1 什么是Mnist?

        Mnist是计算机视觉领域中最为基础的一个数据集。

        MNIST数据集（Mixed National Institute of Standards and Technology database）是美国国家标准与技术研究院收集整理的大型手写数字数据集，包含了60,000个样本的训练集以及10,000个样本的测试集。Mnist中所有样本都会将原本28*28的灰度图转换为长度为784的一维向量作为输入，其中每个元素分别对应了灰度图中的灰度值。Mnist使用一个长度为10的向量作为该样本所对应的标签，其中向量索引值对应了该样本以该索引为结果的预测概率。
 

2、代码实现

需导入的python库

import torch
import scipy.misc
from torch.utils.data import DataLoader
from torchvision import transforms
from torchvision.datasets import MNIST
from torch import optimimport torch.nn as nn
import torch.nn.functional as F

构建模型

# 构建模型（简单的卷积神经网络）
class LeNet(nn.Module):def __init__(self):super(LeNet, self).__init__()self.conv1 = nn.Conv2d(in_channels=1, out_channels=6, kernel_size =5, padding = 2) # 卷积self.conv2 = nn.Conv2d(6, 16, 5)# Linear(in_feactures(输入的二维张量大小), out_feactures)self.fc1   = nn.Linear(16*5*5, 120) # 全连接self.fc2   = nn.Linear(120, 84)self.fc3   = nn.Linear(84, 10) # 最后输出10个类def forward(self, x):# 激活函数out = F.relu(self.conv1(x))# max_pool2d(input, kernel_size（卷积核）, stride(卷积核步长)=None, padding=0, dilation=1, ceil_mode（空间输入形状）=False, return_indices=False)out = F.max_pool2d(out, kernel_size = 2) # 池化out = F.relu(self.conv2(out))out = F.max_pool2d(out, 2)# 将多维的的数据平铺为一维out = out.view(out.size(0), -1)out = F.relu(self.fc1(out))out = F.relu(self.fc2(out))out = self.fc3(out)return out

训练集

def train():# 学习率0.001learning_rate = 1e-3# 单次大小batch_size = 100# 总的循环epoches = 50lenet = LeNet()# 1、数据集准备# 这个函数包括了两个操作：transforms.ToTensor()将图片转换为张量，transforms.Normalize()将图片进行归一化处理trans_img = transforms.Compose([transforms.ToTensor()])# path = './data/'数据集下载后保存的目录，下载训练集trainset = MNIST('./data', train=True, transform=trans_img, download=True)# 构建数据集的DataLoader,# Pytorch自提供了DataLoader的方法来进行训练，该方法自动将数据集打包成为迭代器，能够让我们很方便地进行后续的训练处理# 迭代器(iterable)是一个超级接口! 是可以遍历集合的对象,trainloader = DataLoader(trainset, batch_size=batch_size, shuffle=True, num_workers=10)# 2、构建迭代器与损失函数criterian = nn.CrossEntropyLoss(reduction='sum')  # loss（损失函数）optimizer = optim.SGD(lenet.parameters(), lr=learning_rate)  # optimizer（迭代器）# 如果网络能在GPU中训练，就使用GPU；否则使用CPU进行训练device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")#lenet.to("cpu")# 3、训练for i in range(epoches):running_loss = 0.running_acc = 0.for (img, label) in trainloader:  # 将图像和标签传输进device中optimizer.zero_grad()  # 求梯度之前对梯度清零以防梯度累加output=lenet(img)  # 对模型进行前向推理loss=criterian(output,label)  # 计算本轮推理的Loss值loss.backward()    # loss反传存到相应的变量结构当中optimizer.step()   # 使用计算好的梯度对参数进行更新running_loss+=loss.item()#print(output)_,predict=torch.max(output,1)  # 计算本轮推理的准确率correct_num=(predict==label).sum()running_acc+=correct_num.item()running_loss/=len(trainset)running_acc/=len(trainset)print("[%d/%d] Loss: %.5f, Acc: %.2f" % (i + 1, epoches, running_loss,100 * running_acc))return lenet

 测试集

def test(lenet):batch_size = 100trans_img = transforms.Compose([transforms.ToTensor()])testset = MNIST('./data', train=False, transform=trans_img, download=True)testloader = DataLoader(testset, batch_size, shuffle=False, num_workers=10)running_acc = 0.for (img, label) in testloader:output = lenet(img)_, predict = torch.max(output, 1)correct_num = (predict == label).sum()running_acc += correct_num.item()running_acc /= len(testset)return running_acc

主函数

if __name__ == '__main__':lenet = train()torch.save(lenet, 'lenet.pkl') # save modellenet = torch.load('lenet.pkl') # load modeltest_acc = test(lenet)print("Test Accuracy:Loss: %.2f" % test_acc)

结果：

 继上面对minst手写数字集进行训练和测试的完成，现将黑底白字的0~9的数字图片，进行识别

识别函数代码如下

def practice(img_path):img = Image.open(img_path)img = img.convert('L')prac_img = transforms.Compose([transforms.Resize((28, 28)),transforms.ToTensor()])pracset = MNIST('./data', train=True, transform=prac_img, download=True)img = prac_img(img)img = torch.reshape(img, (1, 1, 28, 28))lenet = torch.load('lenet.pkl')  # load modeloutput = lenet(img)output = output.argmax(1)dict_target = pracset.class_to_idxdict_target = [indx for indx, vale in dict_target.items()]  # 获得标签字典print('识别类型为{}'.format(dict_target[output]))

主函数调用（图片路径按自身修改）

if __name__ == '__main__':practice('0.jpg')practice('1.jpg')practice('2.jpg')practice('3.jpg')practice('4.jpg')practice('5.jpg')practice('6.jpg')practice('7.jpg')practice('8.jpg')practice('9.jpg')

识别结果如下所示：