【深度学习】实验四卷积神经网络CNN

实验四卷积神经网络CNN

一、实验学时： 2学时

二、实验目的

掌握卷积神经网络CNN的基本结构；
掌握数据预处理、模型构建、训练与调参；
探索CNN在MNIST数据集中的性能表现；

三、实验内容

实现深度神经网络CNN。

四、主要实验步骤及结果

1．搭建一个CNN网络，使用MNIST手写数字数据集进行训练与测试，并体现模型最终结果，CNN网络的具体框架可参考下图，也可自己设计：

图4-1 CNN架构图

（1）该图表示输入层为28*28*1的尺寸，符合MNIST数据集的标准尺寸。

（2）第一个卷积层，使用5*5卷积核，32个滤波器，填充（Padding）为2。输出尺寸为28*28*32。

（3）第一个池化层，使用2*2池化窗口，步长（stride）为2。输出尺寸为14*14*32。

（4）第二个卷积层，使用5*5卷积核，64个滤波器，填充（Padding）为2。输出尺寸为14*14*64。

（5）第二个池化层，使用2*2池化窗口，步长（stride）为2。输出尺寸为7*7*64。

（6）全连接层包含1024个神经元,输出尺寸为1*1*1024。

（7）Dropout层用于防止过拟合。

（8）输出层包含10个神经元，对应手写数字的0-9。输出尺寸为1*1*10。

模型实现：

以该架构图搭建CNN网络，使用MNIST手写数字数据集进行训练与测试，训练和测试结果如图4-2所示：

图4-2 CNN测试结果

2.尝试使用不同的数据增强方法、优化器、损失函数、学习率、batch size和迭代次数来进行训练，记录训练过程，评估模型性能，保存最佳模型。

编号	batch size	训练轮次	学习率	数据增强方法	优化器	实验结果
1	32	2	1e-4	无	Adam	98.62%
2	64	2	1e-4	无	Adam	98.56%
3	64	4	1e-4	无	Adam	99.08%
4	64	4	3e-4	无	Adam	99.08%
5	64	4	3e-4	旋转+平移	Adam	98.90%
5	64	4	3e-4	无	Adam（L2正则化）	99.23%
6	64	4	1e-4	无	SGD+momentum	97.30%

其中数据增强方法采用随机旋转和平移吗，原始代码中包含ToTensor()和Normalize()，给原始代码添加随机旋转10度和随机平移10%，代码如下：

# 数据加载（归一化）
transform = torchvision.transforms.Compose([
    torchvision.transforms.RandomRotation(10),  # 随机旋转10度
    torchvision.transforms.RandomAffine(0, translate=(0.1, 0.1)),  # 随机平移10%
    torchvision.transforms.ToTensor(),
    torchvision.transforms.Normalize((0.1307,), (0.3081,))
])

优化器选择方面使用SGD+momentum（0.9）替代原Adam优化器,

# 使用SGD+momentum
optimizer = torch.optim.SGD(model.parameters(), lr=LEARN_RATE, momentum=0.9)

根据训练过程记录的数据，最佳模型尊却绿为99.23%，最佳模型代码如下：

import torch
import torchvision
import torch.nn as nn
from torch.utils.data import DataLoader

BATCH_SIZE = 64
EPOCHS = 4
LEARN_RATE = 3e-4
DROPOUT_RATE = 0.5

device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')

# 数据加载（归一化）
transform = torchvision.transforms.Compose([
    # torchvision.transforms.RandomRotation(10),  # 随机旋转10度
    # torchvision.transforms.RandomAffine(0, translate=(0.1, 0.1)),  # 随机平移10%
    torchvision.transforms.ToTensor(),
    torchvision.transforms.Normalize((0.1307,), (0.3081,))
])

train_data = torchvision.datasets.MNIST(
    root='./mnist',
    train=True,
    download=True,
    transform=transform
)
train_loader = DataLoader(train_data, batch_size=BATCH_SIZE, shuffle=True)

test_data = torchvision.datasets.MNIST(
    root='./mnist',
    train=False,
    transform=transform
)
test_loader = DataLoader(test_data, batch_size=1000, shuffle=False)


class CNN(nn.Module):
    def __init__(self):
        super(CNN, self).__init__()
        self.conv_layers = nn.Sequential(
            # 第一层卷积：5x5 卷积核，32 个过滤器，padding=2
            nn.Conv2d(1, 32, kernel_size=5, padding=2),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=2, stride=2),  # 池化后 14x14x32

            # 第二层卷积：5x5 卷积核，64 个过滤器，padding=2
            nn.Conv2d(32, 64, kernel_size=5, padding=2),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=2, stride=2)  # 池化后 7x7x64
        )
        self.fc_layers = nn.Sequential(
            nn.Linear(64 * 7 * 7, 1024),  # 全连接层：7x7x64 → 1024
            nn.ReLU(),
            nn.Dropout(DROPOUT_RATE),  # Dropout层
            nn.Linear(1024, 10)  # 输出层：1024 → 10
        )
        self._initialize_weights()

    def _initialize_weights(self):
        for m in self.modules():
            if isinstance(m, nn.Conv2d):
                nn.init.kaiming_normal_(m.weight, mode='fan_out', nonlinearity='relu')
                if m.bias is not None:
                    nn.init.constant_(m.bias, 0)
            elif isinstance(m, nn.Linear):
                nn.init.kaiming_normal_(m.weight, mode='fan_in', nonlinearity='relu')
                nn.init.constant_(m.bias, 0)

    def forward(self, x):
        x = self.conv_layers(x)
        x = x.view(x.size(0), -1)  # 展平操作
        x = self.fc_layers(x)
        return x


model = CNN().to(device)
loss_fn = nn.CrossEntropyLoss().to(device)
optimizer = torch.optim.Adam(model.parameters(), lr=LEARN_RATE, weight_decay=1e-5)
# optimizer = torch.optim.SGD(model.parameters(), lr=LEARN_RATE, momentum=0.9)  # 使用SGD+momentum
# 训练循环
for epoch in range(EPOCHS):
    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 = loss_fn(output, target)
        loss.backward()
        optimizer.step()

        if batch_idx % 100 == 0:
            print(f'Epoch {epoch + 1} [{batch_idx * len(data)}/{len(train_loader.dataset)}] Loss: {loss.item():.4f}')

# 测试
model.eval()
correct = 0
with torch.no_grad():
    for data, target in test_loader:
        data, target = data.to(device), target.to(device)
        output = model(data)
        pred = output.argmax(dim=1)
        correct += pred.eq(target).sum().item()

print(f'Test Accuracy: {correct}/{len(test_loader.dataset)} ({100. * correct / len(test_loader.dataset):.2f}%)')

3.使用画图工具将自己的学号逐个写出，使用保存的最佳模型对每个数字进行推理，比较模型对每个数字的准确率预测，也可以尝试实现一个实时识别手写数字的demo。
（1）使用画图工具将自己的学号逐个写出，进行反色处理，并将图片命名为“x_001.png”格式。

图4-3手写数字

（2）在训练代码（CNN.py）中添加模型保存代码。

torch.save(model.state_dict(), 'mnist_cnn.pth')

（3）编写推理代码读取img文件夹中的手写图片并预测，预测代码如下所示：

import torch
import torch.nn as nn
from torchvision import transforms
from PIL import Image
import numpy as np
import os

# 定义模型结构（需与训练代码一致）
class CNN(nn.Module):
    def __init__(self):
        super(CNN, self).__init__()
        self.conv_layers = nn.Sequential(
            nn.Conv2d(1, 32, kernel_size=5, padding=2),
            nn.ReLU(),
            nn.MaxPool2d(2, 2),
            nn.Conv2d(32, 64, kernel_size=5, padding=2),
            nn.ReLU(),
            nn.MaxPool2d(2, 2)
        )
        self.fc_layers = nn.Sequential(
            nn.Linear(64 * 7 * 7, 1024),
            nn.ReLU(),
            nn.Dropout(0.5),
            nn.Linear(1024, 10))

    def forward(self, x):
        x = self.conv_layers(x)
        x = x.view(x.size(0), -1)
        x = self.fc_layers(x)
        return x


# 加载模型
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model = CNN().to(device)
model.load_state_dict(torch.load('mnist_cnn.pth', map_location=device))
model.eval()

# 定义预处理（与训练一致）
transform = transforms.Compose([
    transforms.Resize((28, 28)),  # 确保输入为28x28
    transforms.Grayscale(num_output_channels=1),  # 转换为单通道
    transforms.ToTensor(),
    transforms.Normalize((0.1307,), (0.3081,))
])

# 遍历img文件夹中的图片并推理
img_dir = 'img'
digit_stats = {str(i): {'correct': 0, 'total': 0} for i in range(10)}

for filename in os.listdir(img_dir):
    if filename.lower().endswith(('.png', '.jpg', '.jpeg')):
        # 从文件名中提取真实标签（假设文件名为 "label_xxx.png"）
        try:
            true_label = filename.split('_')[0]  # 例如文件名 "3_001.png" → 标签为3
            true_label = int(true_label)
            if true_label < 0 or true_label > 9:
                continue
        except:
            print(f"跳过文件 {filename}（文件名格式错误）")
            continue

        # 加载并预处理图像
        img_path = os.path.join(img_dir, filename)
        image = Image.open(img_path)
        image = transform(image).unsqueeze(0).to(device)  # 添加batch维度

        # 推理
        with torch.no_grad():
            output = model(image)
            pred = output.argmax(dim=1).item()

        # 统计结果
        digit_stats[str(true_label)]['total'] += 1
        if pred == true_label:
            digit_stats[str(true_label)]['correct'] += 1

        print(f"图片 {filename} 真实标签: {true_label}, 预测: {pred} → {'正确' if pred == true_label else '错误'}")

# 计算每个数字的准确率
accuracies = {}
for digit in digit_stats:
    if digit_stats[digit]['total'] > 0:
        acc = digit_stats[digit]['correct'] / digit_stats[digit]['total']
        accuracies[digit] = acc
        print(f"数字 {digit} 的准确率: {acc:.2%}")

预测结果如图4-4所示：

图4-4预测结果

预测结果显示“1”和“4”预测结果错误，其他均正确。

五、实验小结（包括问题和解决办法、心得体会、意见与建议等）

1.问题和解决办法：

问题1：RuntimeError: Dataset not found. You can use download=True to download it。

解决方法：添加下载训练集的参数download=True。

问题2：使用SGD+momentum优化器后，准确率反而下降了。

解决方法：因为SGD对学习率比较敏感，学习率没有适配，使用StepLR梯度衰减，另外也可以增加训练轮次。

问题3：预测结果全部错误。

解决方法：图片要像素28*28，且黑色背景，白色笔迹，对Windows画图的图片反色处理即可。

2.心得体会：通过本次CNN手写数字识别实验的完整实践，我深刻体会到深度学习模型性能的提升是一个系统工程，需要从数据、模型、训练策略到结果分析的全流程精细化把控，尝试使用不同的数据增强方法、优化器、损失函数、学习率、batch size和迭代次数来进行训练，迭代出最佳模型，再手写数字进行测试。通过以上的学习和实践，我对神经网络的原理和应用有了更深入的理解。神经网络的发展给人工智能带来了巨大的影响，它在图像识别、自然语言处理等领域发挥着重要的作用。我相信，随着技术的进步，神经网络将会有更广泛的应用。