Pytorch学习记录-使用Pytorch进行深度学习，60分钟

首页.jpg
使用Pytorch进行深度学习，60分钟闪电战
本次课程的目标：

• 从更高水平理解Pytorch的Tensor（张量）和神经网络
• 训练一个小的图像分类神经网络
  注意确定已经安装了torch和torchvision

训练一个分类器

上一节粗略地看到如何定义神经网络、计算损失、更新网络权重数据，但是，数据呢？

数据

通常来说，当你需要处理图片、文字、音频或视频数据时，你可以使用标准python包加载数据到numpy中，然后将这些数据转为torch.*Tensor。

• 图像使用Pillow或是OpenCV
• 音频使用scipy或是librosa
• 文本使用NLTP或是Spacy
  为了可视化，Pytorch提供一个包torchvision，它包含常用数据集（Imagenet、CIFAR10、MNIST等）的加载，同时还有转换图像用的工具。
  在这个教程中，使用CIFAR10数据集，包括‘飞机’‘汽车’‘鸟’‘猫’‘鹿’‘狗’‘青蛙’等分类。 其中的图片为33232（3通道颜色，32*32像素大小）。
  CIFAR10example

训练一个图像分类器

这里使用CNN，包括以下步骤

• 使用torchvision加载和归一CIFAR10训练和测试数据集
• 定义一个CNN
• 定义一个损失函数
• 在训练集上训练网络
• 在测试集上测试网络
  下面一步一步来实现。这里要关注的时对网络的定义、对数据的加载。

1. 加载和归一CIRAR10数据

加载数据很简单，同样数据要从网上下载，和很久以前处理MNIST数据一样，只是这次我在学校，直接下载了。速度会比较慢。

import torch
import torchvision
import torchvision.transforms as transforms

transform = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
     ]
)
trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True, num_workers=2)
testset = torchvision.datasets.CIFAR10(root='./data', train=False, download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(testset, batch_size=4, shuffle=False, num_workers=2)

classes = ('plane', 'car', 'bird', 'cat',
           'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

数据下载下来了，我们可以看看是什么东东。

import matplotlib.pyplot as plt
import numpy as np

# functions to show an image
def imshow(img):
    img = img / 2 + 0.5     # unnormalize
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg, (1, 2, 0)))
    plt.show()


if __name__ == '__main__':

    # get some random training images
    dataiter = iter(trainloader)
    images, labels = dataiter.next()

    # show images
    imshow(torchvision.utils.make_grid(images))
    # print labels
    print(' '.join('%5s' % classes[labels[j]] for j in range(4)))

cat ship ship plane

2. 定义一个CNN（卷积神经网络）

从前面定义神经网络部分复制神经网络并修改它以获取3通道图像（而不是定义的1通道图像）。

import torch.nn as nn
import torch.nn.functional as F
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.fc1 = nn.Linear(16 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        x = x.view(-1, 16 * 5 * 5)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

3. 定义损失函数和优化函数

直接使用随机梯度下降SGD

net=Net()
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

4. 训练网络

忙了大半天，可以训练了

# 在这里只进行两次迭代
for epoch in range(2):
    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        inputs, labels = data
        optimizer.zero_grad()
        outputs = net(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

        running_loss += loss.item()
        if i % 2000 == 1999:
            print('[%d, %5d] loss: %.3f' % (epoch + 1, i + 1, running_loss / 2000))
            running_loss = 0.0
[1,  2000] loss: 2.249
[1,  4000] loss: 1.973
[1,  6000] loss: 1.739
[1,  8000] loss: 1.622
[1, 10000] loss: 1.565
[1, 12000] loss: 1.512
[2,  2000] loss: 1.439
[2,  4000] loss: 1.406
[2,  6000] loss: 1.375
[2,  8000] loss: 1.381
[2, 10000] loss: 1.348
[2, 12000] loss: 1.290

可以看到损失数值是在降低。

5. 测试网络

    # 调用之前的方法，打印图片
    imshow(torchvision.utils.make_grid(images))
    print('GroundTruth: ', ' '.join('%5s' % classes[labels[j]] for j in range(4)))
    outputs = net(images)
    _, predicted = torch.max(outputs, 1)

    print('Predicted: ', ' '.join('%5s' % classes[predicted[j]] for j in range(4)))
    
    
GroundTruth:    cat  ship  ship plane
Predicted:   bird   car  ship plane

Accuracy of the network on the 10000 test images: 54 %

可以看到，预测四个，只对了两个……这个是和迭代次数太少有关系。
再看一下整体的正确率和各类型的正确率

    correct = 0
    total = 0
    with torch.no_grad():
        for data in testloader:
            images, labels = data
            outputs = net(images)
            _, predicted = torch.max(outputs.data, 1)
            total += labels.size(0)
            correct += (predicted == labels).sum().item()

    print('Accuracy of the network on the 10000 test images: %d %%' % (100 * correct / total))

    class_correct = list(0. for i in range(10))
    class_total = list(0. for i in range(10))
    with torch.no_grad():
        for data in testloader:
            images, labels = data
            outputs = net(images)
            _, predicted = torch.max(outputs, 1)
            c = (predicted == labels).squeeze()
            for i in range(4):
                label = labels[i]
                class_correct[label] += c[i].item()
                class_total[label] += 1

    for i in range(10):
        print('Accuracy of %5s : %2d %%' % (
            classes[i], 100 * class_correct[i] / class_total[i]))



Accuracy of the network on the 10000 test images: 54 %
Accuracy of plane : 57 %
Accuracy of   car : 64 %
Accuracy of  bird : 40 %
Accuracy of   cat : 36 %
Accuracy of  deer : 33 %
Accuracy of   dog : 33 %
Accuracy of  frog : 76 %
Accuracy of horse : 64 %
Accuracy of  ship : 69 %
Accuracy of truck : 64 %

整体正确率为54%，各类的正确率不一样。