%20(2).svg)
项目简介
本项目借助深度学习技术，利用PyTorch框架构建手写数字识别系统，主要对MNIST数据集中的手写数字进行识别。项目涵盖模型的训练、评估、推理过程，还实现了相关工具，支持多种神经网络层的自定义实现，像卷积层、线性层、ReLU激活函数等。
项目的主要特性和功能
- 模型训练：能从MNIST数据集加载训练数据完成模型训练，并保存训练后的模型参数。
- 模型评估：可计算模型的准确率、精确率、召回率和F1分数，生成混淆矩阵以直观展示评估结果。
- 模型推理：能对新数据进行推理并输出预测结果。
- 自定义神经网络层：实现了卷积层、线性层、ReLU激活函数等多种神经网络层的自定义。
- 其他模型支持：除深度学习模型外，还支持SVM和决策树等传统机器学习模型。
安装使用步骤
1. 环境准备
确保已安装Python 3.x，并安装以下依赖库：
bash
pip install torch torchvision numpy pandas matplotlib
2. 下载项目源码
3. 配置文件设置
在项目根目录下找到config.yml文件，依据自身环境设置数据路径、模型保存路径等参数。
4. 模型训练
运行train.py文件进行模型训练：
bash
python train.py
5. 模型评估
训练完成后，运行evaluate.py文件进行模型评估：
bash
python evaluate.py
6. 模型推理
使用experiment.py文件进行模型推理，设置train参数为False：
bash
python experiment.py --train False
7. 其他模型测试
若要测试其他模型（如SVM或决策树），可运行相应的脚本文件：
bash
python other_models/SVM.py
python other_models/DecisionTree.py
通过以上步骤，可顺利使用本项目开展手写数字的识别任务。
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】