深度学习手写字符识别：推理过程

说明

本篇博客主要是跟着B站中国计量大学杨老师的视频实战深度学习手写字符识别。
第一个深度学习实例手写字符识别

深度学习环境配置

可以参考下篇博客，网上也有很多教程，很容易搭建好深度学习的环境。
Windows11搭建GPU版本PyTorch环境详细过程

数据集

手写字符识别用到的数据集是MNIST数据集（Mixed National Institute of Standards and Technology database）；MNIST是一个用来训练各种图像处理系统二进制图像数据集，广泛应用到机器学习中的训练和测试。
作为一个入门级的计算机视觉数据集，发布20多年来，它已经被无数机器学习入门者应用无数遍，是最受欢迎的深度学习数据集之一。

手写字符识别模型训练

可以参考下篇博客：
深度学习手写字符识别：训练模型

手写字符识别推理过程

1. 选用训练好的模型output/params_yl.pth
   

2. Pycharm运行AI_course/classify_pytorch/test_mnist.py文件，输入的手写字符图片里的数字是“4”。
   

3. 推理源码如下：

import torch
import cv2
from torch.autograd import Variable
from torchvision import transforms
from models.cnn import Net
from toonnx import to_onnx

use_cuda = False
model = Net(10)
# 注意：此处应把pth文件改为你训练出来的params_x.pth，x为epoch编号，
# 一般来讲，编号越大，且训练集（train）和验证集（val）上准确率差别越小的（避免过拟合），效果越好。
model.load_state_dict(torch.load('output/params_yl.pth'))
# model = torch.load('output/model.pth')
model.eval()
if use_cuda and torch.cuda.is_available():
    model.cuda()

#to_onnx(model, 3, 28, 28, 'output/params.onnx')

img = cv2.imread('4_00440.jpg')
img = cv2.resize(img, (28, 28))
img_tensor = transforms.ToTensor()(img)
img_tensor = img_tensor.unsqueeze(0)
if use_cuda and torch.cuda.is_available():
    prediction = model(Variable(img_tensor.cuda()))
else:
    prediction = model(Variable(img_tensor))
pred = torch.max(prediction, 1)[1]
print(prediction)
print(pred)
cv2.imshow("image", img)
cv2.waitKey(0)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

4. 运行结果：打印其张量，可以看到用训练模型output/params_yl.pth的推理后结果，输入一张手下字4，最终推理结果是4；打印出0-9数字的概率，可以看到“4”的概率最高。
   
5. 验证推理有效性：为了验证其推理的真实性，重新手写一个手写字符。注意，得和训练集里的字符一样，黑底白字形式。

• 手写“0”，识别出来的是“0”
  
  
• 手写“3”，识别出来的是“3”
  
  
• 手写“5”，识别出来的是“7”，可以看到识别错了。
  
  

6. 验证推理结果，额外手写了3个字符，未使用测试集里的手写字符验证，对了2个，错了1个；识别率有待提高，可能需要更多次的epoch。

后续

• 下一篇章跟着视频进行手写字符识别的代码解析。