Pytorch入门（一）：MNIST-手写数字识别-搭建网络模型

前言

作为刚入门深度学习的一位初学者来说，各种各样的学习资料、视频让我看得头昏眼花。明明本来是想了解Pytorch使用方法，莫名其妙看了一个多小时的算法推理，原理逻辑，让人很是苦恼。于是在自己学习了一段时间后，打算做出这个pytorch的系列教程，就是想让大家基于项目进行实战，更多地了解pytorch这个深度学习框架。废话不多说，我们开始第一期的实战之旅。

搭建环境

作为一个基础教程，我们从搭建环境开始做起，本篇环境搭建适用于windows用户。

python环境安装

这个不多讲了，直接官网下载一个版本的python安装即可。

深度学习环境安装

本篇文章着重讲的部分就是安装pytorch，在此之前，你需要确保电脑上已经进行了python的安装，并且配置了系统的环境变量，否则在这一步将会出现各种问题。所有由于python没有安装导致的问题，这篇文章不进行解答。
首先，进入pytorch，根据自己的需求选择相应的安装方式。pytorch官方网站

一般我们选择的时候都是选stable版本，也就是稳定版，这样用的过程中不会出现一些奇奇怪怪的问题。
这里注意一下，电脑操作系统的版本、python包管理器的类型、编程语言、是否下载GPU版本的pytorch，这些选项都会影响最后红框中生成的命令。
我这里选择GPU版本的pytorch，因为自己的显卡是N卡3060，如果大家没有显卡可以下载CPU类型的pytorch，作为初学深度学习者，CPU版本也就够用了。

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

由于pytorch的包托管在境外，下载的速度会比较慢，这里建议选择国内镜像源进行下载。
下载完成之后可以进行验证，看是否能够正确识别到电脑显卡。

import torch
print(torch.cuda.is_available())

如果输出是True说明GPU版本的pytorch已经安装完成，现在就可以来进行搭建网络的操作了。

模型搭建

在搭建模型前，我们可以自己进行网络结构的设计，或者也可以参考他人的网络的结构，进行设计。这里我们从下面这张网络结构图进行设计。
在设计网络之前，我们首先需要了解我们的数据集是什么大小，以及我们期望的输出是什么样的。由于MNIST数据集已经提前帮我们确定好了这些，所以我们只需要记住就行。MNIST数据集是每张图片都是由1个单通道28x28像素构成的。我们最终需要网络给我们预测10中数字的概率，所以网络的最终的输出应该是10。知道了这些，我们就可以开始着手设计网络。
pytorch中提供了很方便的方式，我们只需要通过不到100行代码便可以设计出一个优雅的网络出来。

from torch import nn

class MyNet(nn.Module):
    def __init__(self):
        """
        初始化神经网络
        :param args:
        :param kwargs:
        """
        super(MyNet, self).__init__()
        self.conv1 = nn.Conv2d(1, 28, 5, padding=2)
        self.maxpool1 = nn.MaxPool2d(2)
        self.drop1 = nn.Dropout(0.5)
        self.conv2 = nn.Conv2d(28, 28, 5, padding=2)
        self.maxpool2 = nn.MaxPool2d(2)
        self.drop2 = nn.Dropout(0.5)
        self.conv3 = nn.Conv2d(28, 64, 5, padding=2)
        self.maxpool3 = nn.MaxPool2d(2)
        self.flatten = nn.Flatten()
        self.linear1 = nn.Linear(576, 64)
        self.linear2 = nn.Linear(64, 10)

    def forward(self, x):
        """
        前向传播函数
        :param x: input
        :return:
        """
        x = self.conv1(x)
        print(x.shape)
        x = self.maxpool1(x)
        x = self.drop1(x)
        x = self.conv2(x)
        x = self.maxpool2(x)
        x = self.drop2(x)
        x = self.conv3(x)
        x = self.maxpool3(x)
        x = self.flatten(x)
        x = self.linear1(x)
        x = self.linear2(x)
        return x

如此，我们的网络就搭建好了，我们试着实例化该网络，然后输出看下它的结构。

model = MyNet()
print(model)
//输出的网络结构如下
MyNet(
  (conv1): Conv2d(1, 28, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2))
  (maxpool1): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  (drop1): Dropout(p=0.5, inplace=False)
  (conv2): Conv2d(28, 28, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2))
  (maxpool2): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  (drop2): Dropout(p=0.5, inplace=False)
  (conv3): Conv2d(28, 64, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2))
  (maxpool3): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  (flatten): Flatten(start_dim=1, end_dim=-1)
  (linear1): Linear(in_features=576, out_features=64, bias=True)
  (linear2): Linear(in_features=64, out_features=10, bias=True)
)

本次的文章到这里就结束了，后续系列将继续对MNIST手写数据网络搭建及训练+预测进行教学，我们下期再见！