MNIST数据集是机器学习领域中非常经典的一个数据集，每个样本都是一张28 * 28像素的灰度手写数字图片。0~9十个手写数字。
Python版本数据集可以从网站http://yann.lecun.com/exdb/mnist/ 下载。一共包括四个文件，分别为训练集、训练集标签、测试集、测试集标签。若使用pytorch，也可以使用其自带的datasets库下载。
| 文件名称 | 大小 | 内容 |
|---|---|---|
| train-images-idx3-ubyte.gz | 9681kb | 5000张验证集 |
| train-labels-idx1-ubyte.gz | 29kb | 训练集图片对应的标签 |
| t10k-image-idx3-ubyte.gz | 1611kb | 10000张测试集 |
| t10k-labels-idx-ubyte.gz | 5kb | 测试集图片对应的标签 |
本程序通过Pytorch自带的datasets库下载MNIST数据集，保存目录为./data/MNIST/Raw/ ,并通过Pytorch的DataLoader库处理过，最后会使用位于./data/MNIST/processed/ 目录下的文件作为训练集和测试集。
项目文件说明：
CNN_MNIST:.
│ data_loader.py //训练集、测试集加载文件
│ model.py //CNN网络模型文件
│ sample_predict.py //手写数字图片样例识别
│ test_sample.bmp //手写数字图片样例
│ train.py //模型训练
│
├─data
│ ├─MNIST
│ │ ├─processed
│ │ │ test.pt //处理后的测试集
│ │ │ training.pt //处理后的训练集
│ │ │
│ │ └─raw //处理前的MNIST数据
│ │ t10k-images-idx3-ubyte
│ │ t10k-images-idx3-ubyte.gz
│ │ t10k-labels-idx1-ubyte
│ │ t10k-labels-idx1-ubyte.gz
│ │ train-images-idx3-ubyte
│ │ train-images-idx3-ubyte.gz
│ │ train-labels-idx1-ubyte
│ │ train-labels-idx1-ubyte.gz
│ │
│ └─test_samples //更多的手写数字图片样例
│ 1.bmp
│ 10.bmp
│ 2.bmp
│ 3.bmp
│ 4.bmp
│ 5.bmp
│ 6.bmp
│ 7.bmp
│ 8.bmp
│ 9.bmp
│
├─model_save //模型保存
│ LeNet.pth
python==3.7.7 pytorch==1.5.1 torchvision==0.6.1 numpy==1.18.1 pillow==7.1.2
pip install packagename==version
python train.py
可选参数
--batch_size default=64 每轮训练batch大小
--epochs default=10 训练轮数
--LR default=0.001 学习率
python sample_predict.py
可选参数
--filename default=./test_sample.bmp 图片文件位置
--model default=./model_save/LeNet.pth 加载模型位置
python train.py --epochs=10 --LR=0.001 --batch_size=64
Test accuracy = 0.9887
python sample_predict.py --filename=./test_sample.bmp --model=./model_save/LeNet.pth
Tested picture ./test_sample.bmp
The hand writing number is: 2
