Determining-the-handmade-number-using-PyTorch

Проект для распознавания рукописных цифр (от 0 до 9) с использованием библиотеки PyTorch и датасета MNIST.

📋 Содержание

• О проекте
• Технологии
• Установка
• Объяснение кода
• Архитектура модели
• Результаты
• Структура проекта
• Возможные улучшения
• Автор

🎯 О проекте

Цель проекта — научить компьютер распознавать рукописные цифры с помощью нейронной сети. Используем датасет MNIST — популярный набор из 70,000 изображений цифр размером 28x28 пикселей.

Что делает проект:

• Загружает датасет MNIST
• Обучает простую нейронную сеть
• Тестирует модель на новых данных
• Показывает точность распознавания
• Визуализирует примеры цифр

🛠 Технологии

• Python 3.x
• PyTorch - библиотека для создания нейронных сетей
• TorchVision - загрузка и обработка изображений
• NumPy - работа с массивами и числами
• Matplotlib - создание графиков и визуализаций
• tqdm - красивый индикатор прогресса

📦 Установка

1. Клонируйте репозиторий:

git clone https://github.com/Gando4lapi/Determining-the-handmade-number-using-PyTorch
cd Determining-the-handmade-number-using-PyTorch

2. Установите зависимости:

pip install torch torchvision numpy matplotlib tqdm

📖 Объяснение кода

1. Загрузка данных MNIST

from torchvision import datasets, transforms

# Загружаем обучающие данные
mnist_train = datasets.MNIST(root='./datasets', train=True, 
                           transform=transforms.ToTensor(), download=True)

# Загружаем тестовые данные  
mnist_test = datasets.MNIST(root='./datasets', train=False,
                          transform=transforms.ToTensor(), download=True)

Что происходит:

• Скачиваем датасет MNIST с 60,000 обучающих и 10,000 тестовых изображений
• ToTensor() превращает картинки в числовые массивы для PyTorch

2. Подготовка загрузчиков данных

from torch.utils.data import DataLoader

train_loader = DataLoader(mnist_train, batch_size=100, shuffle=True)
test_loader = DataLoader(mnist_test, batch_size=100, shuffle=False)

Что происходит:

• Разбиваем данные на пачки по 100 изображений
• Перемешиваем обучающие данные для лучшего обучения
• Тестовые данные не перемешиваем

3. Создание модели

import torch.nn as nn

class LogisticRegressionModel(nn.Module):
    def __init__(self):
        super().__init__()
        # Слой который превращает 784 пикселя в 10 цифр
        self.linear = nn.Linear(28*28, 10)

    def forward(self, x):
        # Превращаем картинку 28x28 в вектор из 784 чисел
        x = x.view(-1, 28*28)
        # Применяем линейное преобразование
        return self.linear(x)

Что происходит:

• Создаём простую модель - один слой
• Вход: 784 пикселя (28x28 картинка)
• Выход: 10 чисел (вероятности для цифр 0-9)

4. Настройка обучения

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

model = LogisticRegressionModel()
optimizer = optim.SGD(model.parameters(), lr=0.1)

Что происходит:

• Создаём экземпляр нашей модели
• Выбираем оптимизатор SGD с шагом обучения 0.1
• Оптимизатор будет улучшать параметры модели

5. Процесс обучения

from tqdm import tqdm

model.train()  # Переводим модель в режим обучения
for images, labels in tqdm(train_loader):
    optimizer.zero_grad()                    # Очищаем старые градиенты
    outputs = model(images)                  # Получаем предсказания
    loss = F.cross_entropy(outputs, labels)  # Считаем ошибку
    loss.backward()                          # Вычисляем градиенты
    optimizer.step()                         # Обновляем параметры

Что происходит:

1. Берём пачку изображений и правильных ответов
2. Пропускаем изображения через модель
3. Сравниваем предсказания с правильными ответами
4. Корректируем параметры модели, чтобы уменьшить ошибку

6. Проверка качества

model.eval()  # Переводим в режим тестирования
correct = 0
total = 0

with torch.no_grad():  # Отключаем вычисление градиентов
    for images, labels in test_loader:
        outputs = model(images)
        _, predicted = torch.max(outputs, 1)  # Выбираем самый вероятный класс
        correct += (predicted == labels).sum().item()
        total += labels.size(0)

print(f'Test accuracy: {correct / total:.4f}')

Что происходит:

• Проверяем модель на тестовых данных
• Считаем сколько цифр угадали правильно
• Вычисляем точность в процентах

🏗 Архитектура модели

Простыми словами:

• Наша модель - это очень простая нейронная сеть
• Она берёт картинку 28x28 пикселей (784 числа)
• Превращает их в 10 чисел (оценки для каждой цифры 0-9)
• Самое большое число показывает, какая цифра на картинке

Технические детали:

• Тип: Логистическая регрессия (линейный классификатор)
• Входной размер: 784 (28×28 пикселей)
• Выходной размер: 10 (классы 0-9)
• Функция потерь: CrossEntropyLoss
• Оптимизатор: SGD с learning rate = 0.1

📊 Результаты

• Точность на тестовых данных: ~91%

👤 Автор

Капник Данил

• GitHub: @Gando4lapi
• Email: kapnik.dan@gmail.com

---

⭐ Поставьте звездочку, если проект был полезен!