从零开始用 PyTorch 搭建 CNN 手写数字识别模型（MNIST 实战教程）

🐇明明跟你说过：个人主页

🏅个人专栏：《深度探秘：AI界的007》 🏅

🔖行路有良友，便是天堂🔖

一、引言

1、什么是手写数字识别

2、为什么选择 MNIST 数据集

二、环境准备与库依赖

1、Python 和 PyTorch 环境说明

2、安装所需库（torch, torchvision, matplotlib）

三、编写代码

1、加载 MNIST 数据集

2、定义 CNN 模型

3、训练模型

4、测试模型

6、效果展示（可选）

四、本地测试

1、图片准备

2、运行测试

一、引言

1、什么是手写数字识别

✨ 手写数字识别：让计算机读懂你的手写数字！ ✨

你有没有想过，为什么手机上的相机能识别你拍的数字，或者为什么一些网站能够自动识别你手写的验证码？其实，这就是手写数字识别技术在背后默默工作的结果。📝🔍

📚 什么是手写数字识别？

手写数字识别就是通过计算机技术，让机器能够识别你手写的数字（0~9）。这不仅是让计算机看懂你的手写文字，更是深度学习在日常生活中的一种应用。想象一下，当你在填写表格、签名或者填写快递单时，计算机能够自动识别你写的数字而不需要人工干预，节省时间、提高效率！💼

2、为什么选择 MNIST 数据集

MNIST（Modified National Institute of Standards and Technology）数据集是深度学习和计算机视觉领域中最经典、最常用的一个数据集。它由 70,000 张手写数字的图像组成，其中 60,000 张用于训练，10,000 张用于测试。每张图像是 28x28 像素的灰度图（黑白图），每个图像都对应一个数字标签（0 到 9）。

1. 简单易懂的入门数据集 📚

MNIST 是机器学习和深度学习领域中的经典入门数据集。对于初学者来说，它非常适合用来学习模型训练和测试。数据集的结构非常简单，数据量也适中，不会让你一开始就陷入复杂的细节和调参的困扰。👶💻

图像大小：每张图片只有 28x28 像素，计算量相对较小。
标签清晰：每个图像都有明确的数字标签，0 到 9 之间。

2. 数据集标注清晰 🏷️

MNIST 中的每张手写数字图片都有一个明确的标签，这意味着每张图像都知道它代表的是哪个数字（0 到 9）。这种清晰的标注使得我们可以轻松地进行监督学习（Supervised Learning）。监督学习的核心就是通过给定的输入和输出对来训练模型，让模型学会从输入图像中推测正确的输出标签。

二、环境准备与库依赖

1、Python 和 PyTorch 环境说明

🐍 安装 Python

Python 是当前最流行的编程语言之一，尤其在数据科学和机器学习领域中应用广泛。为了使用 PyTorch，我们首先需要安装 Python。下面是安装 Python 的步骤：

Windows 用户：
1. 访问 Python 官网下载最新版本的 Python 安装包。
2. 在安装过程中，确保勾选 “Add Python to PATH” 选项，以便在命令行中直接使用 Python。
3. 完成安装后，可以通过命令行输入 python --version 来验证安装是否成功。
macOS/Linux 用户：
1. macOS 和大部分 Linux 发行版已经预装了 Python。你可以在终端中运行 python3 --version 来检查是否已经安装了 Python。
2. 如果没有安装，你可以使用 Homebrew（macOS）或包管理工具（如 apt、yum）进行安装。

下文示例代码的python版本为：3.12

🔥 安装 PyTorch

PyTorch 是一个深度学习框架，它提供了强大的神经网络构建和训练功能。安装 PyTorch 的步骤如下：

CPU 版本：

pip install torch torchvision torchaudio

GPU 版本（支持 CUDA 11.3）：

pip install torch torchvision torchaudio cudatoolkit=11.3

2、安装所需库（torch, torchvision, matplotlib）

执行以下命令安装本次实验所需的库

pip install torch torchvision matplotlib

三、编写代码

1、加载 MNIST 数据集

import torch
from torchvision import datasets, transforms
from torch.utils.data import DataLoader# 图像预处理
transform = transforms.Compose([transforms.ToTensor(),  # 转为张量transforms.Normalize((0.1307,), (0.3081,))  # 标准化
])# 下载并加载训练集和测试集
train_dataset = datasets.MNIST(root='./data', train=True, transform=transform, download=True)
test_dataset  = datasets.MNIST(root='./data', train=False, transform=transform, download=True)train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True)
test_loader  = DataLoader(test_dataset, batch_size=1000, shuffle=False)

torch：PyTorch 的核心库，包含张量（Tensor）、神经网络等功能。
torchvision.datasets：包含一些常用的数据集（如 MNIST、CIFAR10），用于快速测试。
torchvision.transforms：用于对图像进行预处理（如转换为张量、标准化等）。
DataLoader：用于批量加载数据，并在训练中进行迭代。

transforms.Compose([...]) 是把一系列图像预处理操作组合起来的工具。

transforms.ToTensor()：
将图像从 PIL 格式（或 NumPy 数组）转换成 PyTorch 张量，并把像素值从 [0, 255] 映射到 [0, 1]。
transforms.Normalize((0.1307,), (0.3081,))：
对图像进行标准化处理：
- 均值（mean）为 0.1307，标准差（std）为 0.3081，这是 MNIST 数据集的平均值和标准差。
- 公式为：(x - mean) / std，有助于模型更快收敛。

datasets.MNIST(...) 用来加载 MNIST 数据集，这是一组 28x28 的手写数字图片（0-9）。

root='./data'：数据将被下载或加载到 ./data 文件夹中。
train=True：表示加载的是 训练集（共 60,000 张图片）。
train=False：表示加载的是 测试集（共 10,000 张图片）。
transform=transform：指定图像的预处理方式。
download=True：如果本地没有数据，就自动从互联网下载。

2、定义 CNN 模型

import torch.nn as nn
import torch.nn.functional as Fclass CNN(nn.Module):def __init__(self):super(CNN, self).__init__()self.conv1 = nn.Conv2d(1, 32, kernel_size=3)  # 输入1通道，输出32通道self.conv2 = nn.Conv2d(32, 64, kernel_size=3)self.dropout = nn.Dropout(0.25)self.fc1 = nn.Linear(9216, 128)  # 计算公式: 64*(28-2*2)^2 = 9216self.fc2 = nn.Linear(128, 10)    # 输出10类def forward(self, x):x = F.relu(self.conv1(x))   # [1,28,28] -> [32,26,26]x = F.relu(self.conv2(x))   # -> [64,24,24]x = F.max_pool2d(x, 2)      # -> [64,12,12]x = self.dropout(x)x = x.view(-1, 64 * 12 * 12)x = F.relu(self.fc1(x))x = self.fc2(x)return F.log_softmax(x, dim=1)

定义了一个新的神经网络类 CNN，它继承自 nn.Module，是 PyTorch 中所有神经网络的基础类。

这段代码定义了一个 典型的卷积神经网络结构，包含：

两层卷积层 + ReLU
一个最大池化层
Dropout 防过拟合
两层全连接层
输出通过 log_softmax 做分类

3、训练模型

import torch.optim as optimdevice = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = CNN().to(device)
optimizer = optim.Adam(model.parameters(), lr=0.001)def train(epoch):model.train()for batch_idx, (data, target) in enumerate(train_loader):data, target = data.to(device), target.to(device)optimizer.zero_grad()output = model(data)loss = F.nll_loss(output, target)  # 负对数似然损失loss.backward()optimizer.step()if batch_idx % 100 == 0:print(f"Train Epoch: {epoch} [{batch_idx * len(data)}/{len(train_loader.dataset)}]  Loss: {loss.item():.6f}")for epoch in range(1, 6):  # 训练5轮train(epoch)

这段代码做的事情是：

使用 Adam 优化器，对 CNN 模型在 MNIST 手写数字数据集上进行多轮训练，每一轮遍历训练集，计算损失，反向传播并更新参数，打印每100个批次的训练进度。

4、测试模型

def test():model.eval()test_loss = 0correct = 0with torch.no_grad():  # 关闭梯度计算for data, target in test_loader:data, target = data.to(device), target.to(device)output = model(data)test_loss += F.nll_loss(output, target, reduction='sum').item()pred = output.argmax(dim=1)correct += pred.eq(target).sum().item()test_loss /= len(test_loader.dataset)acc = 100. * correct / len(test_loader.dataset)print(f"Test set: Average loss: {test_loss:.4f}, Accuracy: {correct}/{len(test_loader.dataset)} ({acc:.2f}%)")test()

✨ 这段代码的作用是：

✅ 在测试集上评估训练好的模型效果：

包括两个核心指标：
- 平均损失（Loss）
- 准确率（Accuracy）

6、效果展示（可选）

import matplotlib.pyplot as pltexamples = enumerate(test_loader)
batch_idx, (example_data, example_targets) = next(examples)with torch.no_grad():output = model(example_data.to(device))fig = plt.figure()
for i in range(6):plt.subplot(2,3,i+1)plt.tight_layout()plt.imshow(example_data[i][0], cmap='gray', interpolation='none')plt.title(f"Prediction: {output.argmax(dim=1)[i].item()}")plt.xticks([])plt.yticks([])
plt.show()

🎯 这段代码的意义：

✅ 可视化模型在测试集上的预测效果：

它从测试集中拿出一小批图像，并显示前 6 张图像和对应的模型预测结果（即识别出来的数字）。

执行结果：

四、本地测试

1、图片准备

这里我们使用 Photoshop 准备一张测试图片保存到本地路径下，图片尺寸 28 X 28 像素，格式PNG

2、运行测试

import torch
from torchvision import datasets, transforms
from torch.utils.data import DataLoader
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
import matplotlib.pyplot as plt
from PIL import Image
import numpy as np# 图像预处理
transform = transforms.Compose([transforms.ToTensor(),  # 转为张量transforms.Normalize((0.1307,), (0.3081,))  # 标准化
])# 下载并加载训练集和测试集
train_dataset = datasets.MNIST(root='./data', train=True, transform=transform, download=True)
test_dataset  = datasets.MNIST(root='./data', train=False, transform=transform, download=True)train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True)
test_loader  = DataLoader(test_dataset, batch_size=1000, shuffle=False)class CNN(nn.Module):def __init__(self):super(CNN, self).__init__()self.conv1 = nn.Conv2d(1, 32, kernel_size=3)  # 输入1通道，输出32通道self.conv2 = nn.Conv2d(32, 64, kernel_size=3)self.dropout = nn.Dropout(0.25)self.fc1 = nn.Linear(9216, 128)  # 计算公式: 64*(28-2*2)^2 = 9216self.fc2 = nn.Linear(128, 10)    # 输出10类def forward(self, x):x = F.relu(self.conv1(x))   # [1,28,28] -> [32,26,26]x = F.relu(self.conv2(x))   # -> [64,24,24]x = F.max_pool2d(x, 2)      # -> [64,12,12]x = self.dropout(x)x = x.view(-1, 64 * 12 * 12)x = F.relu(self.fc1(x))x = self.fc2(x)return F.log_softmax(x, dim=1)device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = CNN().to(device)
optimizer = optim.Adam(model.parameters(), lr=0.001)def train(epoch):model.train()for batch_idx, (data, target) in enumerate(train_loader):data, target = data.to(device), target.to(device)optimizer.zero_grad()output = model(data)loss = F.nll_loss(output, target)  # 负对数似然损失loss.backward()optimizer.step()if batch_idx % 100 == 0:print(f"Train Epoch: {epoch} [{batch_idx * len(data)}/{len(train_loader.dataset)}]  Loss: {loss.item():.6f}")for epoch in range(1, 6):  # 训练5轮train(epoch)#  保存模型
torch.save(model.state_dict(), 'mnist_cnn.pth')def test():model.eval()test_loss = 0correct = 0with torch.no_grad():  # 关闭梯度计算for data, target in test_loader:data, target = data.to(device), target.to(device)output = model(data)test_loss += F.nll_loss(output, target, reduction='sum').item()pred = output.argmax(dim=1)correct += pred.eq(target).sum().item()test_loss /= len(test_loader.dataset)acc = 100. * correct / len(test_loader.dataset)print(f"Test set: Average loss: {test_loss:.4f}, Accuracy: {correct}/{len(test_loader.dataset)} ({acc:.2f}%)")test()# 加载已经训练好的模型
model = CNN().to(device)
model.load_state_dict(torch.load('mnist_cnn.pth'))  # 加载训练好的模型权重
model.eval()  # 设置模型为评估模式# 图像预处理：将图片调整为28x28，转为灰度图，并进行标准化
def process_image(image_path):image = Image.open(image_path).convert('L')  # 转为灰度图image = image.resize((28, 28))  # 调整大小为28x28transform = transforms.Compose([transforms.ToTensor(),  # 转为张量transforms.Normalize((0.1307,), (0.3081,))  # 标准化])image = transform(image).unsqueeze(0)  # 增加一个 batch 维度return image# 预测函数
def predict(image_path):image = process_image(image_path)image = image.to(device)  # 移动到设备上（GPU 或 CPU）output = model(image)  # 模型预测pred = output.argmax(dim=1, keepdim=True)  # 获取最大概率的类别return pred.item()  # 返回预测的数字# 测试手写图片
image_path = 'C:/Users/LMT/Desktop/cnn.png'  # 你保存的手写数字图片路径
predicted_digit = predict(image_path)
print(f"Predicted Digit: {predicted_digit}")

将 image_path 修改为测试图片所在的路径

执行后结果如下：