【PyTorch实战】从零构建CNN模型：MNIST手写数字识别全流程解析
1. 环境准备与数据加载
第一次接触PyTorch时，我对着官方文档折腾了半天环境配置。后来发现用Anaconda管理Python环境真是省心，这里分享我的配置经验。建议先安装Anaconda最新版，然后创建专属环境：
conda create -n pytorch_env python=3.8 conda activate pytorch_env conda install pytorch torchvision torchaudio -c pytorch安装完成后别急着写代码，先用个简单命令验证是否成功：
import torch print(torch.__version__) # 应该输出类似1.12.1的版本号 print(torch.cuda.is_available()) # 检查GPU是否可用MNIST数据集就像机器学习界的"Hello World"，包含6万张训练图和1万张测试图。我第一次加载数据时犯过低级错误——忘记设置download=True，结果代码报错半天找不到原因。正确的加载方式是这样的：
transform = transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.1307,), (0.3081,)) # MNIST的均值和标准差 ]) train_data = datasets.MNIST( root='./data', train=True, transform=transform, download=True # 这个参数新手最容易漏掉 )数据可视化是检查数据质量的关键步骤。有次我发现准确率死活上不去，后来可视化才发现数据预处理出了问题。用这个代码可以快速查看前9张图片：
fig, axes = plt.subplots(3, 3, figsize=(8,8)) for i, ax in enumerate(axes.flat): ax.imshow(train_data[i][0].squeeze(), cmap='gray') ax.set_title(f"Label: {train_data[i][1]}") plt.tight_layout()2. 构建CNN模型架构
设计CNN模型时，我走过不少弯路。刚开始照搬VGG的深层网络，结果在MNIST上效果反而不好。后来明白对于28x28的小图，简单结构反而更有效。这个经典结构我用了上百次：
class CNN(nn.Module): def __init__(self): super().__init__() self.conv_layers = nn.Sequential( nn.Conv2d(1, 32, 3, padding=1), # 保持尺寸不变 nn.ReLU(), nn.MaxPool2d(2), nn.Conv2d(32, 64, 3, padding=1), nn.ReLU(), nn.MaxPool2d(2) ) self.fc_layers = nn.Sequential( nn.Linear(64*7*7, 128), nn.ReLU(), nn.Linear(128, 10) ) def forward(self, x): x = self.conv_layers(x) x = x.view(x.size(0), -1) # 展平操作 return self.fc_layers(x)模型参数初始化很重要。曾经因为没初始化导致训练不收敛，现在我会在模型中加入初始化逻辑：
def _initialize_weights(self): for m in self.modules(): if isinstance(m, nn.Conv2d): nn.init.kaiming_normal_(m.weight, mode='fan_out') if m.bias is not None: nn.init.constant_(m.bias, 0)调试模型时有个实用技巧——打印各层输出尺寸。在forward方法里插入print语句，能快速定位维度不匹配的问题：
def forward(self, x): print(x.shape) # 调试用 x = self.conv1(x) print(x.shape) # 每层都打印 ...3. 训练过程与技巧
训练循环看似简单，但魔鬼在细节里。我总结了几点经验：
- 学习率设置：用学习率调度器比固定学习率效果好很多
optimizer = torch.optim.Adam(model.parameters(), lr=0.001) scheduler = torch.optim.lr_scheduler.StepLR(optimizer, step_size=5, gamma=0.1)- 早停机制：防止过拟合的利器
best_acc = 0 for epoch in range(20): train(...) val_acc = evaluate(...) if val_acc > best_acc: best_acc = val_acc torch.save(model.state_dict(), 'best_model.pth') patience = 0 else: patience += 1 if patience >= 3: # 连续3轮无提升则停止 break- 混合精度训练：能大幅减少显存占用
scaler = torch.cuda.amp.GradScaler() with torch.cuda.amp.autocast(): outputs = model(inputs) loss = criterion(outputs, labels) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update()记录训练指标时，推荐使用TensorBoard而不是简单打印：
from torch.utils.tensorboard import SummaryWriter writer = SummaryWriter() writer.add_scalar('Loss/train', loss.item(), global_step) writer.add_scalar('Accuracy/train', acc, global_step)4. 模型评估与部署
测试模型时最容易犯的错误是忘记model.eval()。有次我在测试集上得到99%准确率，实际部署时却只有60%，就是因为漏了这行代码：
model.eval() # 关键！关闭Dropout和BN的随机性 with torch.no_grad(): for data, target in test_loader: output = model(data) ...保存模型时，我建议同时保存优化器状态和epoch信息：
checkpoint = { 'epoch': epoch, 'model_state': model.state_dict(), 'optimizer_state': optimizer.state_dict(), 'best_acc': best_acc } torch.save(checkpoint, 'full_checkpoint.pth')部署模型到生产环境时，记得做输入验证。有次线上服务崩溃，就是因为用户上传了彩色图片：
def preprocess(image): if image.mode != 'L': image = image.convert('L') # 强制转灰度 if image.size != (28,28): image = image.resize((28,28)) ...最后分享一个实用技巧：用Gradio快速搭建演示界面：
import gradio as gr def recognize_digit(image): image = preprocess(image) with torch.no_grad(): pred = model(image) return str(pred.argmax().item()) gr.Interface(fn=recognize_digit, inputs="sketchpad", outputs="label").launch()