基于Pytorch和LeNet的手写数字识别应用示例

手写数字识别是计算机视觉任务中的一个重要应用，通过训练一个卷积神经网络（CNN）模型，可以实现自动识别手写数字的功能。本文将介绍如何使用Pytorch和经典的LeNet模型训练一个手写数字识别模型，并提供一个简单的使用例子。

首先，我们需要准备训练数据。我们将使用MNIST数据集，该数据集包含了大量的手写数字图片及其对应的标签。首先，我们需要下载并加载数据集：

import torch
import torchvision
import torchvision.transforms as transforms

# 定义数据转换操作，将图片数据转换为Tensor，并对数据进行标准化处理
transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,))
])

# 下载并加载MNIST数据集
trainset = torchvision.datasets.MNIST(root='./data', train=True,
                                        download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
                                          shuffle=True, num_workers=2)

testset = torchvision.datasets.MNIST(root='./data', train=False,
                                       download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=4,
                                         shuffle=False, num_workers=2)

接下来，我们定义LeNet模型，并使用Pytorch构建神经网络：

import torch.nn as nn
import torch.nn.functional as F

class LeNet(nn.Module):
    def __init__(self):
        super(LeNet, self).__init__()
        self.conv1 = nn.Conv2d(1, 6, 5)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.fc1 = nn.Linear(16 * 4 * 4, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        x = x.view(-1, 16 * 4 * 4)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

net = LeNet()

接下来，我们定义损失函数和优化器，并开始进行网络训练：

import torch.optim as optim

# 定义损失函数和优化器
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

# 训练网络
for epoch in range(2):  # 迭代训练两次
    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        inputs, labels = data

        optimizer.zero_grad()

        # 正向传播，反向传播与优化
        outputs = net(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

        running_loss += loss.item()
        if i % 2000 == 1999:
            print('[%d, %5d] loss: %.3f' %
                  (epoch + 1, i + 1, running_loss / 2000))
            running_loss = 0.0

print('Finished Training')

完成训练后，我们可以使用训练好的模型进行手写数字识别。下面是一个简单的使用示例：

import matplotlib.pyplot as plt
import numpy as np

# 加载测试数据
dataiter = iter(testloader)
images, labels = dataiter.next()

# 显示图片及其标签
plt.imshow(np.transpose(torchvision.utils.make_grid(images), (1, 2, 0)))
plt.show()
print('GroundTruth: ', ' '.join('%5s' % labels[j] for j in range(4)))

# 使用模型进行预测
outputs = net(images)
_, predicted = torch.max(outputs, 1)
print('Predicted: ', ' '.join('%5s' % predicted[j] for j in range(4)))

以上是一个基于Pytorch和LeNet的手写数字识别应用示例。通过训练神经网络模型并使用模型进行预测，我们可以实现手写数字的自动识别。