简介这份源码资源面向希望用深度学习做数字识别的Python开发者与初学者提供了一套基于卷积神经网络CNN的完整实现方案可解决自定义图片数据难以直接用于模型训练的问题。包内共11个文件以py脚本、pyc编译文件、png示例图片、txt说明、md文档及tar数据包为主压缩包约252KB涵盖数据预处理、模型训练与识别三大环节。其中预处理脚本可将图像转为MNIST格式数据集支持二值化与灰度图处理训练脚本支持GPU加速识别功能通过特征模块中的identify函数调用训练好的模型完成。README与代码注释给出了清晰的使用指引读者按步骤运行即可跑通从数据转换到数字识别的全流程适合作为深度学习入门练手或课程设计参考。目前已有44人学习下载。1. 从一份 CNN 数字识别源码说起它到底能跑出什么结果很多人第一次接触深度学习都是从 MNIST 手写数字识别开始的。你拿到一份「基于 Python 的 CNN 数字识别系统」源码最关心的其实不是它用了多少层卷积而是这东西能不能在我机器上跑起来、识别准不准、我能不能换成自己的图片测一测。数字识别看起来简单但它把深度学习最核心的几件事全串起来了——数据加载、卷积特征提取、池化降维、全连接分类、损失反向传播、模型保存与推理。把这套流程吃透你再去碰更复杂的图像任务心里就有底了。这份源码适合两类人一类是刚学完 Python 基础、想找一个能跑通的最小深度学习项目练手的新手另一类是想快速验证 CNN 效果、需要一个干净基线做对比的从业者。它解决的核心问题是给你一个从训练到推理的完整闭环而不是只丢给你一个模型定义文件。下面我按「环境怎么搭 → 数据怎么处理 → 网络怎么搭 → 怎么训练 → 怎么推理 → 坑在哪」的顺序把这份源码拆开讲清楚。2. 环境搭建与依赖安装把 Python 和深度学习框架装对2.1 选 Python 3.8 还是更新版本源码类项目最怕的就是环境不兼容。我一般建议用 Python 3.8 到 3.10 之间的版本太老的版本装不上新版框架太新的版本又可能遇到某些库还没适配。如果你机器上还没有 Python去官网下载安装包时记得勾选「Add Python to PATH」否则后面在命令行里敲python会提示找不到命令。装完之后用下面两条命令确认版本和 pip 是否正常python --version pip --version第一条输出类似Python 3.9.13第二条输出 pip 的版本和对应的 Python 路径。如果 pip 版本太老先升级一下python -m pip install --upgrade pip这里用python -m pip而不是直接pip是为了确保你升级的是当前这个 Python 解释器对应的 pip避免多环境时升错地方。2.2 安装 PyTorch 还是 TensorFlow这份源码标题只说了 CNN没指定框架。常见做法是二选一PyTorch 或 TensorFlow/Keras。我一般会先看源码里 import 的是torch还是tensorflow然后装对应的。以 PyTorch 为例CPU 版本安装命令如下pip install torch torchvision如果你有 NVIDIA 显卡并且想用 GPU 加速去 PyTorch 官网根据 CUDA 版本生成对应的安装命令不要直接抄别人的。装完之后验证一下import torch print(torch.__version__) print(torch.cuda.is_available())第一行打印版本号第二行返回True或False。返回False不代表装错了只是说明当前用的是 CPU对小规模 MNIST 来说 CPU 完全够用。另外源码里大概率还会用到numpy、matplotlib一并装上pip install numpy matplotlibnumpy负责数组运算matplotlib用来画训练曲线和预览图片。如果你在 VS Code 里跑记得把解释器切到刚才装好库的那个 Python 环境否则会出现「明明装了却 import 失败」的玄学问题。2.3 目录结构与运行入口拿到源码压缩包后先别急着跑花两分钟看清楚目录。典型结构是一个train.py负责训练一个predict.py或inference.py负责推理一个model.py定义网络外加一个data文件夹放 MNIST 数据。先确认入口文件是哪个再看它 import 了哪些本地模块。如果 import 报错说找不到某个模块多半是工作目录不对——在命令行里cd到源码根目录再运行而不是在别的路径下用绝对路径去调。提示不要一上来就改代码。先原封不动跑通一次确认环境和数据都没问题再去动超参数。这是排查问题时最重要的基线。3. 数据加载与预处理MNIST 读进来之后做了什么3.1 MNIST 数据的来源与自动下载MNIST 包含 6 万张训练图和 1 万张测试图每张是 28×28 的灰度手写数字。用 PyTorch 的torchvision.datasets可以自动下载不用你手动去找数据集from torchvision import datasets, transforms transform transforms.Compose([ transforms.ToTensor(), # 把 PIL 图片转成张量并归一化到 [0,1] transforms.Normalize((0.1307,), (0.3081,)) # 按 MNIST 全局均值和标准差做标准化 ]) train_dataset datasets.MNIST(root./data, trainTrue, downloadTrue, transformtransform) test_dataset datasets.MNIST(root./data, trainFalse, downloadTrue, transformtransform)ToTensor()做了两件事把像素值从 0-255 缩放到 0-1并把维度从 HWC 转成 CHW这是 PyTorch 卷积层要求的格式。Normalize里的 0.1307 和 0.3081 是 MNIST 训练集的全局均值和标准差用它们标准化能让训练更稳。这两个数字是固定的不用自己算。3.2 DataLoader 的 batch_size 和 shuffle 怎么设数据集对象只是描述了数据真正喂给网络要靠 DataLoaderfrom torch.utils.data import DataLoader train_loader DataLoader(train_dataset, batch_size64, shuffleTrue) test_loader DataLoader(test_dataset, batch_size1000, shuffleFalse)batch_size64是常见起点显存或内存不够就降到 32 或 16想训练快一点可以升到 128但太大可能影响收敛。训练集shuffleTrue是为了打乱顺序防止模型学到样本排列的规律测试集设False因为评估时顺序无所谓而且方便复现结果。num_workers在 Windows 上建议保持默认 0设大了反而容易报多进程相关的错。3.3 数据增强要不要加MNIST 本身比较干净一般不需要复杂增强。但如果你想提升泛化能力可以加一点随机旋转或平移transform transforms.Compose([ transforms.RandomAffine(degrees10, translate(0.1, 0.1)), transforms.ToTensor(), transforms.Normalize((0.1307,), (0.3081,)) ])degrees10表示随机旋转正负 10 度translate(0.1,0.1)表示水平和垂直方向各随机平移 10%。注意增强只加在训练集上测试集保持原始变换否则评估结果会失真。新手常犯的错就是训练和测试用了同一套带增强的 transform导致测试准确率虚高或波动大。4. CNN 网络结构卷积、池化、全连接怎么搭4.1 一个能跑通的 CNN 定义下面是一个经典的两层卷积结构源码里大概率长这样import torch.nn as nn import torch.nn.functional as F class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 nn.Conv2d(1, 32, 3, 1) # 输入1通道输出32通道3x3卷积核步长1 self.conv2 nn.Conv2d(32, 64, 3, 1) # 输入32通道输出64通道 self.fc1 nn.Linear(9216, 128) # 64*12*129216接128维全连接 self.fc2 nn.Linear(128, 10) # 输出10类对应数字0-9 def forward(self, x): x F.relu(self.conv1(x)) # 第一次卷积激活 x F.max_pool2d(x, 2) # 2x2最大池化尺寸减半 x F.relu(self.conv2(x)) # 第二次卷积激活 x F.max_pool2d(x, 2) # 再次池化 x torch.flatten(x, 1) # 展平成一维保留batch维度 x F.relu(self.fc1(x)) # 全连接激活 x self.fc2(x) # 输出层不加softmax return xConv2d(1, 32, 3, 1)四个参数分别是输入通道、输出通道、卷积核大小、步长。第一层输入通道是 1因为 MNIST 是灰度图如果是彩色图就要改成 3。fc1的输入维度 9216 是算出来的28×28 经过两次 3×3 卷积每次减 2和两次 2×2 池化每次减半最终是 64×12×12。这个数字必须和前面的输出对上改网络结构时最容易在这里翻车。4.2 为什么输出层不加 softmax很多人会问分类任务为什么最后一层不接 softmax因为 PyTorch 的CrossEntropyLoss内部已经包含了log_softmax如果你在模型里再加一个 softmax等于做了两次会导致梯度变小、训练变慢。所以训练时模型直接输出 logits推理时想要概率再手动加 softmax。4.3 参数量与显存估算这个网络参数量大概在 120 万左右其中绝大部分集中在fc1那一层9216×128≈118 万。MNIST 图片小所以全连接层反而成了参数大户。如果你想减小模型可以把fc1的 128 降到 64或者用全局平均池化替代展平。显存方面batch_size64 时 CPU 内存占用不到 1GB普通笔记本完全能跑。5. 训练循环与参数调优loss 不降怎么办5.1 标准训练循环拆解import torch import torch.optim as optim device torch.device(cuda if torch.cuda.is_available() else cpu) model Net().to(device) optimizer optim.Adam(model.parameters(), lr1e-3) criterion nn.CrossEntropyLoss() for epoch in range(1, 6): model.train() for batch_idx, (data, target) in enumerate(train_loader): data, target data.to(device), target.to(device) optimizer.zero_grad() # 清空上一轮梯度 output model(data) # 前向传播 loss criterion(output, target) # 计算损失 loss.backward() # 反向传播 optimizer.step() # 更新参数 if batch_idx % 100 0: print(fEpoch {epoch} [{batch_idx*len(data)}/{len(train_loader.dataset)}] Loss: {loss.item():.4f})optimizer.zero_grad()必须放在反向传播之前否则梯度会累加。model.train()和后面的model.eval()切换很重要涉及 Dropout 和 BatchNorm 的行为差异。学习率lr1e-3是 Adam 的常用值如果 loss 震荡厉害就降到 1e-4收敛太慢就升到 3e-3 试试。5.2 训练多久、准确率到多少算正常MNIST 上这个网络通常 3 到 5 个 epoch 就能到 99% 左右的测试准确率。如果第 1 个 epoch 结束 loss 还在 2.3 附近不动说明有问题——最常见的是数据没标准化、学习率太大、或者标签和输出对不上。正常情况第 1 个 epoch 结束 loss 应该降到 0.1 以下。5.3 评估与保存模型model.eval() correct 0 with torch.no_grad(): for data, target in test_loader: data, target data.to(device), target.to(device) output model(data) pred output.argmax(dim1) correct pred.eq(target).sum().item() print(fTest Accuracy: {100. * correct / len(test_loader.dataset):.2f}%) torch.save(model.state_dict(), mnist_cnn.pt)torch.no_grad()关闭梯度计算省内存也更快。保存用state_dict()而不是整个模型对象这样加载时只要重新实例化网络结构再load_state_dict就行兼容性更好。6. 推理与踩坑排查换自己的图片为什么识别错6.1 用保存的模型做单张推理from PIL import Image model Net().to(device) model.load_state_dict(torch.load(mnist_cnn.pt, map_locationdevice)) model.eval() img Image.open(my_digit.png).convert(L) # 转灰度 img transform(img).unsqueeze(0).to(device) # 加batch维度 with torch.no_grad(): output model(img) pred output.argmax(dim1).item() print(f预测数字: {pred})convert(L)确保是单通道灰度图unsqueeze(0)在第 0 维加一个 batch 维度因为网络要求输入是[N, C, H, W]。这两步漏掉任何一个都会报维度错误。6.2 避坑清单五个血泪教训现象一训练 loss 一直不降。原因通常是数据没有做 Normalize或者学习率设得过大导致震荡。解决方法是先确认 transform 里有没有 Normalize再把学习率降到 1e-4 观察。现象二测试准确率很高但自己拍的图片全识别错。原因是 MNIST 是黑底白字、数字居中且经过尺寸归一化而你拍的照片往往是白底黑字、数字偏大或偏小。解决方法是先把图片二值化、反色、裁剪到数字区域再缩放到 28×28。现象三RuntimeError: Given groups1, weight of size...。这是卷积层输入通道数不对多半是你把彩色图直接喂给了第一层输入通道为 1 的网络。解决方法是推理前convert(L)转灰度。现象四GPU 上训练正常CPU 上加载模型报错。原因是保存时模型在 GPU 上加载时没有指定map_location。解决方法是torch.load(..., map_locationcpu)。现象五每次运行结果都不一样。这是正常的因为权重初始化和 shuffle 都有随机性。想复现就固定随机种子import torch, numpy as np, random torch.manual_seed(42) np.random.seed(42) random.seed(42)7. 把准确率再往上推一点几个我常用的技巧训练到 99% 之后很多人就停了。但如果你想把这份源码改造成自己的项目有几个技巧值得试。第一个是学习率调度前几个 epoch 用 1e-3后面降到 1e-4往往能再涨 0.1 到 0.2 个百分点。用torch.optim.lr_scheduler.StepLR几行就能加上scheduler optim.lr_scheduler.StepLR(optimizer, step_size2, gamma0.5) # 在每个 epoch 训练结束后调用 scheduler.step()step_size2表示每 2 个 epoch 调整一次gamma0.5表示学习率乘以 0.5。第二个技巧是模型集成。训练 3 个结构相同但随机种子不同的模型推理时把它们的输出概率平均取最大值对应的类别。这个方法在 MNIST 上能把准确率推到 99.5% 以上代价是推理时间翻三倍。对于数字识别这种轻量任务完全可接受。第三个技巧是错误样本分析。把测试集里预测错的图片挑出来可视化你会发现大部分错误集中在书写潦草的 4 和 9、3 和 5 之间。针对这些类别做定向增强比如对 4 和 9 加更多旋转样本比盲目加层数有效得多。技巧预期收益代价学习率调度0.1%~0.2%几乎无模型集成3个0.3%~0.5%推理时间×3定向数据增强0.2%~0.4%需分析错误样本加深网络可能不涨反降训练变慢、易过拟合最后说个我自己的习惯每次改完超参数我都会把训练日志和测试准确率记在一个表格里而不是凭记忆。有一次我调了半天以为学习率有问题翻记录才发现是某次改网络结构时把fc1的输入维度写错了白白折腾一晚上。这种后悔药没处买只能靠记录。希望这份拆解能帮你少走点弯路把这份源码真正变成自己的东西。本文还有配套的精品资源点击获取