PyTorch实现CNN手写数字识别：从原理到实战

1. 从零构建CNN：MNIST手写数字识别实战

如果你刚接触深度学习，可能会觉得卷积神经网络(CNN)是个神秘的黑箱。但当我第一次用PyTorch实现CNN在MNIST数据集上跑出98%准确率时，才发现它的核心思想其实非常直观。今天我们就用不到100行代码，从零搭建一个能识别手写数字的CNN模型。

先看这个模型的整体结构：输入28x28的灰度图像，经过两个卷积层（分别用5x5卷积核提取特征）和最大池化层（2x2窗口下采样），最后通过全连接层输出0-9的分类结果。整个前向传播过程就像流水线一样清晰：

python复制class Net(torch.nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = torch.nn.Conv2d(1, 10, kernel_size=5)  # 第一层卷积
        self.conv2 = torch.nn.Conv2d(10, 20, kernel_size=5) # 第二层卷积
        self.pooling = torch.nn.MaxPool2d(2)  # 池化层
        self.fc = torch.nn.Linear(320, 10)    # 全连接层

    def forward(self, x):
        x = F.relu(self.pooling(self.conv1(x)))  # 卷积→池化→激活
        x = F.relu(self.pooling(self.conv2(x)))
        x = x.view(x.size(0), -1)  # 展平
        return self.fc(x)

关键细节：MNIST图像是单通道的，所以conv1的输入通道数为1。经过第一层卷积后，我们得到10个特征图（对应conv1的输出通道数），每个特征图都捕捉了不同的局部特征。

2. 数据准备与预处理实战技巧

处理图像数据时，合理的预处理能显著提升模型性能。对于MNIST数据集，我们采用以下标准化参数：

python复制transform = transforms.Comp