用pytorch中的resnet18实现mnist手写数字识别 |
您所在的位置：网站首页 › 手写最好看的十种字体图片 › 用pytorch中的resnet18实现mnist手写数字识别 |
用pytorch中的resnet18实现mnist手写数字识别
|
mnist手写数字识别：resnet18
工作大纲手写数字识别常用的网络手写数字识别常用的网络包括以下5种：那种效果最好？
使用ResNet实现手写数字识别1.准备数据集2.构建ResNet模型3.数据预处理4.训练模型5.评估模型6.预测
理论学习：ResNet网路结构联系方式
工作大纲
在本项目中，我修改了resnet18的输出，使其符合mnist数据集学习使用残差结构
手写数字识别常用的网络
手写数字识别常用的网络包括以下5种：
卷积神经网络（Convolutional Neural Network,CNN）：CNN是一种专门用于图像识别和分类的神经网络结构，由于其对图像特征的提取能力而在手写数字识别中得到广泛应用。循环神经网络（Recurrent Neural Network, RNN）：RNN可以用于处理序列数据，对于手写数字的笔画轨迹进行识别和理解有一定的作用。长短期记忆网络（Long Short-Term Memory, LSTM）：LSTM 是 RNN 的一种特殊形式，能够更好地捕捉长距离依赖关系，适用于处理手写数字的连续笔画。支持向量机（Support Vector Machine, SVM）：SVM 可以用于分类问题，也可以用于手写数字的识别和分类。K近邻算法（K-Nearest Neighbors, KNN）：KNN 是一种简单有效的分类算法，也可以用于手写数字的识别。
这些神经网络和算法在手写数字识别中被广泛应用，并且在实践中取得了良好的效果。 那种效果最好？在手写数字识别任务中，卷积神经网络（CNN）通常被认为是效果最好的网络之一。CNN 在图像识别领域有着卓越的表现，其结构能够有效提取图像的特征，并且对于手写数字的识别具有较高的准确率和鲁棒性。许多经典的手写数字识别模型，如LeNet、AlexNet、VGG、ResNet等，都是基于CNN结构构建的。因此，CNN 在手写数字识别中通常能够取得最好的效果。 LeNet（1998）、AlexNet（2012）、VGG（2014）、ResNet（2015），（）内指该网络是哪一年出现的。ResNet使用了残差结构，解决了模型深度越来越深的同时梯度消失的问题，这值得学习一下。因此，本文使用ResNet实现手写数字识别任务。 使用ResNet实现手写数字识别 准备数据集：首先要准备手写数字的数据集，例如MNIST数据集，包括训练集和测试集。构建ResNet模型：可以使用TensorFlow或PyTorch中的预定义ResNet模型，也可以根据自己的需求构建ResNet模型。数据预处理：对数据集进行预处理，包括归一化、reshape等操作，使其适合ResNet模型的输入要求。训练模型：使用训练集对ResNet模型进行训练，可以使用交叉熵损失函数和随机梯度下降（SGD）等优化算法。评估模型：使用测试集对训练好的ResNet模型进行评估，计算准确率等指标。预测：使用训练好的ResNet模型对新的手写数字图像进行预测。 ok 上面6步，一步一步走 1.准备数据集 import torch import torchvision import torchvision.transforms as transforms # 数据导入 transform = transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.5, ), (0.5, )) ]) BatchSize = 64 trainset = torchvision.datasets.MNIST(root='./data', train=True, download=False, transform=transform) trainloader = torch.utils.data.DataLoader(trainset, batch_size=BatchSize, shuffle=True) testset = torchvision.datasets.MNIST(root='./data', train=False, download=False, transform=transform) testloader = torch.utils.data.DataLoader(testset, batch_size=BatchSize, shuffle=False) 文件结构是这个样子
训练集图片 测试集图片 -结果： loss:0.004 import torch import torchvision import torchvision.transforms as transforms import torch.nn as nn import torch.optim as optim from MyNet import CustomResNet18 # 数据处理 transform = transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.5, ), (0.5, )) ]) trainset = torchvision.datasets.MNIST(root='./data', train=True, download=True, transform=transform) trainloader = torch.utils.data.DataLoader(trainset, batch_size=32, shuffle=True) # 创建自定义ResNet-18模型实例 custom_resnet18 = CustomResNet18() # 使用GPU进行训练 device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") custom_resnet18.to(device) # 损失函数和优化器 criterion = nn.CrossEntropyLoss() optimizer = optim.SGD(custom_resnet18.parameters(), lr=0.001, momentum=0.9) #Adam优化 # optimizer = torch.optim.Adam(custom_resnet18.parameters(), lr=0.001) # 训练模型 for epoch in range(5): # 遍历数据集多次 running_loss = 0.0 for i, data in enumerate(trainloader, 0): inputs, labels = data[0].to(device), data[1].to(device) optimizer.zero_grad() outputs = custom_resnet18(inputs) loss = criterion(outputs, labels) loss.backward() optimizer.step() running_loss += loss.item() if i % 200 == 199: # 每200个batch打印一次 print('[%d, %5d] loss: %.3f' % (epoch + 1, i + 1, running_loss / 2000)) running_loss = 0.0 print('Finished Training') # 保存训练好的模型 PATH = './mnist_resnet18.pth' torch.save(custom_resnet18.state_dict(), PATH) 5.评估模型 精度98%，还可以提升，提到99.5 都可以，但是做到后面的我暂时没做 import torch import torchvision.transforms as transforms import torchvision from MyNet import CustomResNet18 # 使用GPU进行训练 device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") print(device) # 创建自定义ResNet-18模型实例 custom_resnet18 = CustomResNet18().to(device) custom_resnet18.load_state_dict(torch.load('mnist_resnet18.pth')) custom_resnet18.eval() # 数据处理 transform = transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.5, ), (0.5, )) ]) testset = torchvision.datasets.MNIST(root='./data', train=False, download=False, transform=transform) testloader = torch.utils.data.DataLoader(testset, batch_size=64, shuffle=False) correct = 0 total = 0 with torch.no_grad(): for data in testloader: images, labels = data[0].to(device), data[1].to(device) outputs = custom_resnet18(images) _, predicted = torch.max(outputs.data, 1) total += labels.size(0) correct += (predicted == labels).sum().item() print('模型准确率: %d %%' % (100 * correct / total)) 6.预测 预测这里，我喜欢看直观的结果，就把输出的结果打印在图片上了，效果还不错 import torch import torchvision.transforms as transforms from PIL import Image import matplotlib.pyplot as plt import numpy as np from MyNet import CustomResNet18 # 加载自定义的ResNet18模型 model = CustomResNet18() model.load_state_dict(torch.load('mnist_resnet18.pth')) model.eval() # 读取前十张图片进行预测 for i in range(10): image_path = f'mnist_test_images\\{i:05d}.jpg' image = Image.open(image_path) image = image.convert('L') # 转换为灰度图 # print(image.size) # plt.imshow(image, cmap='gray') transform = transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.5,), (0.5,)) ]) image = transform(image).unsqueeze(0) # 进行模型预测 with torch.no_grad(): output = model(image) _, predicted = torch.max(output, 1) # 在原图片右上角显示预测结果 image = np.array(image.squeeze(0) * 0.5 + 0.5) # 将图像数据转换为numpy数组，并反归一化 image = np.reshape(image,(28,28)) plt.imshow(image, cmap='gray') plt.text(5, 1, f'Predicted: {predicted.item()}', color='red', fontsize=16, ha='center') plt.axis('off') plt.show() 看下前4个的结果，表现很好   
理论学习：ResNet网路结构
“理论指导行动”，下面是相关理论知识的链接
1.ResNet网络结构分析 2.ResNet-18超详细介绍！！！！ 3.ResNet-论文全文完整翻译+注解 4.原文网站：https://arxiv.org/abs/1512.03385 联系方式QQ：1727359387 源码下载链接：请点击 数据集及源码 |
【本文地址】
今日新闻 |
推荐新闻 |