Upload README.md with huggingface_hub

README.md

@@ -0,0 +1,151 @@
+---
+library_name: transformers
+tags:
+- mnist
+- cnn
+- image-classification
+- pytorch
+- computer-vision
+- digit-recognition
+license: mit
+---
+
+# 郭靖 MNIST CNN Model
+
+## 模型描述
+
+这是一个基于CNN的MNIST手写数字识别模型，名为"郭靖"。模型使用PyTorch实现，并与Hugging Face Transformers生态系统完全兼容。
+
+## 模型架构
+
+- **卷积层**: 2个卷积块，每个块包含2个卷积层 + 批归一化 + ReLU + 最大池化 + Dropout
+- **全连接层**: 2个全连接层（带批归一化和Dropout）
+- **输出层**: 10个类别（数字0-9）
+- **参数量**: 约168万可训练参数
+
+## 训练详情
+
+- **数据集**: MNIST手写数字数据集
+- **优化器**: Adam
+- **损失函数**: 交叉熵损失
+- **学习率调度**: ReduceLROnPlateau
+- **准确率**: 在测试集上达到 >98% 的准确率
+
+## 使用方法
+
+### 基本使用
+```python
+from transformers import AutoModelForImageClassification, AutoImageProcessor
+from PIL import Image
+import torch
+
+# 加载模型和处理器
+model = AutoModelForImageClassification.from_pretrained("Akimotorakiyu/GuoJing-model")
+processor = AutoImageProcessor.from_pretrained("Akimotorakiyu/GuoJing-model")
+
+# 加载并预处理图像
+image = Image.open("path/to/your/image.png").convert("L")  # 转换为灰度图
+inputs = processor(images=image, return_tensors="pt")
+
+# 推理
+with torch.no_grad():
+    outputs = model(**inputs)
+    predicted_class = outputs.logits.argmax(-1).item()
+    print(f"Predicted digit: {predicted_class}")
+```
+
+### 批量推理
+```python
+import torch
+from torchvision import datasets, transforms
+from transformers import AutoModelForImageClassification
+
+# 加载模型
+model = AutoModelForImageClassification.from_pretrained("Akimotorakiyu/GuoJing-model")
+model.eval()
+
+# 数据预处理
+transform = transforms.Compose([
+    transforms.ToTensor(),
+    transforms.Normalize((0.1307,), (0.3081,))
+])
+
+# 加载测试数据
+test_dataset = datasets.MNIST(root='./data', train=False, download=True, transform=transform)
+test_loader = torch.utils.data.DataLoader(test_dataset, batch_size=32)
+
+# 评估
+correct = 0
+total = 0
+with torch.no_grad():
+    for images, labels in test_loader:
+        outputs = model(pixel_values=images)
+        _, predicted = torch.max(outputs.logits, 1)
+        total += labels.size(0)
+        correct += (predicted == labels).sum().item()
+
+print(f'Test Accuracy: {100 * correct / total:.2f}%')
+```
+
+## 模型配置
+
+```python
+{
+  "conv_channels": [32, 64],
+  "conv_kernel_size": 3,
+  "conv_padding": 1,
+  "pool_kernel_size": 2,
+  "pool_stride": 2,
+  "conv_dropout": 0.25,
+  "fc_dropout": 0.5,
+  "hidden_size": 512,
+  "input_channels": 1,
+  "num_classes": 10,
+  "image_size": 28,
+  "normalize_mean": 0.1307,
+  "normalize_std": 0.3081
+}
+```
+
+## 训练数据预处理
+
+- `ToTensor()`: 将PIL图像转换为张量
+- `Normalize((0.1307,), (0.3081,))`: MNIST标准化值
+
+## 性能指标
+
+- **训练准确率**: >99%
+- **测试准确率**: >98%
+- **推理速度**: <1ms per image (on GPU)
+
+## 模型文件说明
+
+- `pytorch_model.bin`: 训练好的模型权重
+- `config.json`: 模型配置文件
+- `preprocessor_config.json`: 图像预处理配置
+
+## 技术特点
+
+- ✅ Transformers生态系统兼容
+- ✅ AutoClass支持
+- ✅ 批量推理优化
+- ✅ GPU/CPU双支持
+- ✅ 内存效率优化
+
+## 限制和注意事项
+
+1. 模型专门针对MNIST数据集训练，主要用于手写数字识别
+2. 输入图像应为28x28像素的灰度图像
+3. 对于其他类型的图像识别任务，需要重新训练
+
+## 许可证
+
+MIT License
+
+## 作者
+
+Akimotorakiyu
+
+---
+
+**注意**: 这是一个名为"郭靖"的MNIST分类模型，以纪念这位武侠小说中的传奇人物，象征着模型的稳健和可靠。