使用CNN实现MNIST手写数字识别的完整实战项目

本项目由RabiyaMalik242开发并开源在GitHub（项目链接：https://github.com/RabiyaMalik242/MNIST-CNN-Project），是一个基于TensorFlow/Keras构建的卷积神经网络(CNN)实战项目，用于MNIST手写数字分类。项目包含完整的模型训练、评估流程及Streamlit交互式Web应用部署，结构清晰、注释完善，是深度学习入门的优秀实践案例。

MNIST数据集是机器学习领域经典基准数据集，包含60,000张训练样本和10,000张测试样本，图像尺寸为28×28像素（灰度单通道）。数据集来自真实手写样本，经归一化处理，背景为黑色、数字为白色，因规模适中、类别平衡、难度合理成为标准验证数据集。本项目针对MNIST的10个数字类别（0-9）进行多分类任务。

网络架构

输入 → Conv2D（32个3×3核，ReLU）→ MaxPooling → Conv2D（64个3×3核，ReLU）→ MaxPooling → Flatten → Dense（128神经元，ReLU）→ Dropout（0.3）→ 输出（10神经元，Softmax）

关键选择

• 激活函数：隐藏层用ReLU（缓解梯度消失），输出层用Softmax（概率分布）
• 优化器：Adam（自适应学习率）
• 损失函数：分类交叉熵

训练配置

• 训练轮数：15
• 批次大小：32
• 数据预处理：图像归一化至0-1范围
• 验证策略：使用验证集分割监控训练

评估指标

包含准确率、精确率、召回率、F1分数、混淆矩阵及分类报告等多维度指标。

可视化工具

提供样本展示、类别分布、预处理对比、训练曲线、混淆矩阵热力图、预测示例等可视化。

性能结果

经过15轮训练，模型在测试集上达到约99%的准确率，损失值低且验证集与训练集性能接近，表明模型收敛良好且过拟合控制得当。

项目亮点之一是集成Streamlit Web应用，功能包括：

1. 画布绘制：用户可直接在网页画布手写数字
2. 图片上传：支持上传本地数字图像识别
3. 实时预测：提交后立即显示结果
4. 概率分布：展示模型对10个数字的预测置信度

应用将用户输入图像预处理为28×28灰度格式，输入训练好的CNN模型返回结果，适合教学展示与项目汇报。

CNN通过层次化特征学习实现数字识别：

• 浅层特征：早期卷积层学习边缘（水平、垂直、对角线）和简单纹理
• 中层特征：中间卷积层组合基础特征，形成数字轮廓（如0的圆形、1的竖线）
• 深层特征：全连接层整合空间特征，进行综合判断；Dropout层防止过拟合，增强泛化能力

使用指南

1. 环境配置：克隆仓库 → 安装依赖（TensorFlow、NumPy、Streamlit等）
2. 模型训练：运行Jupyter Notebook中的model.ipynb
3. 启动应用：执行streamlit run app.py，访问http://localhost:8501

优化方向

• 数据增强：随机旋转、平移、缩放等
• 超参数调优：学习率、卷积核数量、Dropout比率等
• 架构改进：添加Batch Normalization、残差连接
• 云端部署：AWS、HuggingFace Spaces等
• 画布优化：笔画平滑、中心对齐等

本项目完整展示了从数据准备、模型构建、训练优化到部署应用的机器学习工程流程。对于初学者，可通过复现项目理解CNN原理、TensorFlow/Keras使用、模型评估方法及端到端开发。MNIST作为入门数据集，虽简单但能奠定复杂计算机视觉任务的基础，建议初学者先复现再尝试扩展优化，深化深度学习理解。