时隔很久的第一篇blog。最近在学CNN，记录自己的一些见解。
MNIST数据集的介绍有很多了，可以自行了解，最重要的是了解其格式。CNN（卷积神经网络）的理论介绍也有很多了，这里结合代码做一些说明。
第一部分导入库
这里用到了glob，这个库在后面用来自己检测模型识别率时用到。
import torch
from PIL import Image
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms
import glob
第二部分建立网络
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.conv1 = nn.Conv2d(1, 10, kernel_size=5) #(输入通道，输出通道，卷积核大小)
self.conv2 = nn.Conv2d(10, 20, kernel_size=5 ) #二次卷积（输入通道，输出通道，卷积核大小）
self.pooling=nn.MaxPool2d(2)
self.fc=nn.Linear(320,10)
def forward(self,x):
batch_size = x.size(0) #查看维度
x=F.relu(self.pooling(self.conv1(x)))
x=F.relu(self.pooling(self.conv2(x)))
x=x.view(batch_size,-1) #线性
x=self.fc(x)
return x
self.conv1 = nn.Conv2d(1, 10, kernel_size=5)
self.conv2 = nn.Conv2d(10, 20, kernel_size=5 )
第一句代码可以说是第一次卷积，最重要的是理解括号的参数（1，10，5）的含义。这里的1是输入的通道数，因为MNIST数据集的图像是黑白所以是单通道，如果是彩色的输入通道数就是3；10代表的是第一次卷积的输出通道数，输出通道数取决于卷积核的个数；5代表卷积核是一个5x5大小的。第二句代码同理。
self.pooling=nn.MaxPool2d(2)
这句代码也就是池化层。原理大概就是矩阵的缩小。比如把一个4x4的矩阵划分为4个2x2的矩阵，再取每个2x2矩阵中的最大值也就是取出4个最大值组成一个新的2x2的矩阵。
self.fc=nn.Linear(320,10)
这个代码是全连接层。
完整代码
import torch
from PIL import Image
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms
import glob
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.conv1 = nn.Conv2d(1, 10, kernel_size=5) #(输入通道，输出通道，卷积核大小)
self.conv2 = nn.Conv2d(10, 20, kernel_size=5 ) #二次卷积（输入通道，输出通道，卷积核大小）
self.pooling=nn.MaxPool2d(2)
self.fc=nn.Linear(320,10)
def forward(self,x):
batch_size = x.size(0) #查看维度
x=F.relu(self.pooling(self.conv1(x)))
x=F.relu(self.pooling(self.conv2(x)))
x=x.view(batch_size,-1) #线性
x=self.fc(x)
return x
def test():
correct = 0
total = 0
with torch.no_grad(): # 测试集不用算梯度
for data in test_loader:
inputs,target = data
inputs,target=inputs.to(device),target.to(device)
outputs = model(inputs)
_, predicted = torch.max(outputs.data, dim=1) # dim = 1 列是第0个维度，行是第1个维度，沿着行(第1个维度)去找1.最大值和2.最大值的下标
total += target.size(0) # 张量之间的比较运算
correct += (predicted == target).sum().item()
acc = correct / total
print('[%d / %d]: Accuracy on test set: %.1f %% ' % (epoch+1, EPOCH, 100 * acc)) # 求测试的准确率，正确数/总数
if __name__ == '__main__':
for epoch in range(10):
train(epoch)
acc_test = test()
torch.save(model, "my_model.pth")
if __name__ =='__main__':
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model = torch.load('my_model.pth') #加载模型
model = model.to("cpu")
model.eval()
for jpg_file in glob.glob(r'./*.jpg'):
print(jpg_file)
img = Image.open(jpg_file)
if img.mode != 'L':
img = img.convert('L')
transform = transforms.Compose([transforms.Resize((28, 28)),
transforms.ToTensor()])
img = transform(img)
img= torch.reshape(img, ( 1,1, 28, 28))
#print(img.shape)
with torch.no_grad():
output = model(img)
probability, predicted = torch.max(output.data, 1)
print(output.to('cpu').detach().numpy().squeeze())
print("the probability of this number being {} "
.format(predicted.numpy().squeeze())) # 预测结果
模型测试结果
自己用画图工具手写了几张数字。
测试结果
测试结果还不错，只不过对图片要求比较高，必须是黑底白字，因为MNIST的数据是这种形式。自己在草稿纸上拍照的图片暂时识别不了，还要改进。
