残差网络实战：基于MNIST数据集的手写数字识别

残差网络实战：基于MNIST数据集的手写数字识别

在深度学习的广阔领域中，卷积神经网络（CNN）一直是处理图像任务的主力军。随着研究的深入，网络层数的增加虽然理论上能提升模型的表达能力，但却面临梯度消失、梯度爆炸以及网络退化等问题。残差网络（ResNet）的出现，成功地解决了这些难题，为深度学习的发展开辟了新的道路。本文将通过在MNIST数据集上进行手写数字识别的实战，带大家深入了解残差网络的原理与应用。

一、MNIST数据集介绍

MNIST数据集是机器学习领域中非常经典的图像数据集，它包含了70,000张手写数字图像，其中60,000张用于训练，10,000张用于测试。这些图像均为灰度图，尺寸是28×28像素，并且已经进行了居中处理，大大减少了预处理的工作量，同时也加快了模型的运行速度。在本文的实战中，MNIST数据集将作为我们训练和测试残差网络的“战场”。

二、残差网络原理

传统的神经网络在增加层数时，容易出现网络退化现象，即随着网络层数的增加，模型在训练集和测试集上的性能反而下降。残差网络通过引入残差块（Residual Block）巧妙地解决了这一问题。

残差块的核心思想是让网络学习输入与输出之间的残差，而不是直接学习复杂的映射关系。在一个残差块中，输入数据会经过一系列的卷积、激活等操作，得到一个输出，同时输入数据会直接通过一个快捷连接（Shortcut Connection）与输出相加。这样，网络学习的目标就变成了输出与输入之间的差异，使得训练过程更加容易。

数学上，假设残差块的输入为$x$，期望的输出映射为$H(x)$，通过残差块学习到的函数为$F(x)$，那么残差块的输出可以表示为$y=F(x)+x$。当$F(x)=0$时，残差块的输出就等于输入，这保证了即使增加网络层数，模型的性能也不会下降，反而有机会通过学习残差来提升性能。

三、代码实现与解析

1. 数据加载与预处理

import torch
from torch import nn
from torch.utils.data import DataLoader
from torchvision import datasets
from torchvision.transforms import ToTensor# 下载训练数据集（包含训练图片+标签）
training_data = datasets.MNIST(root="data",train=True,download=True,transform=ToTensor(),
)# 下载测试数据集（包含训练图片+标签）
test_data = datasets.MNIST(root="data",train=False,download=True,transform=ToTensor(),
)# 创建数据DataLoader（数据加载器）
train_dataloader = DataLoader(training_data, batch_size=64)
test_dataloader = DataLoader(test_data, batch_size=64)

上述代码利用torchvision库中的datasets.MNIST类下载MNIST数据集，并使用ToTensor()将图像数据转换为PyTorch能够处理的张量格式。然后，通过DataLoader将数据集划分为大小为64的批次，这样做可以减少内存的使用，提高训练速度。

2. 设备配置

device = "cuda" if torch.cuda.is_available() else "mps" if torch.backends.mps.is_available() else "cpu"
print(f"Using {device} device")

这段代码用于判断当前设备是否支持GPU（CUDA或苹果M系列芯片的MPS），如果支持则使用GPU进行计算，否则使用CPU，充分利用硬件资源加速模型训练。

3. 残差块与网络定义

# 模块搭建
class ResBlock(nn.Module):def __init__(self, channels_in):super().__init__()self.conv1 = torch.nn.Conv2d(channels_in, 30, 5, padding=2)self.conv2 = torch.nn.Conv2d(30, channels_in, 3, padding=1)def forward(self, x):out = self.conv1(x)out = self.conv2(out)return F.relu(out + x)# 网络搭建
class ResNet(nn.Module):def __init__(self):super().__init__()self.conv1 = torch.nn.Conv2d(1, 20, 5)self.conv2 = torch.nn.Conv2d(20, 15, 3)self.maxpool = torch.nn.MaxPool2d(2)self.resblock1 = ResBlock(channels_in=20)self.resblock2 = ResBlock(channels_in=15)self.full_c = torch.nn.Linear(375, 10)def forward(self, x):size = x.shape[0]x = F.relu(self.maxpool(self.conv1(x)))x = self.resblock1(x)x = F.relu(self.maxpool(self.conv2(x)))x = self.resblock2(x)x = x.view(size, -1)x = self.full_c(x)return xmodel = ResNet().to(device)

在上述代码中，首先定义了ResBlock类，实现了残差块的结构，其中包含两个卷积层，并通过快捷连接将输入与卷积层的输出相加，再经过ReLU激活函数得到最终输出。接着，ResNet类构建了完整的残差网络，包含普通卷积层、最大池化层、残差块以及全连接层，将输入图像逐步提取特征并分类为10个数字类别。

4. 训练与测试函数

def train(dataloader, model, loss_fn, optimizer):model.train()batch_size_num = 1for X, y in dataloader:X, y = X.to(device), y.to(device)pred = model.forward(X)loss = loss_fn(pred, y)optimizer.zero_grad()loss.backward()optimizer.step()loss = loss.item()print(f"loss: {loss:>7f}  [number:{batch_size_num}]")batch_size_num += 1def test(dataloader, model, loss_fn):size = len(dataloader.dataset)num_batches = len(dataloader)model.eval()test_loss, correct = 0, 0with torch.no_grad():for X, y in dataloader:X, y = X.to(device), y.to(device)pred = model.forward(X)test_loss += loss_fn(pred, y).item()correct += (pred.argmax(1) == y).type(torch.float).sum().item()test_loss /= num_batchescorrect /= sizeprint(f"Test result: \n Accuracy: {(100 * correct)}%, Avg loss: {test_loss}")

train函数用于模型的训练过程，在每个批次中，将数据传入模型得到预测结果，通过交叉熵损失函数计算损失，进行反向传播更新模型参数，并打印每一批次的损失值。test函数则用于在测试集上评估模型性能，关闭梯度计算以节省内存，计算测试集上的平均损失和准确率。

5. 模型训练与评估

loss_fn = nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(model.parameters(), lr=0.001)epochs = 10
for t in range(epochs):print(f"Epoch {t + 1}\n-------------------------------")train(train_dataloader, model, loss_fn, optimizer)
print("Done!")
test(test_dataloader, model, loss_fn)

最后，定义交叉熵损失函数和Adam优化器，设置训练轮数为10，通过循环调用train函数进行模型训练，训练完成后调用test函数在测试集上评估模型性能。

四、总结与展望

通过在MNIST数据集上的实战，我们成功地实现了基于残差网络的手写数字识别。残差网络凭借其独特的结构设计，有效地解决了深度神经网络中的退化问题，使得我们能够构建更深、更强大的模型。在未来的研究和应用中，残差网络的思想可以应用到更多复杂的图像任务，如图像分割、目标检测等。同时，结合其他先进的技术，如注意力机制、生成对抗网络等，有望进一步提升模型的性能，为深度学习在计算机视觉领域的发展带来更多的可能性。

希望本文能帮助大家更好地理解残差网络，并在实际项目中灵活运用，开启深度学习图像识别的新征程！