基于PyTorch搭建前馈神经网络实现手写体数字识别：从模型构建到生产部署全流程

1次阅读

共计 1773 个字符，预计需要花费 5 分钟才能阅读完成。

MNIST 数据集包含 60,000 张训练图像和 10,000 张测试图像，每张都是 28×28 像素的手写数字灰度图。这个数据集之所以经典，是因为它足够小（适合快速验证），但又能体现真实场景的变异性（不同书写风格）。前馈神经网络 (FNN) 在这里的优势很明显：

图像尺寸固定，适合全连接层处理
数字识别是典型非线性分类问题，FNN 能通过激活函数学习复杂模式
计算量适中，在 CPU 上也能快速训练

PyTorch 的 torchvision 已经内置了 MNIST 数据加载器，但我们需要做关键处理：

将图像像素值从 [0,255] 归一化到[0,1]
用均值 0.1307 和标准差 0.3081 进行标准化（这是 MNIST 的统计特性）

import torchvision.transforms as transforms

transform = transforms.Compose([transforms.ToTensor(),
    transforms.Normalize((0.1307,), (0.3081,))
])

我们的网络包含三个全连接层：

输入层：28×28=784 个神经元
隐藏层：512 个神经元，使用 ReLU 激活
输出层：10 个神经元（对应 0 - 9 数字），使用 LogSoftmax

数学上看，隐藏层的计算过程是：

h = ReLU(W1 * x + b1)
output = LogSoftmax(W2 * h + b2)

使用 PyTorch Lightning 规范代码结构，关键组件包括：

import pytorch_lightning as pl
import torch.nn.functional as F

class MNISTModel(pl.LightningModule):
    def __init__(self):
        super().__init__()
        self.fc1 = nn.Linear(784, 512)
        self.fc2 = nn.Linear(512, 10)

    def forward(self, x):
        x = x.view(-1, 784)  # 展平输入
        x = F.relu(self.fc1(x))
        return F.log_softmax(self.fc2(x), dim=1)

    def training_step(self, batch, batch_idx):
        x, y = batch
        loss = F.nll_loss(self(x), y)  # 负对数似然损失
        return loss

    def configure_optimizers(self):
        return torch.optim.Adam(self.parameters(), lr=0.001)

太小（如 32）：更新频繁但梯度噪声大
太大（如 1024）：内存压力大且可能陷入局部最优
推荐值：128-256 之间

使用 ReduceLROnPlateau 策略：

scheduler = {
    'scheduler': torch.optim.lr_scheduler.ReduceLROnPlateau(
        optimizer, 
        patience=3,
        verbose=True
    ),
    'monitor': 'val_loss'
}

实测在 NVIDIA T4 上：

CPU：约 90 秒 /epoch
GPU：约 15 秒 /epoch

将 FP32 转为 INT8：

model = torch.quantization.quantize_dynamic(model, {torch.nn.Linear}, dtype=torch.qint8
)

输入校验必不可少：

def preprocess(input_image):
    assert input_image.shape == (1,28,28), "Invalid input shape"
    assert input_image.min() >= 0 and input_image.max() <= 1, "Pixel value out of range"

建议指标：