基于PyTorch的深度学习入门教程之训练一个神经网络分类器

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 的array中。之后，你可以将array转换到torch.*Tensor。

　　（1） 对于图像，Pillow、OpenCV等包非常有用。

　　（2） 对于音频，scipy和librosa等包非常好。

　　（3） 对于文本，原始Python或基于Cython的加载，或者NLTK和SpaCy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ImageNet，CIFAR10，MNIST等）的数据加载器和对于images、viz的数据转换器，torchvision.datasets和 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。

 

　　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：

[1,  2000] loss: 2.191

[1,  4000] loss: 1.866

[1,  6000] loss: 1.696

[1,  8000] loss: 1.596

[1, 10000] loss: 1.502

[1, 12000] loss: 1.496

[2,  2000] loss: 1.422

[2,  4000] loss: 1.370

[2,  6000] loss: 1.359

[2,  8000] 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。

       责任编辑：xj