前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >使用循环神经网络做手写数字识别

使用循环神经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 12:11:08
1.2K0
发布2019-03-03 12:11:08
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 21:36:12

使用循环神经网络做手写数字识别

思路分析

做图像识别的使用卷积神经网络CNN是最好的选择,但是其实我们也可以使用循环神经网络RNN做,只是大部分时候没有卷积网络效果好!下面分析一下如何使用RNN做手写数字的识别。

  1. 数据的下载我们可以直接使用PyTorch中的torchvision.datasets提供的数据接口
  2. 对于每一张图像(28\times28)我们可以将图像的每一行看做一个样本,然后所有行排列起来做成一个有序序列。对于这个序列,我们就可以使用RNN做识别训练了。
  3. 下面的实现中使用一个LSTM+Linear层组合实现(不要使用经典RNN,效果不好),损失函数使用CrossEntropyLoss。
  4. 在实践中设置batch_first=True可以减少一些额外的维度变换和尺寸转换的代码,推荐使用

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
TIME_STEP = 28  # RNN时间跨度(图片高度)
INPUT_SIZE = 28  # RNN输入尺寸(图片宽度)
INIT_LR = 0.01  # 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_y = test_data.test_labels.numpy()[:2000]


class RNN(nn.Module):
    def __init__(self):
        super(RNN, self).__init__()
        self.rnn = nn.LSTM(
            input_size=INPUT_SIZE,
            hidden_size=64,
            num_layers=1,
            batch_first=True
        )
        self.out = nn.Linear(64, 10)

    def forward(self, x):
        # x shape (batch_size, time_step, input_size)
        # r_out shape (batch_size, time_step, output_size)
        # h_n shape (n_layers, batch_size, hidden_size)
        # h_c shape (n_layers, batch_size, hidden_size)
        r_out, (h_n, h_c) = self.rnn(x)
        # 取出最后一次循环的r_out传递到全连接层
        out = self.out(r_out[:, -1, :])
        return out


rnn = RNN()
print(rnn)

optimizer = torch.optim.Adam(rnn.parameters(), lr=INIT_LR)
loss_func = nn.CrossEntropyLoss()

# RNN训练
for epoch in range(EPOCH):
    for step, (b_x, b_y) in enumerate(train_loader):
        # 数据的输入为(batch_size, time_step, input_size)
        b_x = b_x.view(-1, TIME_STEP, INPUT_SIZE)
        output = rnn(b_x)
        loss = loss_func(output, b_y)
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()

        if step % 50 == 0:
            prediction = rnn(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: [{step}/{epoch}]', f'| train loss: {loss.item()}', f'| test accuracy: {accuracy}')

# 打印测试数据集中的后20个结果
prediction = rnn(test_x[:20].view(-1, 28, 28))
pred_y = torch.max(prediction, 1)[1].data.numpy()
print(pred_y, 'prediction number')
print(test_y[:20], 'real number')

下面是训练结果的截图,可以看到效果还不错!

使用循环神经网络做手写数字识别
使用循环神经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
  • 使用循环神经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