很容易，對吧？ーー要知道上面的圖片代表的是 4，這對你來說可不是件容易的事。你甚至不用擔心影象的低解析度，多麼神奇。我們都應該花點時間感謝我們的大腦！想知道我們的大腦處理影象、分類和反饋是多麼自然。我們是天才！
模仿人腦會有多難？深度學習，簡單來說，是機器學習研究的領域，它允許計算機學習執行對大腦來說很自然的任務，比如手寫數字識別。從技術上講，它涉及到更多的層（稍後我們將討論這一點）和更多的資料。
在本文中，我們將討論神經網路，並沿著這個方向從頭開發一個手寫數字分類器。我們將使用 PyTorch，因為它很酷！
本文的唯一先決條件是掌握 Python 語法的基本知識。
第一步：瞭解資料集
作為一個數據科學家，最關鍵的任務是收集完美的資料集，並徹底瞭解它。相信我，剩下的就容易多了。對於這個專案，我們將使用流行的 MNIST 資料庫。它是一個由70000個手寫數字組成的集合，分成訓練集和測試集，分別有60000和10000個影象。
這個資料集最初可以在 Yann Lecun 的網站上找到。清理資料是最大的任務之一。不要忘記ーー“垃圾進，垃圾出！”。幸運的是，對於我們來說，PyTorch 提供了一個簡單的實現，只需要幾行程式碼就可以下載已經清除和準備好的資料。在開始之前，我們需要進行所有必要的匯入。
import numpy as npimport torchimport torchvisionimport matplotlib。pyplot as pltfrom time import timefrom torchvision import datasets， transformsfrom torch import nn， optim
在下載資料之前，讓我們先定義要對資料執行哪些轉換，然後再將資料輸入。換句話說，你可以把它看作是對影象進行某種自定義編輯，以使所有影象具有相同的尺寸和屬性。我們使用torchvision。transforms。
transform = transforms。Compose（［transforms。ToTensor（）， transforms。Normalize（（0。5，）， （0。5，））， ］）
transforms.ToTensor()：
把影象轉換成數字
， 它把影象分成三個顏色通道（單獨的影象） ：
紅，綠，藍，
然後將每張影象的畫素值轉換為0到255之間的顏色亮度。然後將這些值縮小到0到1之間的範圍。圖片現在是一個
張量資料。
transforms.Normalize()
：用一個平均值和一個標準差分別作為引數使張量正規化
現在，我們終於可以下載資料集，對它們進行隨機化處理和轉換了。我們下載資料集並將它們載入到 DataLoader 中，DataLoader 將資料集和取樣器結合在一起，並在資料集上提供單個或多個程序迭代器。
trainset = datasets。MNIST（‘PATH_TO_STORE_TRAINSET’， download=True， train=True， transform=transform）valset = datasets。MNIST（‘PATH_TO_STORE_TESTSET’， download=True， train=False， transform=transform）trainloader = torch。utils。data。DataLoader（trainset， batch_size=64， shuffle=True）valloader = torch。utils。data。DataLoader（valset， batch_size=64， shuffle=True）
batch size是我們希望一次讀取的影象數量。
第二步：更好地瞭解資料集
在這個階段，我們將對影象和張量進行一些探索性資料分析處理。讓我們來看看圖片和標籤的形狀。
dataiter = iter（trainloader）images， labels = dataiter。next（）print（images。shape）print（labels。shape）
你會發現，影象的形狀是torch。Size（［64，1，28，28］） ，這意味著每個批處理中有64張影象，每張影象的尺寸為28 × 28畫素。同樣，標籤有一個形狀作為torch。Size（［64］）。猜猜為什麼？是的，你說得對！64張圖片應該分別有64個標籤。
讓我們展示一個來自訓練集的影象，例如，第一個影象。
plt。imshow（images［0］。numpy（）。squeeze（）， cmap=‘gray_r’）；
讓我們展示一些更多的影象，這將給我們一個怎樣的資料集的感覺。
figure = plt。figure（）num_of_images = 60for index in range（1， num_of_images + 1）： plt。subplot（6， 10， index） plt。axis（‘off’） plt。imshow（images［index］。numpy（）。squeeze（）， cmap=‘gray_r’）
這將生成一個隨機順序的網格影象。現在是時候開始定義我們將要使用的神經網路了。
第三步：構建神經網路
我們將構建下面的網路，正如你所看到的，它包含一個輸入層（第一層） ，一個由十個神經元（或單位，圓圈）組成的輸出層和兩個隱藏層。
PyTorch的 torch。nn 模組允許我們非常簡單地構建上述網路。它也非常容易理解。看看下面的程式碼。
input_size = 784hidden_sizes = ［128， 64］output_size = 10model = nn。Sequential（nn。Linear（input_size， hidden_sizes［0］）， nn。ReLU（）， nn。Linear（hidden_sizes［0］， hidden_sizes［1］）， nn。ReLU（）， nn。Linear（hidden_sizes［1］， output_size）， nn。LogSoftmax（dim=1））print（model）
nn。Sequential 是網路中的一層，包括三個線性層與 ReLU 啟用（一個簡單的函式，允許正值透過，而負值修改為零）。輸出層是一個線性層與 LogSoftmax 啟用，因為這是一個分類問題。
從技術上講，LogSoftmax 函式是一個柔性最大啟用函式的對數，正如它的名字所說，它看起來像這樣，如下所示。
接下來，我們定義 negative log-likelihood loss。用 C 類訓練一個分類問題是有用的。LogSoftmax（）和 NLLLoss （）一起充當交叉熵損失，如上面的網路體系結構圖所示。
另外，你一定想知道為什麼我們有784個單元在第一層。很好！這是因為我們在將影象輸入到神經網路之前先將其拉平。（28x28 = 784）
criterion = nn。NLLLoss（）images， labels = next（iter（trainloader））images = images。view（images。shape［0］， -1）logps = model（images） #log probabilitiesloss = criterion（logps， labels） #calculate the NLL loss
我們將在以後的文章中更多地討論神經網路、啟用函式、最佳化演算法等。
第四步：調整權重
神經網路透過對可用資料進行多次迭代學習。“學習”是指透過調整網路的權重使損失最小化。讓我們想象一下它是如何工作的。
print（‘Before backward pass： \n’， model［0］。weight。grad）loss。backward（）print（‘After backward pass： \n’， model［0］。weight。grad）
在反向傳播之前，模型權重被設定為預設的 none 值。有一次，我們呼叫了 backward（）函式來更新權重。
Before backward pass： NoneAfter backward pass： tensor（［［-0。0003， -0。0003， -0。0003， 。。。， -0。0003， -0。0003， -0。0003］， ［ 0。0008， 0。0008， 0。0008， 。。。， 0。0008， 0。0008， 0。0008］， ［-0。0037， -0。0037， -0。0037， 。。。， -0。0037， -0。0037， -0。0037］， 。。。， ［-0。0005， -0。0005， -0。0005， 。。。， -0。0005， -0。0005， -0。0005］， ［ 0。0043， 0。0043， 0。0043， 。。。， 0。0043， 0。0043， 0。0043］， ［-0。0006， -0。0006， -0。0006， 。。。， -0。0006， -0。0006， -0。0006］］）
第五步：核心訓練過程
這就是真正的魔術發生的地方。你的神經網路遍歷訓練集並更新權重。我們使用 PyTorch 提供的模組 torch。optim 對模型進行最佳化，執行梯度下降法分析，並透過反向傳播更新權值。因此，在每個epoch（遍歷訓練集的次數）中，我們將看到訓練損失的逐漸減少。
optimizer = optim。SGD（model。parameters（）， lr=0。003， momentum=0。9）time0 = time（）epochs = 15for e in range（epochs）： running_loss = 0 for images， labels in trainloader： # Flatten MNIST images into a 784 long vector images = images。view（images。shape［0］， -1） # Training pass optimizer。zero_grad（） output = model（images） loss = criterion（output， labels） #This is where the model learns by backpropagating loss。backward（） #And optimizes its weights here optimizer。step（） running_loss += loss。item（） else： print（“Epoch {} - Training loss： {}”。format（e， running_loss/len（trainloader）））print（“\nTraining Time （in minutes） =”，（time（）-time0）/60）
這可能需要一些時間來執行，並且因系統而異。
第六步：測試及評估
我們的工作幾乎完成了。模型已經準備好了，但是我們必須先對它進行評估。我建立了一個效用函式 view_classify （）來顯示影象和預測的類機率。
我從前面建立的驗證集中將一個影象傳遞給訓練好的模型，以檢視模型是如何工作的。
images， labels = next（iter（valloader））img = images［0］。view（1， 784）with torch。no_grad（）： logps = model（img）ps = torch。exp（logps）probab = list（ps。numpy（）［0］）print（“Predicted Digit =”， probab。index（max（probab）））view_classify（img。view（1， 28， 28）， ps）
現在，我們使用 for 迴圈迭代驗證集，並計算正確預測的總數。這就是我們計算準確度的方法。
correct_count， all_count = 0， 0for images，labels in valloader： for i in range（len（labels））： img = images［i］。view（1， 784） with torch。no_grad（）： logps = model（img） ps = torch。exp（logps） probab = list（ps。numpy（）［0］） pred_label = probab。index（max（probab）） true_label = labels。numpy（）［i］ if（true_label == pred_label）： correct_count += 1 all_count += 1print（“Number Of Images Tested =”， all_count）print（“\nModel Accuracy =”， （correct_count/all_count））
現在讓我們看看結果，這是最有趣的部分！
Number Of Images Tested = 10000Model Accuracy = 0。9751
哇！我們得到了超過97。5% 的準確率。這是值得慶祝的。我們之所以能得到如此高的精確度，是因為我們的資料集是乾淨的，有各種混亂的影象和大量的影象。這使得我們的模型能夠很好地識別大量看不見的數字。
第七步：儲存模型
現在我們已經把一切都做完了，我們不想失去這個訓練好的模型。我們不想每次使用它的時候都訓練它。為此，我們將儲存模型。當我們將來需要它的時候，我們可以直接載入並使用它，而不需要重新訓練。
torch。save（model， ‘。/my_mnist_model。pt’）
第一個引數是模型物件，第二個引數是儲存路徑。PyTorch 模型通常使用。pt或。pth作為模型字尾。
總結
我希望你喜歡構建神經網路的過程，訓練它，測試它，並最終儲存它。除了建立一個很酷的專案，你肯定還掌握了一些概念，學到了一些新東西。
