### 构建基于LSTM的MNIST手写数字识别模型 在使用PyTorch构建LSTM模型解决MNIST手写数据集问题时，可以参考以下内容。MNIST数据集中的每个样本为28×28像素的灰度图像，因此可以通过将每行像素作为时间序列输入到LSTM中来实现分类任务。 #### 1. 数据预处理 首先需要对MNIST数据集进行预处理，将其转换为适合LSTM模型的格式。每张图片被展开为一个长度为28的时间序列（每一行为一个时间步），每个时间步包含28个特征（即每行的像素值）。 ```python import torch from torchvision import datasets, transforms # 定义数据预处理步骤 transform = transforms.Compose([ transforms.ToTensor(), # 将图片转换为Tensor transforms.Normalize((0.5,), (0.5,)) # 归一化 ]) # 加载MNIST数据集 train_dataset = datasets.MNIST(root='./data', train=True, transform=transform, download=True) test_dataset = datasets.MNIST(root='./data', train=False, transform=transform) # 创建DataLoader train_loader = torch.utils.data.DataLoader(dataset=train_dataset, batch_size=64, shuffle=True) test_loader = torch.utils.data.DataLoader(dataset=test_dataset, batch_size=64, shuffle=False) ``` #### 2. 定义LSTM模型 接下来定义一个LSTM模型。模型包括一个LSTM层和一个全连接层，用于将LSTM输出映射到10个类别。 ```python import torch.nn as nn class LSTMModel(nn.Module): def __init__(self, input_size, hidden_size, num_layers, num_classes): super(LSTMModel, self).__init__() self.hidden_size = hidden_size self.num_layers = num_layers self.lstm = nn.LSTM(input_size, hidden_size, num_layers, batch_first=True) # LSTM层 self.fc = nn.Linear(hidden_size, num_classes) # 全连接层 def forward(self, x): h0 = torch.zeros(self.num_layers, x.size(0), self.hidden_size).to(x.device) # 初始化隐藏状态 c0 = torch.zeros(self.num_layers, x.size(0), self.hidden_size).to(x.device) # 初始化细胞状态 out, _ = self.lstm(x, (h0, c0)) # LSTM前向传播 out = self.fc(out[:, -1, :]) # 取最后一个时间步的输出并传递给全连接层 return out ``` #### 3. 模型训练 定义损失函数、优化器，并进行模型训练。 ```python device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') # 初始化模型、损失函数和优化器 model = LSTMModel(input_size=28, hidden_size=128, num_layers=2, num_classes=10).to(device) criterion = nn.CrossEntropyLoss() optimizer = torch.optim.Adam(model.parameters(), lr=0.001) # 训练模型 num_epochs = 10 for epoch in range(num_epochs): model.train() for i, (images, labels) in enumerate(train_loader): images = images.squeeze(1).to(device) # 调整形状以适应LSTM输入 [batch_size, seq_length, input_size] labels = labels.to(device) # 前向传播 outputs = model(images) loss = criterion(outputs, labels) # 反向传播和优化 optimizer.zero_grad() loss.backward() optimizer.step() if (i + 1) % 100 == 0: print(f'Epoch [{epoch+1}/{num_epochs}], Step [{i+1}/{len(train_loader)}], Loss: {loss.item():.4f}') ``` #### 4. 模型评估 在测试集上评估模型性能。 ```python model.eval() with torch.no_grad(): correct = 0 total = 0 for images, labels in test_loader: images = images.squeeze(1).to(device) labels = labels.to(device) outputs = model(images) _, predicted = torch.max(outputs.data, 1) total += labels.size(0) correct += (predicted == labels).sum().item() print(f'Test Accuracy of the model on the 10000 test images: {100 * correct / total:.2f} %') ``` 上述代码展示了如何使用PyTorch构建LSTM模型解决MNIST手写数字识别问题[^1]。完整的代码可以在GitHub仓库中找到[^2]。