基于Pytorch的手写数字识别系统

基于Pytorch的手写数字识别

实现了基于MNIST训练数据集版本和自制数据集版本的手写数字识别。
对CUDA和MPS做了对应优化，提高了识别准确度和速度。

上手指南

克隆此项目

git clone https://github.com/wmh1024/HandwrittenNumeralRecognition.git

基于MNIST训练数据集版本

python DataByMNIST.py

基于自制数据集版本

python DataByMyData.py

使用到的框架

• pytorch
• matplotlib
• numpy

训练结果

测试设备：MacBook Air 2020 M1 8G内存 使用MPS优化

对于MNIST训练数据集

版本	准确率	训练时间	epoch
MNIST数据集	99.170%	155.95s	10

对于自制数据集

版本	准确率	训练时间	epoch
自制数据集	60.00%	26.50s	20

对于MPS优化（基于MNIST数据集）

版本	准确率	训练时间	epoch
CPU	99.180%	313.33s	10
MPS	99.170%	155.95s	10

测试结果仅供参考，具体结果请根据自己的数据集进行测试。

如何参与开源项目

贡献使开源社区成为一个学习、激励和创造的绝佳场所。你所作的任何贡献都是非常感谢的。

1. Fork the Project
2. Create your Feature Branch (git checkout -b feature/AmazingFeature)
3. Commit your Changes (git commit -m 'Add some AmazingFeature')
4. Push to the Branch (git push origin feature/AmazingFeature)
5. Open a Pull Request

版本控制

该项目使用 Git 进行版本管理。您可以在repository参看当前可用版本。

开发者

• wmh
• B1ld
• 伊伊得一
• 好想吃烤鱼饭

您也可以在贡献者名单中参看其他参与该项目的开发者。

版权说明

该项目签署了MIT授权许可，详情请参阅 LICENSE.txt