# mnist-cnn-tutorial

**Repository Path**: xyxu421/mnist-cnn-tutorial

## Basic Information

- **Project Name**: mnist-cnn-tutorial
- **Description**: 基于 PyTorch 的 MNIST 手写数字识别教学项目 (MNIST Digit Recognition Teaching Project using PyTorch)
- **Primary Language**: Unknown
- **License**: GPL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-03-02
- **Last Updated**: 2026-03-02

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# MNIST 手写数字识别入门教学项目 (PyTorch)

本项目是一个专为深度学习初学者设计的 MNIST 手写数字识别教学示例。通过卷积神经网络 (CNN) 实现，包含了从数据处理、模型训练、可视化到交互式推理的全流程。

## 🌟 项目亮点

- **全流程覆盖**：包含数据加载、预处理、CNN 模型构建、训练循环、实时可视化、模型保存及推理。
- **高准确率**：模型在测试集上的准确率可达到 **99% 以上**。
- **教学导向**：代码包含详细的中文注释，解释了每一步的数学原理和 PyTorch 机制。
- **交互式 GUI**：提供了一个轻量级的交互界面，支持鼠标手写并实时识别。

## 📂 项目结构

```text
mnist_cnn/
├── mnist_tutorial.ipynb    # 核心教学 Notebook（包含原始数据预览、预处理检视及完整流程）
├── train.py                # 独立训练脚本（支持 GPU 加速，保存最优权重）
├── interactive_gui.py      # 基于 tkinter 的轻量级交互式手写识别界面
├── best_model.pth          # 训练完成后的最优模型权重文件
└── README.md               # 项目说明文档
```

## 🛠️ 环境配置

项目基于已配置好的 Conda `torch` 环境。如需手动配置，建议环境如下：

- Python 3.8+
- PyTorch (推荐 GPU 版本)
- torchvision
- matplotlib
- Pillow (用于 GUI 图像处理)
- tkinter (Python 内置)

安装依赖：
```bash
pip install torch torchvision matplotlib Pillow
```

## 🚀 使用指南

### 1. 交互式学习 (Notebook)
打开 `mnist_tutorial.ipynb`，按照步骤运行单元格。您可以：
- 查看最初始的 MNIST 图像。
- 理解数据归一化的原理。
- 观察训练过程中的 Loss 和 Accuracy 变化曲线。

### 2. 命令行训练
如果您想直接运行训练脚本：
```bash
python train.py
```
训练完成后，会自动保存 `best_model.pth`。

### 3. 交互式手写识别 (GUI)
运行以下命令启动手写识别界面：
```bash
python interactive_gui.py
```
在弹出窗口的黑色区域用鼠标写下数字，点击“识别”即可看到 AI 的预测结果及其置信度。

## 🧠 模型说明 (SimpleCNN)
模型包含：
- **2 个卷积层**：提取图像空间特征。
- **ReLU 激活函数**：引入非线性能力。
- **2x2 最大池化层**：降低维度，保留核心特征。
- **2 个全连接层**：将提取的特征映射到 10 个数字类别上。

---
*本项目作为深度学习入门范例，旨在帮助初学者快速掌握 PyTorch 的基本使用与 CNN 的工作原理。*