当前位置：首页 > news >正文

Python----卷积神经网络（LeNet-5的手写体识别）

news 来源：原创 2025/5/4 8:51:37

一、设置随机种子

设置随机种子有助于结果的可复现性。

import numpy as np            # 导入NumPy库  
import random                 # 导入随机数生成库  
import os                     # 导入操作系统相关功能  
import torch                  # 导入PyTorch库  def setup_seed(seed=0):  # 设置NumPy的随机种子  np.random.seed(seed)  # 设置Python内置的随机数生成器的种子  random.seed(seed)  # 设置环境变量，确保Python的哈希种子固定  os.environ['PYTHONHASHSEED'] = str(seed)  # 设置PyTorch随机种子  torch.manual_seed(seed)  # 如果CUDA可用，设置CUDA的随机种子  if torch.cuda.is_available():  torch.cuda.manual_seed(seed)                # 设置当前GPU的随机种子  torch.cuda.manual_seed_all(seed)            # 设置所有GPU的随机种子  torch.backends.cudnn.benchmark = False       # 禁用cuDNN的基准特性，以确保结果可复现  torch.backends.cudnn.deterministic = True    # 设置cuDNN为确定性模式，以确保可复现性  # 调用setup_seed函数并设置种子为0  
setup_seed(0)

代码说明：

np.random.seed(seed)：设置NumPy库的随机种子，以确保使用NumPy生成的随机数可复现。
random.seed(seed)：设置Python内置随机数生成器的种子，以保证随机数生成的一致性。
os.environ['PYTHONHASHSEED'] = str(seed)：设置Python的哈希种子，防止在同一字符串上产生不同的哈希值，增强结果的可复现性。
torch.manual_seed(seed)：设置PyTorch的随机种子，以确保使用PyTorch进行的随机操作可复现。
torch.cuda.manual_seed(seed)：设置当前GPU的随机种子，以确保在使用CUDA时的可复现性。
torch.cuda.manual_seed_all(seed)：如果有多个GPU，这一行确保在所有GPU上设置相同的随机种子。
torch.backends.cudnn.benchmark = False 和 torch.backends.cudnn.deterministic = True：这两行确保cuDNN在运行时采用确定性算法，这对于模型的可复现性是非常重要的。
setup_seed(0)：调用函数，设置随机种子为0。

二、检查gpu是否可用

确保在可用的情况下使用GPU加速。

import torch  # 导入PyTorch库  # 检查CUDA是否可用  
if torch.cuda.is_available():  # 如果CUDA可用，使用GPU  device = torch.device('cuda')  print('CUDA is available, USE GPU')  # 输出信息，表示使用GPU进行计算  
else:  # 如果CUDA不可用，使用CPU  device = torch.device('cpu')  print('CUDA is not available, USE CPU')  # 输出信息，表示使用CPU进行计算

代码说明：

torch.cuda.is_available()：检查系统是否安装了CUDA并且可以使用GPU进行计算。如果返回True，表示CUDA可用；如果返回False，则表示CUDA不可用。
torch.device('cuda')：创建一个表示GPU的device对象，后续可以使用这个对象将模型和数据移动到GPU上进行加速计算。
print('CUDA is available, USE GPU')：如果CUDA可用，则输出此信息，确认程序将使用GPU。
torch.device('cpu')：创建一个表示CPU的device对象，用于在CUDA不可用的情况下进行计算。
print('CUDA is not available, USE CPU')：如果CUDA不可用，输出此信息，确认程序将使用CPU。

三、数据读取

使用torchvision来读取MNIST数据集。

from torchvision import datasets, transforms  
from torch.utils.data import DataLoader      # 加载MNIST训练数据集  
# root参数指定数据集存储的根目录，train=True表示加载训练集  
# transform=transforms.ToTensor()将图像转换为张量格式  
# download=True表示如果数据集不存在则自动下载  
train = datasets.MNIST(root='./dataset', train=True, transform=transforms.ToTensor(), download=True)  # 加载MNIST测试数据集  
# root参数指定数据集存储的根目录，train=False表示加载测试集  
# transform=transforms.ToTensor()同样将图像转换为张量格式  
# download=True表示如果数据集不存在则自动下载  
test = datasets.MNIST(root='./dataset', train=False, transform=transforms.ToTensor(), download=True)  # 创建训练数据加载器  
# batch_size=64指定每个批次包含的样本数量，shuffle=True表示在每个epoch时打乱数据顺序  
train_data = DataLoader(train, batch_size=64, shuffle=True)  # 创建测试数据加载器  
# batch_size=64指定每个批次包含的样本数量，shuffle=False表示不打乱数据顺序  
test_data = DataLoader(test, batch_size=64, shuffle=False)

代码说明：

datasets.MNIST(...)：从torchvision库加载MNIST数据集。MNIST是一个经典的手写数字识别数据集，包含60,000个训练样本和10,000个测试样本。
root='./dataset'：指定下载的数据集存储在./dataset目录中。
train=True 和 train=False：分别表示加载训练集和测试集。
transform=transforms.ToTensor()：将图像转换为PyTorch张量格式，这对后续的训练和模型输入至关重要。
download=True：如果指定的目录中没有数据集，程序将自动从互联网上下载数据集。
DataLoader(...)：用于创建数据加载器，以便批量加载数据。
batch_size=64：指定每个批次包含的样本数为64，这有助于在训练过程中提高计算效率。
shuffle=True：在每个epoch中打乱训练数据的顺序，以增加模型的泛化能力。
shuffle=False：在测试数据加载器中不打乱数据的顺序，因为一般测试数据的顺序不需要进行打乱。

四、构建模型

使用LeNet-5架构构建卷积神经网络。

import torch.nn as nn  # 导入PyTorch的神经网络模块  
import torch.nn.functional as F  # 导入PyTorch的功能性操作模块  # 定义LeNet-5模型类  
class LeNet5(nn.Module):  def __init__(self):  super(LeNet5, self).__init__()  # 调用父类的构造函数  # 第一个卷积层  # 输入通道数为1（灰度图像），输出通道数为6，卷积核大小为5x5，步幅为1，填充为2  self.conv1 = nn.Conv2d(1, 6, 5, 1, 2)  # 第一个平均池化层：池化窗口大小为2x2，步幅为2  self.pool1 = nn.AvgPool2d(2, 2)  # 第二个卷积层  # 输入通道数为6，输出通道数为16，卷积核大小为5x5，步幅为1  self.conv2 = nn.Conv2d(6, 16, 5, 1)  # 第二个平均池化层：池化窗口大小为2x2，步幅为2  self.pool2 = nn.AvgPool2d(2, 2)  # 第一个全连接层：输入特征数为5*5*16，输出特征数为120  self.liner1 = nn.Linear(5 * 5 * 16, 120)  # 第二个全连接层：输入特征数为120，输出特征数为84  self.liner2 = nn.Linear(120, 84)  # 第三个全连接层：输入特征数为84，输出特征数为10（对应10个数字类别）  self.liner3 = nn.Linear(84, 10)  # 定义正向传播函数  def forward(self, x):  # 输入数据经过第一个卷积层，应用ReLU激活函数，随后经过第一个池化层  x = self.pool1(F.relu(self.conv1(x)))  # 输入数据经过第二个卷积层，应用ReLU激活函数，随后经过第二个池化层  x = self.pool2(F.relu(self.conv2(x)))  # 将多维张量展平为一维张量，以便输入到全连接层  x = x.view(-1, 16 * 5 * 5)  # 输入数据经过第一个全连接层，应用ReLU激活函数  x = F.relu(self.liner1(x))  # 输入数据经过第二个全连接层，应用ReLU激活函数  x = F.relu(self.liner2(x))  # 输入数据经过第三个全连接层，输出10个类别的评分  x = self.liner3(x)  return x  # 返回每个类别的预测值  # 实例化LeNet-5模型  
model = LeNet5()

代码说明：

class LeNet5(nn.Module)：定义一个继承自nn.Module的卷积神经网络类。
super(LeNet5, self).__init__()：调用父类的构造函数以初始化模型。
卷积层 (self.conv1 和 self.conv2)：用于提取特征，卷积运算可以捕捉图像中的局部特征。
平均池化层 (self.pool1 和 self.pool2)：减少特征图的尺寸，降低计算复杂度并增强模型的泛化能力。
全连接层 (self.liner1、self.liner2 和 self.liner3)：将卷积层提取的特征映射到输出类别，进行分类。
forward 函数：定义了数据通过网络的流动方式，包括应用卷积、池化和激活函数等操作。
x.view(-1, 16 * 5 * 5)：将输出的特征图展平，为全连接层准备输入。-1表示自动计算维度。
实例化模型 model = LeNet5()：创建LeNet-5模型的实例，后续可以使用该模型进行训练和推理。

五、损失函数和优化器和训练模型

import torch  # 导入PyTorch库  # 定义交叉熵损失函数  
# CrossEntropyLoss通常用于多分类问题，是一个常用的损失函数  
cri = torch.nn.CrossEntropyLoss()  # 定义Adam优化器，使用模型参数和学习率  
# Adam优化器结合了动量和自适应学习率的优点，通常能更快收敛  
optim = torch.optim.Adam(model.parameters(), lr=0.01)  # 训练模型，训练10个epoch  
for epoch in range(1, 11):  model.train()  # 设置模型为训练模式  total_loss = 0  # 初始化总损失  # 迭代训练数据，enumerate会返回每个批次的索引和数据  for i, (images, labels) in enumerate(train_data):  # 前向传播：通过模型获取输出  outputs = model(images)  # 计算损失：比较模型输出与真实标签  loss = cri(outputs, labels)  # 清零梯度：优化器在每次迭代前需清除上次迭代的梯度信息  optim.zero_grad()  # 反向传播：计算梯度  loss.backward()  # 更新模型参数  optim.step()  # 累加总损失  total_loss += loss.item()  # 使用loss.item()获取标量值并加到总损失中  # 计算每个epoch的平均损失  avg = total_loss / len(train_data)  # 总损失除以批次数  print(epoch, avg)  # 打印当前epoch和平均损失

代码说明：

torch.nn.CrossEntropyLoss()：定义交叉熵损失函数，用于多类分类任务，期望模型输出的概率分布与真实标签一致。
torch.optim.Adam(...)：定义Adam优化器，自动调整学习率以加速模型收敛。
for epoch in range(1, 11)：进行10次训练，range(1, 11)表示从1到10。
model.train()：设置模型为训练模式，启用Dropout和BatchNorm等特性，以便在训练过程中正确运行。
total_loss = 0：初始化总损失为0，用于记录当前epoch的损失。
enumerate(train_data)：通过迭代器获取批次索引i和数据(images, labels)。train_data是装载训练数据的DataLoader对象。
outputs = model(images)：通过调用模型的__call__方法来进行前向传播，传入当前批次的图像数据，获取模型的输出。
loss = cri(outputs, labels)：计算损失，比较模型预测输出outputs与真实标签labels。
optim.zero_grad()：在进行梯度计算之前，清零之前的梯度，以避免累加。
loss.backward()：执行反向传播，计算各参数对损失的梯度。
optim.step()：根据计算得到的梯度更新模型的参数。
total_loss += loss.item()：将当前批次的损失值累加到total_loss中，使用loss.item()以得到标量值。
avg = total_loss / len(train_data)：计算当前epoch的平均损失，len(train_data)为批次数。
print(epoch, avg)：在控制台中打印当前训练的epoch和对应的平均损失值。

六、模型评估

# 设置模型为评估模式  
model.eval()  # 初始化总样本数和正确预测数量  
total = 0  
corret = 0  # 注意：此处变量名应该是`correct`  
a = []  # 用于存储预测的结果  
b = []  # 用于存储真实标签  # 禁用自动梯度计算  
# 1. 节省内存  
# 2. 加速计算  
# 3. 防止梯度累加  
with torch.no_grad():  # 遍历测试数据集  for images, labels in test_data:  outputs = model(images)  # 通过模型进行前向传播，获取预测输出  # 通过torch.max获取每个样本的预测类别  # `outputs.data`是模型预测的输出，[64, 10]，其中64是批次大小，10是类别数  _, predicted = torch.max(outputs.data, 1)  total += labels.size(0)  # 累加测试样本总数  corret += (predicted == labels).sum().item()  # 累加正确预测的数量  # 将预测和真实标签添加到列表中  a.extend(predicted.cpu().numpy())  # 将预测的类别转换为NumPy数组并添加到列表a  b.extend(labels.cpu().numpy())  # 将真实标签转换为NumPy数组并添加到列表b  # 计算并打印模型在测试集上的准确率  
print(f"Accuracy of the model on the test images: {100 * corret / total} %")  # 导入用于评估的库  
from sklearn.metrics import confusion_matrix, f1_score, precision_score, recall_score  
import seaborn as sns  
import matplotlib.pyplot as plt  # 用于绘制图表  # 计算混淆矩阵  
conf_matrix = confusion_matrix(a, b)  
print(conf_matrix)  # 打印混淆矩阵  # 使用热图可视化混淆矩阵  
sns.heatmap(conf_matrix, annot=True, fmt='d', cmap='Blues')  
plt.show()  # 显示热图  # 计算并打印F1分数、精确率和召回率  
print(f1_score(a, b, average='weighted'))     # 打印F1分数  
print(precision_score(a, b, average='weighted'))  # 打印精确率  
print(recall_score(a, b, average='weighted'))  # 打印召回率

代码说明：

model.eval()：将模型设置为评估模式，关闭Dropout和Batch Normalization的训练模式，以使模型在推理时的行为保持一致。
total 和 corret：初始化统计变量，total用来记录测试样本的总数，corret（应为correct）用于记录预测正确的样本数。
a 和 b：用于存储模型预测的结果和真实的标签，以便进行后续的评估。
with torch.no_grad()：在这个上下文中禁用自动梯度计算，以节省内存，加速计算，并避免对计算图的构建，这在评估模型时是非常常见的做法。
for images, labels in test_data：遍历测试数据集，获取每个批次的图像和标签。
outputs = model(images)：通过模型获取当前批次的预测输出。
_, predicted = torch.max(outputs.data, 1)：获取每个样本预测的类别。torch.max返回最大值及其索引，这里只需要索引，即预测类别。
total += labels.size(0)：记录当前批次的样本数，累加到总样本数。
corret += (predicted == labels).sum().item()：计算当前批次中正确预测的样本数，并累加到corret。
a.extend(predicted.cpu().numpy())：将预测类别从张量转换为NumPy数组，并在列表a中存储。使用.cpu()确保数据在CPU上，以避免在GPU上直接进行操作。
b.extend(labels.cpu().numpy())：同样将真实标签转换为NumPy数组，并在列表b中存储。
print(f"Accuracy of the model on the test images: {100 * corret / total} %")
计算并打印模型在测试集上的准确率。准确率的计算公式为 正确预测的数量 / 总样本数量 * 100。通过格式化字符串（f-string）来整齐输出结果。
from sklearn.metrics import confusion_matrix, f1_score, precision_score, recall_score
从scikit-learn库中导入评估指标计算所需的函数。这里使用的评估指标有混淆矩阵、F1分数、精确率和召回率。
import seaborn as sns
导入seaborn库，用于数据可视化，它提供了更美观的绘图接口。
import matplotlib.pyplot as plt
导入matplotlib.pyplot库，用于绘制图表。plt是常用的别名。
conf_matrix = confusion_matrix(a, b)
计算混淆矩阵，混淆矩阵用于评估分类模型的性能，其结构为：行表示真实类别，列表示预测类别。通过传入预测的类别a和真实的标签b来计算。
print(conf_matrix)
打印混淆矩阵，以便查看模型在不同分类上的表现。
sns.heatmap(conf_matrix, annot=True, fmt='d', cmap='Blues')
使用seaborn绘制混淆矩阵的热图。参数说明：
- annot=True：在每个单元格中显示数值。
- fmt='d'：数值格式为整数。
- cmap='Blues'：颜色映射为蓝色调。
plt.show()
显示绘制的热图，便于观察和分析模型的分类效果。
print(f1_score(a, b, average='weighted'))
计算并打印F1分数。F1分数是精确率和召回率的调和平均数，适用于不平衡的数据集。average='weighted'表示根据每个类别的支持（样本数）计算加权平均。
print(precision_score(a, b, average='weighted'))
计算并打印精确率，精确率是指正确分类的积极样本占所有被分类为积极的样本的比例，反映模型的准确性。
print(recall_score(a, b, average='weighted'))
计算并打印召回率，召回率是指正确分类的积极样本占所有实际积极样本的比例，反映模型的完整性。