加载中…学习浦育平台上的手写数字识别
(2024-06-18 15:37:53)| 分类： 研究-学习 |
很早前就关注了浦育平台，一直想实践学习。一来没有完整的时间，二来有时学着学着就伴随着各种坑而原地踏步了。
最近在看杨立昆和李飞飞的自传，这两个深度学习的大神在书中都提到了彼此，看了他们的故事，不知不觉中也强化了自己对AI的学习热情。
杨提到了他们90年代末开发的AI识别手写数字的故事，后来在邮政分拣系统中使用、在识别银行支票数字金额中使用，取得了较好的识别效果，这个手写体的数据集名叫mnist，模型用了杨立昆的名字命名LeNet。（Le
Cun）
看了这些再看上海人工智能实验室谢作如老师他们开发的6行代码实现手写数字识别的程序，感觉一下子就顺畅了很多。
由此也生出了一个通过了解历史、情境代入式的学习方式，更易于打开学习通道，提升学习潜力。
===============
#导入基础库
from MMEdu import
MMClassification as cls
#第一步：实例化模型
model = cls(backbone='LeNet') #
实例化模型为model
#第二步：配置基本信息
model.num_classes = 10 #
手写体的类别是0-9，共十类数字
model.load_dataset(path='/data/mnist') #
从指定数据集路径中加载数据
model.save_fold =
'checkpoints/cls_model/231221' # 模型保存路径，可自定义最后一个文件名
#第三步：开始训练模型
#cpu训练，GPU训练在参数中加入device='cuda'即可
model.train(epochs=10, lr=0.01,
validate=True) # 训练模型（CPU）
-==================
昨天使用在线版本运行了一遍，还比较顺利，之前执行不过去的语句基本上一遍到两遍就顺利通过了。主要学习了手写数字的训练以及手写数字的识别，对基本过程有了更深入的体会。
昨天在手写数字训练后的具体识别环节还出了一个小插曲，一开始我在画图中书写的数字（黑底白字）怎么都不能正确识别，我还以为是训练阶段出现了问题，特意又继续训练了一遍，发现还是同样的问题，手写了多个数字都不能准确识别。
后来想到查看例程中的数字图片，一看只有28*28像素大小，而我在画图中直接生成的图片都是几个M的大小。立马在PS中新建了28*28的黑色背景PNG图片，在“画图”软件中画出数字，导入程序中便能够准确识别。
今天想体验一把在本机运行的过程，pip了MMedu，后来按照出错提示又pip
mmcv，【为提高速度可以在后面切换镜像如清华大学镜像 pip install -i
https://pypi.tuna.tsinghua.edu.cn/simple some-package
】又请教群里陆雅楠老师下载了mnist数据集，但是运行还是一再出错，直到最后提示“OSError: [WinError 193] %1
不是有效的 Win32 应用程序。”发现这基本不是简单的pip安装库能够解决的问题了。
转念一想，之前也学习过他们介绍的MMEdu本地化部署的一键安装包（计算机视觉库MMEdu —
OpenXLabEdu 文档
(xedu.readthedocs.io)）。期望能实现在本机运行的朴素愿望。
喜欢
0
赠金笔
前一篇：AI相关知识准备
后一篇：项目式学习中的驱动性问题