本文分享自华为云社区《【开发者空间实践指导】基于PyTorch的手写体识别》,作者:开发者空间小蜜蜂。
1.1 案例介绍
随着人工智能技术的飞速发展,图像识别技术在众多领域得到了广泛应用。手写体识别作为图像识别的一个重要分支,其在教育、金融、医疗等领域具有广泛的应用前景。本实验旨在利用深度学习框架 PyTorch,结合 MNIST 手写体数据集,构建一个高效、准确的手写体识别系统,本实验是在云主机中安装 PyCharm,并且基于 PyTorch 框架的手写体识别的案例。
本实验采用的 MNIST 数据库(Modified National Institute of Standards and Technology database)是一个大型数据库的手写数字是通常用于训练各种图像处理系统。该数据库还广泛用于机器学习领域的培训和测试。MNIST 数据集共有训练数据 60000 项、测试数据 10000 项。每张图像的大小为 28*28(像素),每张图像都为灰度图像,位深度为 8(灰度图像是 0-255)。
1.2 免费领取云主机
如您还没有云主机,可点击链接,领取专属云主机后进行操作。
如您已领取云主机,可直接开始实验。
1.3 实验流程
说明:
① 下载并安装 PyCharm;
② 创建 Python 文件,部署 PyTorch;
③ 下载测试数据集、训练数据集和验证数据集;
④ 编写代码,实现手写体识别;
⑤ 运行代码,生成结果。
1.4 实验资源
1.5 安装 PyCharm
1.下载 PyCharm
进入云主机,打开左侧 Firefox 浏览器,搜索https://www.jetbrains.com.cn/en-us/pycharm/download/download-thanks.html?platform=linux点击下载 PyCharm。
下载好后是一个压缩文件,选择将文件压缩到此处。
解压后目录内容显示如下。
2.安装 PyCharm
双击进入 bin 目录,双击 PyCharm 图标打开 PyCharm。
在 PyCharm 的左下角单击图标打开终端。
进入到终端后输入命令进入到 bin 目录下。
 cd 下载cd pycharm-2024.2.1cd bin
       复制代码
 输入命令执行脚本。
执行完命令后会自动弹出窗口,选择“开始 30 天免费试用”。
1.6 下载 PyTorch 框架
1.新建目录
打开 PyCharm,单击左上角图标在弹出的菜单中选择“新建>目录”。
目录名称输入:demo。
2.新建文件
在 PyCharm 左侧新建的 demo 目录单击鼠标右键,在打开的菜单中选择“新建>Python 文件”。
输入 Python 文件的名字,自定义即可。
3.部署 Python 框架
新建好后,在左侧找到新建好的 Python 文件双击打开。
单击左下角图标打开终端。
在终端输入命令,部署 Python 框架。
 pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu
       复制代码
 
1.7 数据集介绍
1.创建目录
在同一项目目录下创建文件夹 data,在 data 目录下创建 mnist 目录。
2.数据集详细介绍
 1)测试集图片,包含10000张图。t10k-images.idx3-ubyte2)标签集,包含10000张测试集图片所对应的标签。t10k-labels.idx1-ubyte3)训练集和验证集,包含55000张训练集和5000张验证集图片。train-images.idx3-ubyte4)标签集,包含训练集图片所对应的标签。train-labels.idx1-ubyte
       复制代码
 1.8 编写代码
1.创建和编写文件
在 demo 目录下新建一个 py 文件进行代码编辑。(复制文档中的 Python 代码时,可能会造成格式错误,可以从下载的试验资料中获取的 demo.txt 中获取代码内容!)
 import torchimport numpy as npfrom matplotlib import pyplot as pltfrom torch.utils.data import DataLoaderfrom torchvision import transformsfrom torchvision import datasetsimport torch.nn.functional as F
"""卷积运算 使用mnist数据集,和10-4,11类似的,只是这里:1.输出训练轮的acc 2.模型上使用torch.nn.Sequential"""
batch_size = 64learning_rate = 0.01momentum = 0.5EPOCH = 10
transform = transforms.Compose([transforms.ToTensor(), transforms.Normalize((0.1307,), (0.3081,))])# softmax归一化指数函数,其中0.1307是mean均值和0.3081是std标准差
train_dataset = datasets.MNIST(root='./data/mnist', train=True, transform=transform,download=True)  # 本地没有就加上download=Truetest_dataset = datasets.MNIST(root='./data/mnist', train=False, transform=transform,download=True)  # train=True训练集,=False测试集train_loader = DataLoader(train_dataset, batch_size=batch_size, shuffle=True)test_loader = DataLoader(test_dataset, batch_size=batch_size, shuffle=False)
fig = plt.figure()for i in range(12):    plt.subplot(3, 4, i+1)    plt.tight_layout()    plt.imshow(train_dataset.train_data[i], cmap='gray', interpolation='none')    plt.title("Labels: {}".format(train_dataset.train_labels[i]))    plt.xticks([])    plt.yticks([])plt.show()
# 训练集乱序,测试集有序
class Net(torch.nn.Module):    def __init__(self):        super(Net, self).__init__()        self.conv1 = torch.nn.Sequential(            torch.nn.Conv2d(1, 10, kernel_size=5),            torch.nn.ReLU(),            torch.nn.MaxPool2d(kernel_size=2),        )        self.conv2 = torch.nn.Sequential(            torch.nn.Conv2d(10, 20, kernel_size=5),            torch.nn.ReLU(),            torch.nn.MaxPool2d(kernel_size=2),        )        self.fc = torch.nn.Sequential(            torch.nn.Linear(320, 50),            torch.nn.Linear(50, 10),        )
    def forward(self, x):        batch_size = x.size(0)        x = self.conv1(x)  # 一层卷积层,一层池化层,一层激活层(图是先卷积后激活再池化,差别不大)        x = self.conv2(x)  # 再来一次        x = x.view(batch_size, -1)  # flatten 变成全连接网络需要的输入 (batch, 20,4,4) ==> (batch,320), -1 此处自动算出的是320        x = self.fc(x)        return x  # 最后输出的是维度为10的,也就是(对应数学符号的0~9)
model = Net()# Construct loss and optimizer ------------------------------------------------------------------------------criterion = torch.nn.CrossEntropyLoss()  # 交叉熵损失optimizer = torch.optim.SGD(model.parameters(), lr=learning_rate, momentum=momentum)  # lr学习率,momentum冲量
# Train and Test CLASS --------------------------------------------------------------------------------------# 把单独的一轮一环封装在函数类里
def train(epoch):    running_loss = 0.0  # 这整个epoch的loss清零    running_total = 0    running_correct = 0    for batch_idx, data in enumerate(train_loader, 0):        inputs, target = data        optimizer.zero_grad()
        # forward + backward + update        outputs = model(inputs)        loss = criterion(outputs, target)
        loss.backward()        optimizer.step()
        # 把运行中的loss累加起来,为了下面300次一除        running_loss += loss.item()        # 把运行中的准确率acc算出来        _, predicted = torch.max(outputs.data, dim=1)        running_total += inputs.shape[0]        running_correct += (predicted == target).sum().item()
        if batch_idx % 300 == 299:  # 不想要每一次都出loss,浪费时间,选择每300次出一个平均损失,和准确率            print('[%d, %5d]: loss: %.3f , acc: %.2f %%'                  % (epoch + 1, batch_idx + 1, running_loss / 300, 100 * running_correct / running_total))            running_loss = 0.0  # 这小批300的loss清零            running_total = 0            running_correct = 0  # 这小批300的acc清零
        # torch.save(model.state_dict(), './model_Mnist.pth')        # torch.save(optimizer.state_dict(), './optimizer_Mnist.pth')
def test():    correct = 0    total = 0    with torch.no_grad():  # 测试集不用算梯度        for data in test_loader:            images, labels = data            outputs = model(images)            _, predicted = torch.max(outputs.data, dim=1)  # dim = 1 列是第0个维度,行是第1个维度,沿着行(第1个维度)去找1.最大值和2.最大值的下标            total += labels.size(0)  # 张量之间的比较运算            correct += (predicted == labels).sum().item()    acc = correct / total    print('[%d / %d]: Accuracy on test set: %.1f %% ' % (epoch+1, EPOCH, 100 * acc))  # 求测试的准确率,正确数/总数    return acc# Start train and Test --------------------------------------------------------------------------------------if __name__ == '__main__':    acc_list_test = []    for epoch in range(EPOCH):        train(epoch)        # if epoch % 10 == 9:  #每训练10轮 测试1次        acc_test = test()        acc_list_test.append(acc_test)
    plt.plot(acc_list_test)    plt.xlabel('Epoch')    plt.ylabel('Accuracy On TestSet')    plt.show()
       复制代码
 当代码编写完毕后在导包的部分会出现爆红(在包名下面会出现红色波浪线)的情况,直接将鼠标放到爆红(代码下方会出现)部分,会自动弹出下载,然后点击“下载”即可。如果没有弹出下载,请打开终端,在终端输入命令:pip3 install matplotlib 指令下载。
2.代码部分讲解
1)导入数据包
首先对于导包部分导入,Pytorch、NumPy、Matplotlib 等库,用于进行深度学习模型
的构建数据可视化。
2)设置超参数
这里定义了几个训练过程中的重要参数:
batch_size:每次训练的样本数量;
Learning_rate:学习率,用于控制模型权重更新的幅度;
momentum:动量,用于加速训练过程中的权重更新;
EPOCH:训练的总轮数。
3)数据预处理
这一串代码定义了数据预处理的流程,包括将图片转换为张量,并进行标准理。
加载 MNIST 数据集,并将其分为训练集和测试集,同时用 DataLoader 来批量加载数据集。
使用 Matplotlib 显示部分训练数据,以便直观地了解数据集。
4)创建模型和函数
定义一个卷积神经网络模型 NET,包括两个卷积层和两个全连接层。
创建模型实例,交叉熵损失函数和梯度下降的优化器。
定义训练和测试的函数,分别用于训练模型和在测试集上评估模型性能训练函数。
编写测试函数。
最后是主函数,这里:
1.对模型进行指定轮数的训练;
2.在每个训练轮数后,测试模型性能,并将其准确记录下来;
3.最后绘制测试集准确率随着训练轮数的变化图。
1.9 运行结果生成
代码编写完毕后右击鼠标,点击运行。
运行后会出现手写体识别的结果,可以看到在数据集图片上放有 Labels 字样,后面紧跟着就是手写体识别后识别出来的数字。
运行结果中有 loss 损失函数,以及 acc 准确率,可以看到 loss 损失函数在慢慢的降低,而 acc 准确率在慢慢的升高。acc 准确率提高的原因是因为训练轮数的不断增加,交叉熵损失衡量了模型预测与真实标签之间的差异。在训练过程中,优化器的目标是使损失函数最小化。随着训练轮数的增加,损失函数的值逐渐降低,这意味着模型的预测越来越接近真实标签,从而提高准确率。
acc 准确率折线图,横轴表示训练轮次,纵轴表示准确率,acc 准确率的提高因为训练轮数的不断增加,模型通过不断地优化参数,逐步学习到数据中的特征和模式,减少预测误差,从而提高在测试集上的准确率。
至此,实验完毕。
想了解更多手写体识别的内容可以访问:https://yann.lecun.com/exdb/mnist/
想了解更多关于 PyTorch 框架的可以访问:https://pytorch.org/
评论