当前位置：首页 > news >正文

用 PyTorch 实现全连接网络识别 MNIST 手写数字

news 2025/7/25 21:21:14

一、什么是全连接网络

二、代码实现步骤

1. 导入必要的库

2. 数据准备

3. 定义网络结构

4. 模型训练

5. 模型保存和加载

6. 预测单张图片

7. 主函数

三、运行结果说明

四、小结

一、什么是全连接网络

全连接神经网络（Fully Connected Neural Network）是一种最基础的神经网络结构，其特点是每一层的每个神经元都与上一层的所有神经元相连。

打个比方，就像公司里的部门架构：输入层是基层员工，隐藏层是中层管理，输出层是高层决策。基层的每个人都要向所有中层汇报，中层再向所有高层汇报，这样信息就能经过多层处理后得到最终结果。

但全连接网络处理图像时有个缺点：它会把图像的二维像素矩阵转换成一维向量，这就像把一张完整的图片撕成一条线，会丢失图像的空间特征。

二、代码实现步骤

1. 导入必要的库

import torch
from torch import nn, optim
from torchvision import datasets, transforms
from torch.utils.data import DataLoader
from PIL import Image

这些库就像我们的工具包：

torch 是 PyTorch 的核心库
nn 模块包含神经网络相关的工具
optim 提供优化器
torchvision 有现成的数据集和图像处理工具
DataLoader 帮助我们批量加载数据
PIL 用于处理图像

2. 数据准备

def build_data():transform = transforms.Compose([transforms.ToTensor(),])train_set = datasets.MNIST(root = '../dataset',train = True,download = True,transform = transform)test_set = datasets.MNIST(root = '../dataset',train = False,download = True,transform = transform)train_loader = DataLoader(dataset = train_set,batch_size = 128,shuffle = True)test_loader = DataLoader(dataset = test_set,batch_size = 64,shuffle = True)return train_loader, test_loader

这段代码做了三件事：

定义了数据转换方式，ToTensor()会把图像转换成张量并归一化
加载 MNIST 数据集（手写数字数据集，包含 0-9 共 10 类数字）
用DataLoader把数据分成批次，方便训练时批量处理

batch_size表示每次处理多少张图片，shuffle=True表示打乱数据顺序，让模型学习更全面。

3. 定义网络结构

class MNISTNet(nn.Module):def __init__(self):super().__init__()self.fc1 = nn.Linear(28 * 28, 256)self.relu1 = nn.ReLU()self.fc2 = nn.Linear(256, 128)self.relu2 = nn.ReLU()self.fc3 = nn.Linear(128, 10)def forward(self, x):x = x.view(-1, 28 * 28)  # 把28x28的图像展平成784维向量x = self.relu1(self.fc1(x))x = self.relu2(self.fc2(x))x = self.fc3(x)return x

我们定义了一个 3 层的全连接网络：

输入层：MNIST 图像是 28x28 的，展平后是 784 个像素点
第一个隐藏层：256 个神经元，使用 ReLU 激活函数
第二个隐藏层：128 个神经元，同样使用 ReLU 激活函数
输出层：10 个神经元（对应 0-9 十个数字）

激活函数 ReLU 的作用是引入非线性，让网络能够学习复杂的模式，就像给计算器增加了更多运算功能。

4. 模型训练

def train(model, train_loader, epochs):criterion = nn.CrossEntropyLoss()  # 交叉熵损失函数，适合分类问题opt = optim.SGD(model.parameters(), lr=0.01)  # 随机梯度下降优化器for epoch in range(epochs):loss_sum = 0count = 0for x, y in train_loader:y_pred = model(x)  # 前向传播，得到预测结果loss = criterion(y_pred, y)  # 计算损失# 反向传播更新参数opt.zero_grad()  # 清空梯度loss.backward()  # 计算梯度opt.step()  # 更新参数loss_sum += loss.item()_, pred = torch.max(y_pred, dim=1)  # 找到概率最大的类别count += (pred == y).sum().item()  # 统计正确的数量acc = count / len(train_loader.dataset)  # 计算准确率print(f'epoch: {epoch+1}, Loss: {loss_sum:.4f}, Acc: {acc:.4f}')

训练过程就像学生做习题：

先用当前模型做预测（前向传播）
计算预测结果和正确答案的差距（损失函数）
分析哪里错了，怎么改进（反向传播计算梯度）
调整模型参数（优化器更新参数）

我们用交叉熵损失函数来衡量预测错误的程度，用随机梯度下降（SGD）来优化模型参数，学习率lr=0.01控制每次调整的幅度。

5. 模型保存和加载

def save_model(model, model_path):torch.save(model.state_dict(), model_path)  # 保存模型参数def load_model(model_path):model = MNISTNet()model.load_state_dict(torch.load(model_path))  # 加载模型参数return model

训练好的模型可以保存下来，下次用的时候直接加载，不用重新训练，就像保存游戏进度一样。

6. 预测单张图片

def predict(model, filePath):img = Image.open(filePath)# 图像预处理：调整大小、转成张量、归一化transform = transforms.Compose([transforms.Resize((28, 28)),transforms.ToTensor(),transforms.Normalize((0.1307,), (0.3081,))])t_img = transform(img)with torch.no_grad():  # 预测时不需要计算梯度y_pred = model(t_img)_, pred = torch.max(y_pred, dim=1)print(f'预测结果: {pred.item()}')

预测时需要对输入图片做和训练数据相同的预处理，with torch.no_grad()可以加快计算速度，因为预测时不需要更新参数。

7. 主函数

if __name__ == '__main__':train_loader, test_loader = build_data()model = MNISTNet()# 训练模型train(model, train_loader, epochs=10)# 保存模型save_model(model, './mnist.pt')# 加载模型并预测model_pred = load_model('./mnist.pt')predict(model_pred, './img/3.png')