Handwritten Digit Recognition Using Deep Learning

مشروع تصنيف الأرقام المكتوبة بخط اليد باستخدام التعلم العميق وPyTorch.

تم بناء نموذج Convolutional Neural Network (CNN) قادر على تحليل صور الأرقام المكتوبة بخط اليد والتعرف على الرقم الموجود في الصورة، من 0 إلى 9، باستخدام مجموعة بيانات MNIST.

يتضمن المشروع:

- تجهيز وتحميل بيانات MNIST باستخدام PyTorch وTorchvision.

- تحويل الصور إلى Tensors وتجهيزها للتدريب.

- استخدام DataLoader لتقسيم البيانات إلى Batches.

- بناء نموذج CNN من الصفر باستخدام PyTorch.

- استخدام طبقات Convolution وReLU وMax Pooling.

- استخدام Fully Connected Layers لإجراء التصنيف النهائي.

- تدريب النموذج لمدة 5 Epochs باستخدام Adam Optimizer وCross Entropy Loss.

- اختبار النموذج على بيانات لم يسبق له رؤيتها.

- حساب دقة النموذج على مجموعة الاختبار.

- عرض مجموعة من الصور مع الرقم الحقيقي والتوقع الذي قام به النموذج.

الهدف من المشروع هو تطبيق وفهم دورة العمل الكاملة لمشاريع تصنيف الصور باستخدام PyTorch، بدايةً من تجهيز البيانات وحتى تدريب النموذج واختباره وعرض النتائج.

التقنيات المستخدمة:

Python • PyTorch • Torchvision • CNN • Deep Learning • Computer Vision • MNIST