https://github.com/17662153280/pytorch-mnist-classifier

手写数字识别项目 - 基于 PyTorch 的深度学习实践 | Handwritten Digit Recognition Project - Deep Learning Practice Based on PyTorch
https://github.com/17662153280/pytorch-mnist-classifier

cnn computer-vision deep-learning mnist pytorch

Last synced: about 2 months ago
JSON representation

手写数字识别项目 - 基于 PyTorch 的深度学习实践 | Handwritten Digit Recognition Project - Deep Learning Practice Based on PyTorch

• Host: GitHub
• URL: https://github.com/17662153280/pytorch-mnist-classifier
• Owner: 17662153280
• License: mit
• Created: 2025-10-02T14:45:56.000Z (9 months ago)
• Default Branch: main
• Last Pushed: 2025-10-02T15:54:04.000Z (9 months ago)
• Last Synced: 2025-10-12T14:33:04.459Z (9 months ago)
• Topics: cnn, computer-vision, deep-learning, mnist, pytorch
• Language: Python
• Homepage:
• Size: 13 MB
• Stars: 0
• Watchers: 0
• Forks: 0
• Open Issues: 1
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

          
# pytorch-mnist-classifier

手写数字识别项目 - 基于 PyTorch 的深度学习实践 | Handwritten Digit Recognition Project - Deep Learning Practice Based on PyTorch

# 🎯 PyTorch 手写数字识别项目

一个基于 PyTorch 的卷积神经网络，用于识别手写数字（0-9）。

![训练曲线](training_curve.png)

*训练过程中的损失和准确率曲线*

## 📊 项目成果

- **测试准确率**: 98%+

- **训练时间**: 2-3 分钟（使用 NVIDIA RTX 4060）

- **模型参数量**: 1.2M

## 🚀 快速开始

### 环境要求

- Python 3.8+

- PyTorch 2.0+

- torchvision

- matplotlib

### 安装依赖

```bash

pip install torch torchvision matplotlib

```

### 运行步骤

1. **训练模型**：

```bash

python train.py

```

2. **测试模型**：

```bash

python test.py

```

3. **进行预测**：

```bash

python predict.py

```

## 📁 项目结构

```

pytorch-mnist-classifier/

├── model.py          # 神经网络模型定义

├── train.py          # 模型训练脚本

├── test.py           # 模型测试脚本

├── predict.py        # 预测脚本

└── README.md        # 项目说明

```

## 🧠 模型架构

```python

class DigitClassifier(nn.Module):

    def __init__(self):

        self.conv1 = nn.Conv2d(1, 32, 3, padding=1)

        self.conv2 = nn.Conv2d(32, 64, 3, padding=1)

        self.pool = nn.MaxPool2d(2, 2)

        self.fc1 = nn.Linear(64*7*7, 128)

        self.fc2 = nn.Linear(128, 10)

```

## 📈 训练过程

![预测示例](prediction_examples.png)

*模型预测结果示例*

### 超参数设置

- **学习率**: 0.001

- **批量大小**: 64

- **训练周期**: 10

- **优化器**: Adam

- **损失函数**: CrossEntropyLoss

## 🎯 性能表现

| Epoch | 训练准确率 | 测试准确率 |

|-------|------------|------------|

| 1     | 95.2%      | 96.8%      |

| 5     | 98.7%      | 98.3%      |

| 10    | 99.1%      | 98.5%      |

## 💡 学习要点

通过本项目，我学会了：

- PyTorch 的基本使用和模型构建

- 卷积神经网络（CNN）的原理和应用

- 模型训练、验证和测试的完整流程

- 使用 GPU 加速训练过程

- 数据可视化和结果分析

## 🤝 贡献

欢迎提交 Issue 和 Pull Request！

## 📄 许可证

本项目采用 MIT 许可证 - 查看 [LICENSE](LICENSE) 文件了解详情。

```text

MIT License

Copyright (c) 2025 YAOBING YANG

Permission is hereby granted, free of charge, to any person...

```