识别自己的数字

状态:待开始。 把训练结果接回真实输入,完成第一版。返回项目 Index

这一部分要回答什么

  • 没有标签时,模型怎样给出预测?
  • 单张图为什么仍然需要 batch 维?
  • 测试集效果好,为什么自己的数字可能识别错?
  • softmax 分数能说明什么,不能说明什么?

输入与输出

输入是保存的模型包和一张手写图片。输出是原图、处理后图、预测类别,以及可选的十类分布。空白图片返回输入提示。

动手任务

  1. 先做接受本地图片路径的独立识别入口,加载模型与配套配置;模型加载与单张图预测的职责分开。
  2. 复用模块 02 的来源适配和确定性输入处理,保留可查看的中间结果。
  3. 保持 [1,1,28,28] 输入,与模型使用同一设备;进入 eval 与关闭梯度记录的上下文后前向计算。
  4. 使用类别维 argmax 得到数字;需要展示分布时对 logits 做 softmax。明确显示这是模型分布,不能保证输入一定是有效数字。
  5. 每个数字先准备几张独立自写样本,建议总计至少 30 张,记录来源和真实标签;把调试集与后续验收集分开。
  6. 对比正确与错误样本的笔画大小、位置、极性、背景和书写风格。需要改变预处理或重训时留下前后对照,不只挑成功例子。
  7. 图片入口稳定后再做画板。画板输出同样进入这条输入链,记录画布分辨率、背景和笔刷宽度。

模型重载、eval 与推理模式可查 PyTorch 保存与加载,图片处理回看 02 · 图片预处理。

完成标准

  • 新进程可以仅凭模型包与图片完成识别
  • 结果同时展示原图、最终输入和预测,便于解释错误
  • 空白、透明背景、反色输入都有明确行为
  • 留下包含失败案例的自写样本记录,没有只展示成功样本
  • 能解释标准测试集与自己的书写之间的分布差异

我的实践记录

待补充:输入入口设计、样本清单、处理预览、预测记录、错误分类,以及修正前后的对照。

完成第一版的验收后,可以先进入 09 · 独立重构与复盘。后续再继续 07 · GPU 执行与性能 与 C++ / CUDA 路线。

所属项目

手写数字识别 从 NumPy 核心实现到 PyTorch 对照,按六阶段组织手写数字识别的模块、知识与实践。

关联知识

Softmax 与交叉熵 理解分类 logits、类别分布、监督损失与数值稳定性,连接手写实现与框架接口。 Pillow 图片读写、缩放、裁剪与颜色转换;进阶整理 EXIF 方向、透明叠加和固定尺寸封面。 PyTorch(torch) 张量、自动求导、训练与推理;进阶整理参数冻结和混合精度。