目前为止,你已经知道如何定义神经网络、计算损失和更新网络的权重。现在你可能在想,那数据呢?

What about data?

通常,当你需要处理图像、文本、音频或者视频数据时,你可以使用标准Python包来将数据导入到numpy 数组中。然后再将数组转换成torch.Tensor

  • 对于图像,可用的包有:Pillow、OpenCV
  • 对于音频,可用的包有:scipy和librosa
  • 对于文本,无论是基于原始的Python或Cython的加载,或是NLTK和SpaCy都是可以的。
  • 对于视频数据,PyTorch提供一个名为torchvision的包,其中包含了常见数据集的数据加载器,像Imagenet、CIFAR10、MNISt等,以及图形数据转换器:torchvision.datasetstorch.utils.data.DataLoader

这提供了极大的便利,同时避免编写样板代码。

在本教程中,我们使用CIFAR10数据集。它包含的分类有:飞机、汽车、鸟、猫 鹿、狗、青蛙、马、船和卡车。CIFAR-10中的图像尺寸是3x32x32,即32x32像素大小的3通道彩色图像。

cifar10

训练一个图像分类器

要训练一个图像分类器,我们需要按步骤执行以下操作:

  1. 使用torchvision加载和标准化CIFAR10训练和测试数据集
  2. 定义卷积神经网络
  3. 定义损失函数
  4. 使用训练数据训练网络
  5. 使用测试数据测试网络

1. 加载并标准化CIFAR10

使用torchvision很容易导入CIFAR10。

import torch
import torchvision
import torchvision.transforms as transforms

torchvision数据集的输出是范围在[0,1]之间的PILImage图像。我们需要将他们转换成标准化范围在[-1,1]之间的张量。

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', 'trunk')

输出:

Downloading http://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./data/cifar-10-python.tar.gz
Files already downloaded and verified

下面我们查看下部分训练图像:

import numpy as np
import matplotlib.pyplot as plt

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


# 随机获取训练图像
dataiter = iter(trainloader)
images, labels = dataiter.next()

# 输出图形
imshow(torchvision.utils.make_grid(images))
# 输出标签
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))
train_imgs

输出:

 bird   dog   cat   car

2. 定义卷积神经网络

复制之前神经网络章节中的神经网络定义,并修改为3通道图像。

import torch.nn.functional as F
import torch.nn as nn

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()

3. 定义损失函数和优化

使用分类交叉熵损失函数和动量随机梯度下降。

import torch.optim as optim

criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.01, momentum=0.9)

4. 训练网络

接下来就是有趣的部分了。我们只需要循环迭代我们的数据,将输入提供给网络并进行优化。

for epoch in range(2):
    running_loss = 0.0

    for i, data in enumerate(trainloader, 0):
        # 获取输入值,data是一个[input,labels]的列表
        inputs, labels = data

        # 初始化参数的梯度
        optimizer.zero_grad()

        # 前向 + 反向 + 优化
        outputs = net(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

        # 输出统计结构
        running_loss += loss.item()
        if i % 2000 == 1999:
            print('[%d,%5d] loss: %.3f' % (epoch + 1, i+1, running_loss/2000))
            running_loss = 0.0

print('Finished Trainning')

输出:

[1, 2000] loss: 2.142
[1, 4000] loss: 1.964
[1, 6000] loss: 1.973
[1, 8000] loss: 1.957
[1,10000] loss: 1.941
[1,12000] loss: 1.960
[2, 2000] loss: 1.995
[2, 4000] loss: 2.019
[2, 6000] loss: 1.979
[2, 8000] loss: 2.006
[2,10000] loss: 2.015
[2,12000] loss: 1.997
Finished Trainning

5. 使用测试数据测试网络

我们已经训练了两此网络。但是我们需要检查网络是否已经学到了什么。

我们可以通过神经网络输出的类标签来检查这一点,并结合实际情况进行检查。如果预测正确,我们就将样本添加到正确的预测列表中。

现在,第一步,我们先从测试集中显示一些图片来方便比较:

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)))
test_imgs

输出:

GroundTruth:    cat  ship  ship plane

现在,我们看下神经网络觉得我们的例子是什么:

outputs = net(images)

输出是由10个类别的得分。类别的得分越高,神经网络就会预测图像是那个类。所以,我们现在获取得分最高的索引:

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

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

输出:

Predicted:    car  ship trunk  plane

结果还不错。

接下来看看网络在整个测试集上的预测。

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))

输出:

Accuracy of the network on the 10000 test images: 27 %

结果显然比随机,10%的准确率(随机从10个类别中取一个),高很多。看起来网络是学到了东西的。

那么,哪些类别预测得好,哪些类别预测得不好呢:

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]))

输出:

Accuracy of plane :  7 %
Accuracy of   car : 53 %
Accuracy of  bird :  9 %
Accuracy of   cat :  2 %
Accuracy of  deer : 57 %
Accuracy of   dog : 41 %
Accuracy of  frog :  3 %
Accuracy of horse : 38 %
Accuracy of  ship : 33 %
Accuracy of trunk : 41 %

那么接下来做什么呢?在GPU上运行神经网络如何?

在GPU上训练

就像在CPU上训练张量一样,你可以将网络转移到GPU上。

如果我们有可用的CUDA的话,我们首先将我们的设备定义为第一个可见的cuda设备。

device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')

print(device)

输出:

cuda:0

接下来的章节假定device是CUDA设备。

然后这些方法将递归遍历所有的模型并将参数和缓冲区转换为CUDA张量:

net.to(device)

注意,你还必须将每一步的输入和目标也转移到GPU上:

inputs, labels = data[0].to(device),data[1].to(device)

孟斯特

声明:本作品采用署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0)进行许可,使用时请注明出处。
Author: mengbin
blog: mengbin
Github: mengbin92
cnblogs: 恋水无意