使用简单神经网络进行手写数字辨识

使用pytorch构建神经网络系列

第一章 手写数字辨识初体验

本篇文章是记录使用简单神经网络进行对手写数字辨识

1.定义一下后续使用的函数

代码如下（示例）：

可视化loss下降曲线

import torch
from matplotlib import pyplot as plt

#loss curve
def plot_curve(data):

    fig = plt.figure()
    plt.plot(range(len(data)), data, color = 'blue')
    plt.legend(['value'], loc = 'upper right') #graphic symbol
    plt.xlabel('step')
    plt.ylabel('value')
    plt.show()

可视化识别结果

# visualization of result
def plot_image(image, label, name):

    fig = plt.figure()
    for i in range(6):
        plt.subplot(2, 3, i+1)
        plt.tight_layout()
        plt.imshow(img[i][0]*0.3081+0.1307, cmap='gray', interpolation='none')
        plt.title("{0}: {1}".format(name, label[i].item()))
        plt.xticks([])
        plt.yticks([])
    plt.show()

对标签进行one-hot编码

def one_hot(label, depth=10):
    out = torch.zeros(label.size(0), depth)
    idx = torch.LongTensor(label).view(-1,1)
    out.scatter_(dim=1, index=idx, value=1)
    return out

2.读入数据

代码如下（示例）：

import torch
from torch import nn
from torch.nn import functional as F
from torch import optim

import torchvision
from  matplotlib import pyplot as  plt
from utils import plot_image, plot_curve, one_hot

batch_size选择256，需要对训练数据进行随机打散，测试集不需要。

batch_size = 256
#load dataset
train_loader = torch.utils.data.DataLoader(
    torchvision.datasets.MNIST('mnist_data', train=True, download=True,
                               transform=torchvision.transforms.Compose([
                                   torchvision.transforms.ToTensor(),
                                   torchvision.transforms.Normalize(
                                       (0.1307,), (0.3081)) #mean=0.1307,sd=0.3081
                                   ])),
    batch_size=batch_size, shuffle=True)


test_loader = torch.utils.data.DataLoader(
    torchvision.datasets.MNIST('mnist_data/', train=False, download=True,
                               transform=torchvision.transforms.Compose([
                                   torchvision.transforms.ToTensor(),
                                   torchvision.transforms.Normalize(
                                       (0.1307,), (0.3081)) #mean=0.1307,sd=0.3081
                                   ])),
    batch_size=batch_size, shuffle=False)

可以看一下我们数据中的一个sample

x, y = next(iter(train_loader))
print(x.shape, y.shape, x.min(),x.max())
plot_image(x, y, 'sample')

3.构建简单神经网络

我们写一个简单的神经网络，对一般的线性回归进行3层嵌套，也就是对y = w*x + b 进行3层嵌套，每一层再加一个ReLu激活函数，代码如下所示：

class Net(nn.Module):

    def __init__(self):
        super(Net, self).__init__()

        # xw+b
        self.fc1 = nn.Linear(28*28, 256)
        self.fc2 = nn.Linear(256, 64)
        self.fc3 = nn.Linear(64, 10)

    def forward(self, x):
        # x:[b,1,28,28]
        # h1 = relu（xw1+b）
        x = F.relu(self.fc1(x))
        # h2 = relu(h1w2 + b)
        x = F.relu(self.fc2(x))
        # h3 = h2w3 + b
        x = self.fc3(x)

        return x

4.训练神经网络

接下来对神经网络进行训练（3次），并通过SGDM求解最优解，设置learning rate = 0.01，动量momentum=0.9，loss函数为MSE

net = Net()
optimizer = optim.SGD(net.parameters(), lr=0.01, momentum=0.9)

train_loss = []
for epoch in range(3):

    for batch_idx, (x, y) in enumerate(train_loader):

        # x: [b, 1, 28, 28], y:[256]
        #  [b, 1, 28, 28] ==> [b, 784]
        x = x.view(x.size(0), 28*28)
        # ==> [b, 10]
        out = net(x)
        y_onehot = one_hot(y)
        # loss = mse(out, y_onehot)
        loss = F.mse_loss(out, y_onehot)

        optimizer.zero_grad()
        loss.backward()
        # w' = w - lr*grad
        optimizer.step()

        train_loss.append(loss.item())

        if batch_idx % 10 == 0:
            print(epoch, batch_idx, loss.item())

#get optimal w1 b1 w2...

对loss的变化进行可视化，我们可以很清楚的看到loss不断下降

plot_curve(train_loss)

5.对测试集预测，计算准确率Accuracy

最后我们使用训练好的神经网络对测试集进行预测，准确率有90%多，效果还可以。

total_correct = 0
for x, y in test_loader:
    x = x.view(x.size(0), 28*28)
    out = net(x)
    # out:[b, 10] ==> pred[b]
    pred = out.argmax(dim = 1)
    correct = pred.eq(y).sum().float().item()
    total_correct += correct

total_sum = len(test_loader.dataset)
acc = total_correct / total_sum
print("test accuracy:", acc)

test accuracy: 0.9141

总结

以上就是使用简单的神经网络对手写数字进行辨识，
代码内容出自网易云课程，本篇blog是对该课程进行简单记录和总结