### 使用 Python 和 CNN 实现手写数字识别 (MNIST 数据集) 以下是通过 PyTorch 构建并训练一个卷积神经网络（CNN）用于 MNIST 手写数字识别的具体方法[^1]。 #### 1. 导入必要的库 为了构建和训练模型，需要导入以下核心模块： ```python import torch import torch.nn as nn from torch.utils.data import DataLoader from torchvision import datasets, transforms ``` 这些模块分别提供了张量操作、神经网络组件定义以及数据加载功能[^2]。 --- #### 2. 加载和预处理 MNIST 数据集 MNIST 是一个常用的手写数字图像数据集。可以通过 `torchvision.datasets` 轻松下载和加载该数据集： ```python transform = transforms.Compose([ transforms.ToTensor(), # 将 PIL 图像转换为 Tensor 并缩放到 [0, 1] ]) train_dataset = datasets.MNIST(root='./data', train=True, transform=transform, download=True) test_dataset = datasets.MNIST(root='./data', train=False, transform=transform, download=True) batch_size = 64 train_loader = DataLoader(dataset=train_dataset, batch_size=batch_size, shuffle=True) test_loader = DataLoader(dataset=test_dataset, batch_size=batch_size, shuffle=False) ``` 上述代码实现了对 MNIST 的标准化加载流程，并设置了批量大小为 64 来提高训练效率[^3]。 --- #### 3. 定义卷积神经网络结构 下面是一个简单的两层卷积神经网络架构设计： ```python class CNN(nn.Module): def __init__(self): super(CNN, self).__init__() self.conv_layer = nn.Sequential( nn.Conv2d(1, 32, kernel_size=3, padding=1), # 输入通道数为1，输出通道数为32 nn.ReLU(), nn.MaxPool2d(kernel_size=2, stride=2), nn.Conv2d(32, 64, kernel_size=3, padding=1), # 输入通道数为32，输出通道数为64 nn.ReLU(), nn.MaxPool2d(kernel_size=2, stride=2) ) self.fc_layer = nn.Sequential( nn.Linear(7 * 7 * 64, 1024), # 展平后的特征向量维度为 7*7*64 nn.ReLU(), nn.Dropout(p=0.5), nn.Linear(1024, 10) # 输出类别数量为10 ) def forward(self, x): out = self.conv_layer(x) out = out.view(out.size(0), -1) # 展平操作 out = self.fc_layer(out) return out ``` 此部分展示了如何利用卷积层提取空间特征并通过全连接层完成分类任务[^4]。 --- #### 4. 设置损失函数与优化器 选择交叉熵作为损失函数，并采用随机梯度下降法（SGD）进行参数更新： ```python model = CNN() criterion = nn.CrossEntropyLoss() optimizer = torch.optim.Adam(model.parameters(), lr=0.001) device = 'cuda' if torch.cuda.is_available() else 'cpu' model.to(device) ``` 这里还检测了 GPU 是否可用以加速计算过程。 --- #### 5. 训练模型 编写循环脚本执行多次迭代直至收敛为止： ```python num_epochs = 10 for epoch in range(num_epochs): model.train() running_loss = 0.0 for images, labels in train_loader: images, labels = images.to(device), labels.to(device) optimizer.zero_grad() outputs = model(images) loss = criterion(outputs, labels) loss.backward() optimizer.step() running_loss += loss.item() print(f'Epoch [{epoch+1}/{num_epochs}], Loss: {running_loss/len(train_loader):.4f}') ``` 每轮结束后打印平均损失值以便监控进展状况。 --- #### 6. 测试模型性能 最后评估测试集中样本预测准确性： ```python correct = 0 total = 0 model.eval() with torch.no_grad(): for images, labels in test_loader: images, labels = images.to(device), 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)}%') ``` 以上即完成了整个实验流程介绍。 ---