_loader:
images = data.view(-1,1,28,28).expand(-1,3,-1,-1)
outputs = best_model(images)
_, predicted = torch.max(outputs,1)
predictions.extend(predicted.numpy())# 保存预测结果
submission = pd.DataFrame({'ImageId':range(1,len(test)+1),'Label': predictions})# submission.to_csv('/kaggle/working/submission.csv', index=False)print('Submission file created!')
7. 参考文献
[1] kaggle：Digit Recognizer《手写数字识别》你的第一个图像识别竞赛项目
[2] Pytorch Tutorial for Deep Learning Lovers
本文转载自: https://blog.csdn.net/m0_53062159/article/details/141819470
版权归原作者 哈密瓜Q 所有， 如有侵权，请联系我们删除。
版权归原作者 哈密瓜Q 所有， 如有侵权，请联系我们删除。