# LearnMNIST

**Repository Path**: daydreamer0213/learn-MNIST

## Basic Information

- **Project Name**: LearnMNIST
- **Description**: 这是一个使用PyTorch实现的MNIST手写数字识别深度学习项目。项目构建了一个卷积神经网络(CNN)来识别0-9的手写数字图像。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2025-07-22
- **Last Updated**: 2025-10-20

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## MNIST 手写数字识别项目说明

这是一个使用PyTorch实现的MNIST手写数字识别深度学习项目。项目构建了一个卷积神经网络(CNN)来识别0-9的手写数字图像。

### 项目概述

- **功能**: 使用深度学习模型识别MNIST手写数字数据集
- **框架**: 基于PyTorch深度学习框架
- **硬件支持**: 自动检测并使用GPU加速训练(如果可用)
- **模型结构**: 2层卷积神经网络

### 网络架构

[Net](file://e:\Git-demo\LearnMNIST\learn_MNIST.py#L60-L142)类定义了以下网络结构:

1. **卷积层**:
   - 第一层: [conv1](file://e:\Git-demo\LearnMNIST\learn_MNIST.py#L0-L0) - 输入通道1，输出通道32，5x5卷积核
   - 第二层: [conv2](file://e:\Git-demo\LearnMNIST\learn_MNIST.py#L0-L0) - 输入通道32，输出通道64，5x5卷积核

2. **池化层**:
   - 两个2x2最大池化层，分别跟在两个卷积层后

3. **正则化**:
   - [dropout](file://e:\Git-demo\LearnMNIST\learn_MNIST.py#L0-L0)层 - 50%的dropout率防止过拟合

4. **全连接层**:
   - [fc1](file://e:\Git-demo\LearnMNIST\learn_MNIST.py#L0-L0) - 输入特征1024，输出特征128
   - [fc2](file://e:\Git-demo\LearnMNIST\learn_MNIST.py#L0-L0) - 输入特征128，输出特征10(对应0-9数字)

5. **激活函数**:
   - ReLU激活函数用于隐藏层
   - LogSoftmax用于输出层

### 数据处理

- **数据集**: MNIST手写数字数据集(自动下载)
- **预处理**:
  - 转换为Tensor格式
  - 标准化处理(均值0.1307，标准差0.3081)
- **数据加载**:
  - 训练集: 批大小64，随机打乱
  - 测试集: 批大小1000，不打乱

### 训练配置

- **损失函数**: 负对数似然损失(`NLLLoss`)
- **优化器**: 随机梯度下降(`SGD`)
  - 学习率: 0.01
  - 动量: 0.5
- **训练轮数**: 10个epoch

### 使用方法

直接运行[learn_MNIST.py](file://e:\Git-demo\LearnMNIST\learn_MNIST.py)脚本即可:
```bash
python learn_MNIST.py
```

程序将自动:
1. 检查并使用可用设备(CUDA/CPU)
2. 下载MNIST数据集
3. 构建和训练模型
4. 显示训练进度和测试准确率
5. 绘制训练和测试损失曲线

### 输出结果

训练过程中会显示:
- 每100批次的训练损失
- 每个epoch后的测试准确率
- 最终的训练和测试损失曲线图

### 系统要求

- Python 3.x
- PyTorch
- torchvision
- matplotlib

> 注意: 首次运行时会自动下载MNIST数据集到`./data`目录