基于PyTorch的深度学习入门教程(五)——训练神经网络分类器

前言

本文参考PyTorch官网的教程,分为五个基本模块来介绍PyTorch。为了避免文章过长,这五个模块分别在五篇博文中介绍。

Part1:PyTorch简单知识

Part2:PyTorch的自动梯度计算

Part3:使用PyTorch构建一个神经网络

Part4:训练一个神经网络分类器

Part5:数据并行化


本文是关于Part4的内容。

 

Part4:训练一个神经网络分类器

前面已经介绍了定义神经网络,计算损失和更新权重,这里介绍训练神经网络分类器。

 

1 关于数据

通常,当你需要处理图像、文本、饮品或者视频数据,你可以使用标准的python包将数据导入到numpy array中。之后,你可以将array转换到torch.*Tensor

(1)    对于图像,PillowOpenCV等包非常有用。

(2)    对于音频,scipylibrosa等包非常好。

(3)    对于文本,原始Python或基于Cython的加载,或者NLTKSpaCy都是有用的。

尤其对于视觉,我们创建了一个叫做torchvision的包,包含了对于常用数据集(如ImageNetCIFAR10MNIST等)的数据加载器和对于imagesviz的数据转换器,torchvision.datasets torch.utils.data.DataLoader

 

在该教程中,我们使用CIFAR10数据集。它含有这些类:‘airplane’, ‘automobile’, ‘bird’, ‘cat’,‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’. 这些图像的尺寸是3*32*32,即3通道的彩色图像,尺寸为32*32

 cifar10


2 训练图像分类器

我们按照如下步骤:

(1)    使用torchvision导入并且正规化CIFAR10的训练集和测试集

(2)    定义一个卷积神经网络

(3)    定义一个损失函数

(4)    在测试数据上训练该网络

(5)    在测试数据上测试该网络


2.1 导入和正规化CIFAR10

使用torchvision,加载CIFAR10很容易。

import torch
import torchvision
import torchvision.transforms as transforms

 

torchvision数据集的输出是[0,1]区间的PILImage。我们把这些图像转换到[-1,1]区间的Tensor

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)
testloader = torch.utils.data.DataLoader(testset, batch_size=4,
                                         shuffle=False, num_workers=2)

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

 

我们来显示一些训练图像。

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)))


# 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)))

 

 

 

2.2 定义卷积神经网络

定义一个适用于3通道图像的卷积神经网络。

from torch.autograd import Variable
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


net = Net()

 

2.3 定义损失函数和优化器

使用分类交叉熵损失和带有动量的随机梯度下降。

import torch.optim as optim

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

 

2.4 训练网络

我们只需要在数据上迭代,把输入数据交给网络并且优化即可。

for epoch in range(2):  # loop over the dataset multiple times

    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        # get the inputs
        inputs, labels = data

        # wrap them in Variable
        inputs, labels = Variable(inputs), Variable(labels)

        # zero the parameter gradients
        optimizer.zero_grad()

        # forward + backward + optimize
        outputs = net(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

        # print statistics
        running_loss += loss.data[0]
        if i % 2000 == 1999:    # print every 2000 mini-batches
            print('[%d, %5d] loss: %.3f' %
                  (epoch + 1, i + 1, running_loss / 2000))
            running_loss = 0.0

print('Finished Training')

 

预期输出:

[12000] loss: 2.191

[14000] loss: 1.866

[16000] loss: 1.696

[18000] loss: 1.596

[1, 10000] loss: 1.502

[1, 12000] loss: 1.496

[22000] loss: 1.422

[24000] loss: 1.370

[26000] loss: 1.359

[28000] loss: 1.321

[2, 10000] loss: 1.311

[2, 12000] loss: 1.275

FinishedTraining

 

2.5 在测试数据上测试网络

我们已经训练了一个网络。现在对其在测试数据上测试。第一步,显示一个来自测试集的图像。

dataiter = iter(testloader)
images, labels = dataiter.next()

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




预期输出:

GroundTruth:    cat  ship  ship  plane

 

使用训练好的网络来预测这些图像应该属于哪类。

outputs = net(Variable(images))

 

输出的是关于10个类别的能量值。哪个类别能量值高,网络就认为图像属于哪一类。因此我们需要获取最高能量值的索引。

_, predicted = torch.max(outputs.data, 1)

print('Predicted: ', ' '.join('%5s' % classes[predicted[j]]
                              for j in range(4)))

 

预期输出:

Predicted:    cat  ship   car   plane

 

现在看一下网络在整个数据集上的表现。

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

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

 

预期输出:

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

 

这看起来比偶然准确率(10%)要好。看起来,训练有一定效果。

看一下哪些类别表现好,哪些表现不好。

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


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

 

预期输出:

Accuracyofplane : 60 %

Accuracyof   car : 46 %

Accuracyof  bird : 44 %

Accuracyof   cat : 35 %

Accuracyof  deer : 38 %

Accuracyof   dog : 43 %

Accuracyof  frog : 57 %

Accuracyofhorse : 76 %

Accuracyof  ship : 71 %

Accuracyoftruck : 74 %

 

3 在GPU上训练

下面这句话会递归遍历全部的模块并且将它们的参数和缓冲区转到CUDA tensors

net.cuda()


记住,还需要在每一步将输入和目标值发送到GPU

inputs, labels = Variable(inputs.cuda()), Variable(labels.cuda())

 

当网络非常大而复杂的时候,这种加速是非常明显的。


©️2020 CSDN 皮肤主题: Age of Ai 设计师:meimeiellie 返回首页