首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >使用卷积网络做手写数字识别

使用卷积网络做手写数字识别

原创
作者头像
卡尔曼和玻尔兹曼谁曼
发布2019-03-03 12:10:00
6530
发布2019-03-03 12:10:00
举报

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_sizenum_channelsimage_widthimage_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

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
使用卷积网络做手写数字识别

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 使用卷积网络做手写数字识别
    • 思路分析
      • PyTorch实现
      领券
      问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档