# PYTORCH_MLP_MNIST_QUESTION

**Repository Path**: taozawa/PYTORCH_MLP_MNIST_QUESTION

## Basic Information

- **Project Name**: PYTORCH_MLP_MNIST_QUESTION
- **Description**: 本项目使用gradio应用在 minist 上训练的MLP模型进行手写数字识别。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 310
- **Created**: 2024-04-25
- **Last Updated**: 2024-05-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# MLP手写数字识别
![输入图片说明](%E6%95%88%E6%9E%9C%E6%88%AA%E5%9B%BE/%E4%BB%A3%E7%A0%81%E8%BF%90%E8%A1%8C.png)
![输入图片说明](%E6%95%88%E6%9E%9C%E6%88%AA%E5%9B%BE/%E6%95%88%E6%9E%9C%E6%88%AA%E5%9B%BE.png)
## 项目简介
这个项目包含两个主要的Python脚本：`train_and_sava_model.py` 和 `opytorch_mlp_app.py`。

`train_and_sava_model.py` 脚本用于定义MLP底层模型，它首先加载手写数字数据集，然后通过模型的编译与训练获取模型在测试集上的准确率。最后，它将MLP模型保存到一个keras文件中。

`pytorch_mlp_app.py` 脚本使用[Gradio](https://www.gradio.app/)库创建一个web应用，该应用可以接收用户的手写数字图像输入，然后使用之前保存的MLP模型进行预测，最后返回预测的数字。Gradio库使得创建这个用户友好的界面变得简单快捷。

## 安装
以下是安装步骤：

1. 克隆这个仓库到你的本地机器上。
2. 安装必要的Python库，包括sklearn，matplotlib，pickle，tqdm，gradio，numpy，PIL和cv2。
3. 运行脚本，生成MLP模型并启动web应用。

## 使用
以下是如何使用我们的项目：

1. 在你的浏览器中打开web应用。
2. 在sketchpad中绘制一个数字。
3. 点击“提交”，你将看到模型预测的数字。

## 个人信息

- 学号: 202152320123
- 年级: 2021
- 专业: 智能科学与技术
- 班级: 1 班