PyTorch深度學(xué)習(xí)項(xiàng)目教程課件：手寫數(shù)字識別

PyTorch深度學(xué)習(xí)項(xiàng)目教程

手寫數(shù)字識別HANDWRITTENDIGITRECOGNITION要點(diǎn)：人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的基本概念、PyTorch庫介紹、PyTorch開發(fā)環(huán)境的配置、深度學(xué)習(xí)領(lǐng)域的HelloWorld

項(xiàng)目背景ProjectBackground要點(diǎn)：手寫識別應(yīng)用廣泛。問題：傳統(tǒng)方法在處理手寫數(shù)字識別問題時(shí)過于依賴人工制定的規(guī)則或者手工提取的特征，這種方法面臨著泛化能力差、復(fù)雜度高的問題。解決：深度學(xué)習(xí)模型直接將手寫數(shù)字圖像像素作為輸入，通過逐層學(xué)習(xí)抽取特征，最后得到準(zhǔn)確的分類結(jié)果，整個(gè)過程不需要依賴人工提取特征，而是通過模型自身學(xué)習(xí)到有效的特征表示。知識目標(biāo)KnowledgeObjectives理解人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的基本概念熟悉機(jī)器學(xué)習(xí)的基本工作流程，包括數(shù)據(jù)預(yù)處理、模型訓(xùn)練、模型評估和模型部署掌握Python繪圖庫PyPlot的基本使用方法，能夠繪制手寫數(shù)字識別過程中的曲線圖掌握PyTorch框架的基本使用方法，能夠構(gòu)建、訓(xùn)練和測試一個(gè)簡單的手寫數(shù)字識別神經(jīng)網(wǎng)絡(luò)能力目標(biāo)AbilityGoals能夠獨(dú)立搭建Anaconda開發(fā)環(huán)境，包括Python、numpy、Matplotlib等庫的安裝能夠訪問英偉達(dá)官網(wǎng)并按照指南完成CUDA環(huán)境的安裝及配置，以便支持GPU加速計(jì)算能夠獨(dú)立完成PyTorch框架的安裝及配置，并在PyTorch環(huán)境中實(shí)現(xiàn)手寫數(shù)字識別模型素養(yǎng)目標(biāo)ProfessionalAttainments培養(yǎng)辯證性思維和問題解決能力培養(yǎng)實(shí)踐操作能力培養(yǎng)對人工智能領(lǐng)域的興趣和社會責(zé)任感目錄任務(wù)1初識深度學(xué)習(xí)任務(wù)2配置PyTorch開發(fā)環(huán)境任務(wù)3快速完成手寫數(shù)字識別功能01任務(wù)1初識深度學(xué)習(xí)1.1人工智能自然界四大奧秘：物質(zhì)的本質(zhì)、宇宙的起源、生命的本質(zhì)、智能的發(fā)生對智能還沒有確切的定義，主要流派有：（1）思維理論：智能的核心是思維（2）知識閾值理論：智能取決于知識的數(shù)量及一般化程度（3）進(jìn)化理論：用控制取代知識的表示—控制：操控和制造

智能是知識與智力的總和知識是一切智能行為的基礎(chǔ)獲取知識并應(yīng)用知識求解問題的能力人工智能：用人工的方法在機(jī)器（計(jì)算機(jī)）上實(shí)現(xiàn)的智能；或者說是人們使機(jī)器具有類似于人的智能1.2機(jī)器學(xué)習(xí)我們學(xué)習(xí)機(jī)器的語言機(jī)器學(xué)習(xí)我們的語言1.2機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)MachineLearning機(jī)器學(xué)習(xí)(MachineLearning)是一種人工智能技術(shù),它對研究問題進(jìn)行模型假設(shè),利用計(jì)算機(jī)從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)得到模型參數(shù),并最終對新的數(shù)據(jù)進(jìn)行預(yù)測和分析。1980年起，以決策樹、貝葉斯模型和支持向量機(jī)為代表的機(jī)器學(xué)習(xí)技術(shù)得到了發(fā)展，通過特征工程（FeatureEngineering），利用專家經(jīng)驗(yàn)，人工對數(shù)據(jù)進(jìn)行清洗提煉，讓計(jì)算機(jī)具備一定的環(huán)境理解和預(yù)測推理能力。機(jī)器學(xué)習(xí)算法處理流程1.3深度學(xué)習(xí)訓(xùn)練：基于樣本數(shù)據(jù)集自主進(jìn)行特征提取的過程推理：新的數(shù)據(jù)集上進(jìn)行預(yù)測的過程物聯(lián)網(wǎng)大數(shù)據(jù)云計(jì)算深度學(xué)習(xí)：層次網(wǎng)狀結(jié)構(gòu)，可以自動學(xué)習(xí)數(shù)據(jù)特征的分布規(guī)律02任務(wù)2配置PyTorch開發(fā)環(huán)境2.1PyTorch概述基于Python的科學(xué)計(jì)算庫，用于構(gòu)建深度學(xué)習(xí)模型的開源機(jī)器學(xué)習(xí)框架語法簡潔開發(fā)高效運(yùn)行快速資料豐富2.2硬件配置2.3軟件配置2.3.1Python環(huán)境的安裝1.訪問清華大學(xué)開源鏡像網(wǎng)站并跳轉(zhuǎn)到最新安裝包下載頁面2.3.1Python環(huán)境的安裝2.下載最新的安裝包，注意時(shí)間順序2.3.1Python環(huán)境的安裝3.下載后按照步驟安裝，對應(yīng)步驟截圖參考如下，詳細(xì)可見教材，安裝盤注意選擇空間較大的磁盤！?。∽⒁狻癈reatestartmenushortcuts”務(wù)必勾選?。。?.3.1Python環(huán)境的安裝4.在win11的搜索欄中可以輸入【AnacondaPrompt】,快速彈出命令行界面在彈出的Anaconda控制臺中，輸入python,出現(xiàn)Python環(huán)境提示信息，證明Python安裝成功，鍵入“exit()”退出python環(huán)境，關(guān)閉對話框。2.3.2CUDA環(huán)境安裝CUDA11.8和配套cuDnn：CUDA12.x：一般而言，計(jì)算機(jī)的中央處理器（CPU）會針對單線程性能進(jìn)行優(yōu)化，但不擅長處理計(jì)算密集型任務(wù)，因此需要借助顯卡的圖形處理單元（GPU）進(jìn)行計(jì)算。CUDA是英偉達(dá)專為GPU上的通用計(jì)算開發(fā)的并行計(jì)算平臺和編程模型。在經(jīng)GPU加速的應(yīng)用中，工作負(fù)載的串行部分在CPU上運(yùn)行，而應(yīng)用的計(jì)算密集型部分則以并行方式在數(shù)千個(gè)GPU核心上運(yùn)行。深度神經(jīng)網(wǎng)絡(luò)庫(cuDNN)可以加速PyTorch等深度學(xué)習(xí)框架，能夠以高度優(yōu)化的方式實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)中的前向和反向卷積、池化層、歸一化和激活層等操作。cuDNN:解壓下載后的cuDNN壓縮包，選中其中bin、include和lib三個(gè)文件夾，拷貝到cuda安裝目錄下，一般為：C:\ProgramFiles\NVIDIAGPUComputingToolkit\CUDA\vX.XcuDnn版本要和CUDA版本對應(yīng)2.3.2CUDA環(huán)境安裝將cuDNN拷貝到CUDA目錄2.3.3PyTorch安裝condacreate-nlearn-pytorchpython=3.9#pytorch環(huán)境創(chuàng)建condaactivatelearn-pytorch#激活該環(huán)境pipconfigsetglobal.index-url#更換pytorch安裝源pip3installtorchtorchvisiontorchaudio--index-url打開AnacondaPrompt，依次輸入：安裝pytorch成功截圖2.3.3PyTorch安裝pythonimporttorchprint(torch.cuda.is_available())驗(yàn)證安裝是否成功，依次輸入：驗(yàn)證pytorch及CUDA是否安裝成功2.3.4PyCharm安裝及配置PyCharm下載網(wǎng)址為

如果有edu郵箱，可以下載專業(yè)版（Professional），否則可以下載社區(qū)版（Community）。2.3.4PyCharm安裝及配置①項(xiàng)目創(chuàng)建②③④PyCharm的使用開發(fā)環(huán)境選擇2.3.4PyCharm安裝及配置程序主界面PyCharm的使用創(chuàng)建Python程序2.3.4PyCharm安裝及配置編寫代碼及運(yùn)行PyCharm的使用03任務(wù)3完成手寫數(shù)字識別功能深度學(xué)習(xí)的HelloWorld3.1手寫識別開發(fā)流程創(chuàng)建數(shù)據(jù)集創(chuàng)建深度學(xué)習(xí)模型訓(xùn)練和評估模型保存和導(dǎo)出模型預(yù)測結(jié)果新的圖片73.2MNIST手寫數(shù)據(jù)集MNIST數(shù)據(jù)集中的數(shù)字圖片是由250個(gè)不同職業(yè)的人純手寫繪制，數(shù)據(jù)集官方網(wǎng)址為：

包含有60000張圖片作為訓(xùn)練集數(shù)據(jù)，10000張圖片作為測試集數(shù)據(jù)，且每一個(gè)訓(xùn)練元素都是28×28像素的手寫數(shù)字圖片，每一張圖片代表的是從0到9中的每個(gè)數(shù)字?jǐn)?shù)據(jù)集大小[60000,784]（60000,28x28)標(biāo)簽表示:one-hot編碼類別0:[1,0,0,0,0,0,0,0,0,0]類別1:

[0,1,0,0,0,0,0,0,0,0]

類別2:

[0,0,1,0,0,0,0,0,0,0]…3.3完成代碼編寫1.創(chuàng)建Chp12.創(chuàng)建utils.py①繪制曲線②顯示手寫文字③標(biāo)簽轉(zhuǎn)為one-hot3.創(chuàng)建mnist_recognize.py①加載訓(xùn)練集②加載測試集③數(shù)據(jù)可視化④定義網(wǎng)絡(luò)模型⑤訓(xùn)練網(wǎng)絡(luò)模型⑥網(wǎng)絡(luò)推理上個(gè)任務(wù)已完成項(xiàng)目創(chuàng)建通過可視化工具監(jiān)測訓(xùn)練效果和模型性能具體代碼參見教材，運(yùn)行結(jié)果，準(zhǔn)確率a