Hello MNIST

0. 前言

MNIST是一个被很多人玩过的数据集，就好比是深度学习领域的Hello World。Kaggle上有一堆Notebook，抄过来跑一跑，就能快速入门。

对于调包侠来说，很多时候不用去知道NN/DNN/CNN里面的具体实现。再加上这几年LLM大火，影响之一是如今的热点潮流变成了LLM而不是逐渐趋于传统的NN；影响之二是我们更加不需要再去花大量时间从零实现一个神经网络，甚至AI都能随手写出一个基于pytorch的MNIST识别器。

因此，本文只是留作记录，我不去分析NN的基础原理，而只是贴几个我曾经用来入门的Notebook，在这个AI时代留下一点印记。

1. 手撸的MNIST，从下载到从零推矩阵 [1]

先把MNIST数据集下载下来，pytorch, tensorflow都有自带的函数可以加载MNIST，第一次会先下载到本地，之后会直接从保存的地方读取。

train_dataset = torchvision.datasets.MNIST(
    root='../data',
    train=True,
    download=True,
    transform=None
)

test_dataset = torchvision.datasets.MNIST(
    root='../data',
    train=False,
    download=True,
    transform=None
)

之后这位大神[1]不靠任何框架，从零开始，加载数据集，写softmax函数，定义连接层，算loss，训练模型。跟着做一遍基本原理也就懂了。

2. 从DNN到CNN [2] [3]

精髓在这里，在pytorch框架下定义网络里各层的连接。这是DNN里最基础、最经典的一种，每一层的每一个神经元都与下一层的每一个神经元相连接，称为多层感知机(Multilayer Perceptron, MLP)，这个例子里除了输入层和输出层以外还有两个隐藏层。每一层都是nn.Linear()，是线性的。

import torch.nn as nn
import torch.nn.functional as F

# define the NN architecture
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        # number of hidden nodes in each layer (512)
        hidden_1 = 512
        hidden_2 = 512
        # linear layer (784 -> hidden_1)
        self.fc1 = nn.Linear(28 * 28, hidden_1)
        # linear layer (n_hidden -> hidden_2)
        self.fc2 = nn.Linear(hidden_1, hidden_2)
        # linear layer (n_hidden -> 10)
        self.fc3 = nn.Linear(hidden_2, 10)
        # dropout layer (p=0.2)
        # dropout prevents overfitting of data
        self.dropout = nn.Dropout(0.2)

    def forward(self, x):
        # flatten image input
        x = x.view(-1, 28 * 28)
        # add hidden layer, with relu activation function
        x = F.relu(self.fc1(x))
        # add dropout layer
        x = self.dropout(x)
        # add hidden layer, with relu activation function
        x = F.relu(self.fc2(x))
        # add dropout layer
        x = self.dropout(x)
        # add output layer
        x = self.fc3(x)
        return x

# initialize the NN
model = Net()
print(model)

而这是CNN，区别只在于定义层连接的时候，nn.Linear()变成了nn.Conv2d()，即线性层变成了卷积层。

class CNN(nn.Module):
    def __init__(self):
        super(CNN, self).__init__()
        self.conv1 = nn.Conv2d(1, 32, kernel_size=5)
        self.conv2 = nn.Conv2d(32, 32, kernel_size=5)
        self.conv3 = nn.Conv2d(32,64, kernel_size=5)
        self.fc1 = nn.Linear(3*3*64, 256)
        self.fc2 = nn.Linear(256, 10)

    def forward(self, x):
        x = F.relu(self.conv1(x))
        #x = F.dropout(x, p=0.5, training=self.training)
        x = F.relu(F.max_pool2d(self.conv2(x), 2))
        x = F.dropout(x, p=0.5, training=self.training)
        x = F.relu(F.max_pool2d(self.conv3(x),2))
        x = F.dropout(x, p=0.5, training=self.training)
        x = x.view(-1,3*3*64 )
        x = F.relu(self.fc1(x))
        x = F.dropout(x, training=self.training)
        x = self.fc2(x)
        return F.log_softmax(x, dim=1)
 
cnn = CNN()
print(cnn)

然而，最简单的方法其实是对Amazon Q说：“帮我写一个基于pytorch的可以识别MNIST数据集的CNN”，或者“我现在有一个DNN，帮我把它改成CNN”。

Hello MNIST

0. 前言

1. 手撸的MNIST，从下载到从零推矩阵 [1]

2. 从DNN到CNN [2] [3]

参考资料