版权声明：本文为博主原创文章，转载请注明原文出处！
写作时间：2019-03-02 22:24:22
使用卷积网络做手写数字识别
思路分析
上篇博文《使用循环神经网络做手写数字识别》介绍了利用LSTM做手写数字的识别，想着好事成双，也写一个姊妹篇卷积网络实现手写数字的识别。
博文主要通过最简单的代码量展示一个入门级别的识别案例。需要注意的几点：
- 卷积网络的输入大小为（
batch_size，num_channels，image_width，image_height） - 本文中的模型使用了卷积层和线性连接层。Linear层的输入大小为（
*，num_input_feature），所以在卷积层输出流入线性层的时候，需要转化一下张量的尺寸大小 - 综合使用
MaxPooling层和Dropout层可以提高识别准确率
PyTorch实现
代码语言：txt复制import torch
from torch import nn
import torchvision.datasets as datasets
import torchvision.transforms as transforms
torch.manual_seed(2019)
# 超参设置
EPOCH = 1 # 训练EPOCH次，这里为了测试方便只跑一次
BATCH_SIZE = 32
INIT_LR = 1e-3 # 初始学习率
DOWNLOAD_MNIST = True # 设置是否需要下载数据集
# 使用DataLoader加载训练数据，为了演示方便，对于测试数据只取出2000个样本进行测试
train_data = datasets.MNIST(root='mnist', train=True, transform=transforms.ToTensor(), download=DOWNLOAD_MNIST)
train_loader = torch.utils.data.DataLoader(dataset=train_data, batch_size=BATCH_SIZE, shuffle=True)
test_data = datasets.MNIST(root='mnist', train=False)
test_x = test_data.test_data.type(torch.FloatTensor)[:2000] / 255.
test_x.unsqueeze_(1) # 调整test_x的尺寸为四维，添加了一个channel维度
test_y = test_data.test_labels.numpy()[:2000]
class ConvNet(nn.Module):
def __init__(self):
super(ConvNet, self).__init__()
self.conv = nn.Sequential(
nn.Conv2d(1, 32, 5), # 图像输出大小为24*24
nn.MaxPool2d(2), # 图像输出大小为12*12
nn.ReLU(True),
nn.Conv2d(32, 64, 5), # 图像输出大小为8*8
nn.Dropout2d(),
nn.MaxPool2d(2), # 图像输出大小为4*4
nn.ReLU(True)
)
self.linear = nn.Sequential(
nn.Linear(4 * 4 * 64, 128),
nn.ReLU(True),
nn.Dropout2d(),
nn.Linear(128, 10),
nn.Softmax(1)
)
def forward(self, x):
x = self.conv(x)
x = x.view(-1, 4 * 4 * 64)
out = self.linear(x)
return out
model = ConvNet()
print(model)
optimizer = torch.optim.Adam(model.parameters(), lr=INIT_LR)
loss_func = nn.CrossEntropyLoss()
# RNN训练
for epoch in range(EPOCH):
for index, (b_x, b_y) in enumerate(train_loader):
model.train()
# 输入尺寸为(batch_size, channels, height, width)
output = model(b_x) # (64, 1, 28, 28)
loss = loss_func(output, b_y)
optimizer.zero_grad()
loss.backward()
optimizer.step()
if index % 50 == 0:
model.eval()
prediction = model(test_x) # 输出为(2000, 10)
pred_y = torch.max(prediction, 1)[1].data.numpy()
accuracy = (pred_y == test_y).sum() / float(test_y.size)
print(f'Epoch: [{index}/{epoch}]', f'| train loss: {loss.item()}', f'| test accuracy: {accuracy}')
# 打印测试数据集中的后20个结果
model.eval()
prediction = model(test_x[:20])
pred_y = torch.max(prediction, 1)[1].data.numpy()
print(pred_y, 'prediction number')
print(test_y[:20], 'real number')训练结果如下，可以看到对于这种不太复杂的问题，CNN和RNN都可以得到比较高的精度。
使用卷积网络做手写数字识别
