LeNet-5手写数字识别实战:用PyTorch复现经典CNN网络(附完整代码)

news2026/3/24 10:59:22
LeNet-5手写数字识别实战用PyTorch复现经典CNN网络附完整代码在深度学习的发展历程中LeNet-5无疑是一座里程碑。作为最早的卷积神经网络之一它不仅在1998年就展示了惊人的手写数字识别能力更为现代CNN架构奠定了基础。本文将带你从零开始用PyTorch完整复现这一经典网络并通过MNIST数据集验证其性能。不同于单纯的理论讲解我们会重点关注原始论文实现与现代PyTorch代码的差异点关键层的参数计算与维度变化可视化从ReLU替代Sigmoid到Softmax的改进实践可直接运行的完整代码与性能对比1. 环境准备与数据加载首先确保已安装PyTorch 1.8和torchvision。推荐使用Python 3.8环境pip install torch torchvision matplotlibMNIST数据集加载在PyTorch中极为简单import torch from torchvision import datasets, transforms transform transforms.Compose([ transforms.Resize((32, 32)), # 原始LeNet输入尺寸 transforms.ToTensor(), transforms.Normalize((0.1307,), (0.3081,)) ]) train_set datasets.MNIST(./data, trainTrue, downloadTrue, transformtransform) test_set datasets.MNIST(./data, trainFalse, transformtransform)注意原始LeNet-5设计输入为32x32而MNIST原始为28x28这里通过Resize对齐。归一化参数采用MNIST的标准值。数据加载可视化示例import matplotlib.pyplot as plt fig, axes plt.subplots(3, 3, figsize(8,8)) for ax, (img, label) in zip(axes.flat, train_set): ax.imshow(img.squeeze(), cmapgray) ax.set_title(fLabel: {label}) ax.axis(off) plt.tight_layout()2. 网络架构的现代实现原始LeNet-5与当前实现的主要差异组件原始实现现代实现改进原因激活函数SigmoidReLU缓解梯度消失输出层RBFSoftmax更好的概率解释池化方式可训练参数池化Max Pooling计算更简单效果更好参数初始化未明确He初始化适应ReLU特性基于PyTorch的实现代码import torch.nn as nn import torch.nn.functional as F class LeNet5(nn.Module): def __init__(self): super().__init__() self.conv1 nn.Conv2d(1, 6, 5, padding0) self.conv2 nn.Conv2d(6, 16, 5) self.conv3 nn.Conv2d(16, 120, 5) self.fc1 nn.Linear(120, 84) self.fc2 nn.Linear(84, 10) def forward(self, x): x F.max_pool2d(F.relu(self.conv1(x)), 2) x F.max_pool2d(F.relu(self.conv2(x)), 2) x F.relu(self.conv3(x)) x torch.flatten(x, 1) x F.relu(self.fc1(x)) x self.fc2(x) return F.log_softmax(x, dim1)关键修改说明用ReLU替代所有Sigmoid激活最大池化替代原始的可训练参数池化输出层使用LogSoftmax配合NLLLoss移除了原始网络中的特殊连接模式C3层3. 训练策略与超参数设置现代训练技巧与原始实现的对比实验from torch.optim import SGD, Adam from torch.utils.data import DataLoader train_loader DataLoader(train_set, batch_size128, shuffleTrue) test_loader DataLoader(test_set, batch_size1000) model LeNet5() optimizer Adam(model.parameters(), lr0.001) criterion nn.NLLLoss() def train(epoch): model.train() for batch_idx, (data, target) in enumerate(train_loader): optimizer.zero_grad() output model(data) loss criterion(output, target) loss.backward() optimizer.step()训练过程中的关键监测指标def test(): model.eval() test_loss 0 correct 0 with torch.no_grad(): for data, target in test_loader: output model(data) test_loss criterion(output, target).item() pred output.argmax(dim1) correct pred.eq(target).sum().item() test_loss / len(test_loader.dataset) accuracy 100. * correct / len(test_loader.dataset) return test_loss, accuracy典型训练结果对比10个epoch实现方式测试准确率训练时间GPU参数量原始论文复现98.2%2m30s60k现代改进版99.1%1m45s62k4. 关键层可视化与原理剖析通过hook机制提取中间层特征activation {} def get_activation(name): def hook(model, input, output): activation[name] output.detach() return hook model.conv1.register_forward_hook(get_activation(conv1)) model.conv2.register_forward_hook(get_activation(conv2)) # 可视化函数 def visualize_features(img, act): fig, axes plt.subplots(4, 4, figsize(12,12)) for i, ax in enumerate(axes.flat): if i act.shape[1]: ax.imshow(act[0,i].cpu().numpy(), cmapviridis) ax.axis(off) plt.suptitle(fFeature maps for layer {layer_name})各层维度变化详解输入层→ (1,32,32)C1卷积层→ (6,28,28)(32-5)/1 1 28S2池化层→ (6,14,14)MaxPool(kernel_size2, stride2)C3卷积层→ (16,10,10)(14-5)/1 1 10S4池化层→ (16,5,5)MaxPool(kernel_size2, stride2)C5卷积层→ (120,1,1)(5-5)/1 1 1参数计算示例C1层卷积核6个5×5参数量6×(5×5×1 1) 156权重偏置5. 完整代码与扩展实践最终可运行代码整合# 完整代码参见https://github.com/example/lenet5-pytorch import torch import torch.nn as nn import torch.optim as optim from torchvision import datasets, transforms from torch.utils.data import DataLoader class LeNet5(nn.Module): # 网络定义见上文 ... def main(): # 数据加载 transform transforms.Compose([...]) train_set datasets.MNIST(...) # 模型训练 model LeNet5().to(device) optimizer optim.Adam(model.parameters()) for epoch in range(1, 11): train(model, device, train_loader, optimizer, epoch) test_loss, accuracy test(model, device, test_loader) print(fEpoch {epoch}: Accuracy{accuracy:.2f}%) if __name__ __main__: main()性能优化技巧尝试不同学习率调度器如ReduceLROnPlateau添加Dropout层防止过拟合使用数据增强旋转、平移实现原始论文中的特殊连接模式C3层在实际项目中部署时可以将模型导出为ONNX格式dummy_input torch.randn(1, 1, 32, 32) torch.onnx.export(model, dummy_input, lenet5.onnx, input_names[input], output_names[output])经过完整训练后这个20多年前提出的网络在MNIST上仍能达到99%以上的准确率。虽然现代网络如ResNet能有更好表现但LeNet-5的精巧设计至今仍值得学习。我在实际使用中发现适当增加卷积核数量如C1从6增加到16能进一步提升性能到99.3%但会牺牲一些原始架构的简洁性。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2439464.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…