基于深度学习的手写数字识别

在 MNIST 上把 MLP 基线与 SimpleCNN、LeNet-5、DeepCNN、ResNet 四种 CNN 拉通对比：从展平全连接到卷积、残差，讲清 CNN 为什么强、强在哪——配 CNN 特征提取原理图、效率分析、混淆矩阵的一条完整图像分类流水线，代码、文档、讲解资料全配齐。

  • 任务类型计算机视觉
  • 专业方向计算机 · 人工智能

数据与任务

样本量MNIST · 7 万张手写数字
核心方法MLP + 4 种 CNN 对比
技术栈PyTorch · ResNet

手写数字识别是计算机视觉里最经典的题目之一，但越是经典的题，越能看出一个人讲不讲得透。这个项目没有停在"跑通 MNIST、拿个 99%"，而是把 MLP 一路对比到 ResNet，把"CNN 凭什么比全连接强"这条主线讲明白——这恰恰是面试官最爱顺着追问的地方。

配套也给你备齐了，帮你真正搞懂它、在面试和答辩里讲明白：带中文注释、能读懂的代码，一份从背景一直讲到每步实现的技术文档，一份把可能被追问的点连参考答案都写好的项目讲解资料，还有一整套能直接做 PPT 的配图。

flowchart LR A["MNIST 手写数字<br/>(28×28 灰度)"] --> B["数据增强<br/>+ 划分"] B --> C["五种网络<br/>MLP / 4×CNN"] C --> D["统一评估<br/>混淆矩阵 / F1"] C --> E["效率分析<br/>精度 vs 参数量"] D --> F["选出最优模型<br/>ResNet 99.41%"] E --> F

先说清楚，它到底在做什么

把一张 28×28 的手写数字图判成 0–9，难点不在"识别"本身，而在于怎么把图像喂给模型。最朴素的做法是把图片展平成 784 维向量丢进全连接网络（MLP），但这样一来像素的空间排布全被打散了——"7"那一横一撇的位置关系没了，模型只能靠记忆硬背。CNN 的卷积核在图上滑动，保留了局部结构，靠局部连接、权值共享、层次化特征一层层把边缘、笔画、结构提取出来，这才是它在图像上碾压 MLP 的根本原因。

这个项目就围绕这条对比主线展开：从 MNIST 七万张图出发，先做数据增强与训练/验证/测试划分，再把 MLP 基线和 SimpleCNN、LeNet-5、DeepCNN、ResNet 四种 CNN 放在同一套训练策略下对比，用混淆矩阵、F1、精度-参数量效率分析评估，最后落到"为什么 CNN 更强、强在哪、哪种结构性价比最高"。

MNIST 各类数字样本
MNIST 十类数字样本——同一个数字也有粗细、倾斜、连笔的差异，这正是分类要攻克的难点。

搞懂它，你能在面试里讲清楚什么

把下面几件事吃透，面试官顺着问下来你都能接得住。

CNN 凭什么比 MLP 强，强在"保留空间结构"。 这是整个项目的题眼，也是这道经典题最能讲出深度的地方。你要能讲清楚 MLP 展平丢掉了像素的空间关系，而卷积靠局部连接、权值共享，把图像从边缘特征→笔画特征→结构特征层层抽象出来——同样的任务，CNN 用更少的参数就拿到更高的精度。下面这张原理图把这件事画得非常透。

CNN 特征提取原理
照着这张图，能把"MLP 展平丢空间信息 vs CNN 层次化提特征"从头到尾讲明白。

五种网络的结构差异，以及残差连接解决了什么。 项目把 MLP、SimpleCNN、经典 LeNet-5、带 BatchNorm 的 DeepCNN、引入残差块的 ResNet 摆在一起。你能借此讲清楚卷积+池化的基本套路、BatchNorm 为什么能加速收敛，以及 ResNet 的残差连接（shortcut）如何让深层网络不再退化——这几乎是 CV 面试的必考点。

五种模型架构对比
照着这张图，能把从全连接到卷积、再到残差的五种结构逐一讲清楚。

怎么把"对比实验"讲漂亮，而不只是报一个准确率。 评价模型不能只看精度。项目用"精度 vs 参数量"的效率分析点出：ResNet 只用 20 万参数就拿到最高的 99.41%，反而比 120 万参数的 DeepCNN 更划算。你能借此讲清楚模型选型要在精度和成本之间权衡——这是把项目从"刷分"提升到"会分析"的关键。

下面这组分析图也都给你做好了，可以直接放进答辩或面试 PPT：

效率分析
精度 vs 参数量效率分析
混淆矩阵
五模型混淆矩阵对比
性能雷达图
多指标综合性能雷达

更关键的是，每张图怎么跑出来的、该怎么解读，技术文档里都讲清楚了——你能说明白每张图到底说明了什么。

面试官会问的，都帮你备好了

随便感受几个这个项目真实会被追问的问题：

  • 为什么 CNN 在图像上比 MLP 好？局部连接和权值共享分别是什么意思？
  • ResNet 的残差连接（shortcut）解决了什么问题？为什么深层网络会退化？
  • 参数量更大的 DeepCNN 反而不如 ResNet 准，你怎么解释？模型选型该看什么？

看到会愣一下？正常。配套的项目讲解资料把这个项目——从整体思路到每个流程细节、各种可能被追问的点——连参考答案都给你写好了。另外还有现成的简历描述，照着改就能写进简历；那套配图也能直接套进 PPT 模板，快速出一份面试 / 答辩 PPT。

配套资料：搞懂一个项目需要的，这里全都有

先看那份技术文档——从研究背景、数据集分析、五种模型设计，一直讲到实验结果与误差分析，图文并茂：

文档封面
封面 + 目录
数据页
数据集与样本分析
结果页
混淆矩阵与误差分析

代码也给你了——关键部分都带着中文注释，帮你读懂"它到底是怎么实现的"：

残差块代码
ResNet 残差块实现
训练循环代码
单轮训练循环

技术文档、项目讲解资料、源码注释、整套配图——搞懂一个项目、并在面试里讲清楚它，需要的全都备齐了。

适合谁

不管你是赶毕设、想给简历添个有分量的项目，还是在准备面试，这个题目都接得住。专业上，计算机、人工智能、软件工程、电子信息、模式识别方向都很合适。手写数字识别是公认的深度学习"第一课"，而"MLP 到 ResNet 的递进对比 + 效率分析 + 可解释的原理讲解"这条主线，把它从单纯刷分提升到能讲出技术深度——真正搞懂、能讲出来，就是一个能写进简历、撑得起面试的项目。

想把这样的项目做成你简历上的亮点？

这是一套配齐了代码、文档、面试问答和配图的 AI+X 项目，可写进简历、在面试里讲清楚。 想做同类项目、或获取「基于深度学习的手写数字识别」的完整资料（代码 / 数据处理流程 / 论文文档 / 配图）， 请联系为你介绍本页面的老师咨询，按你的情况定一个合适的项目。