【Pytorch】MNIST 图像分类代码 – 超详细解读
目录
前言
最近机器学习在低年级本科生中热度剧增,小编经常看见在自习室里啃相关书籍的小伙伴。但由于缺少经验指导,也许原理清楚了,但是由于很多书中对细节上的函数等等介绍不多,很多小伙伴对于具体代码只是一知半解。这篇文章基于当下最热门的学习框架 Pytorch,详细讲解图像分类中最基础的图像分类 —— MNIST 数据集分类。
同时,希望这篇文章会帮助大家领会基本的深度学习思路。
看本文之前,需掌握基础的深度学习知识(包括CNN(卷积神经网络))。 如没有基础或者基础薄弱,请至少先按照此表格顺序熟悉一下相关内容:
推荐顺序网址1
如何自己从零实现一个神经网络? 量子位的回答 – 知乎 卷积神经网络CNN完全指南终极版(一) 沉迷学习的糕糕的文章 – 知乎 卷积神经网络CNN完全指南终极版(二) 沉迷学习的糕糕的文章 – 知乎
熟悉以上文章之后,基本就可以开始阅读这篇博客啦!
文章中遇到任何关于Pytorch框架代码的问题,可先查询快速手册 – Pytorch官网 相关内容。如未找到,请在Pytorch官网 查询。
一、代码框架
下面是我本人比较喜欢的代码框架,可以参考。
文件名: model.py
1.引入包
2.设置相关参数
3.处理数据集
—— 定义transform
—— 导入数据集
—— 装载(DataLoader)
—— 预览(可选)
4.构建网络
5.训练
6.保存模型
二、实现代码
1.引入包
代码如下:
import torch
import torch.nn as nn
from torch.nn import Sequential
from matplotlib import pyplot as plt
import torchvision.datasets as datasets
from torch.utils.data import DataLoader
from torchvision.utils import make_grid
import torchvision.transforms as transforms
包名功能torch核心包torch.nn包含神经网络的Modules和用来继承的包以及一些函数方法(nn.functional)torchvision包含一些数据集、模型、图像处理方法torch.utils一个工具包matplotlib用于显示数据集图片
2.设置相关参数
epochs = 10
batch_size = 64
lr = 0.001
参数意义epochs被训练几轮batch_size每批次大小,即每轮迭代训练时每次的数据量lrlearning rate,即学习率。一般用很小的值
这里详细解释一下 epochs
和 batch_szie
:
-> batch_size
表示每轮迭代训练时每次训练的数据量;
-> epochs
表示训练几轮。
每一次迭代(Iteration)都是一次权重更新,每一次权重更新需要batch_size个数据进行正向传递(Forward)运算得到损失函数,再通过反向传导(Backward)更新参数(注意,在这个过程中需要把梯度(Grad)设置为0,这个后面再讲)。1个迭代等于使用 batch_size
个样本训练一次。比如有256个样本数据,完整训练完这些样本数据需要:
-> batch_size
=64;
-> 迭代
4次;
-> epochs
=1。
而通常会将 epochs
设为不仅1次,这就跟磨面一样,磨完一轮不够,磨多轮才能得到更加精细的面粉。
3.处理数据集
transform = transforms.Compose([
transforms.ToTensor(),
transforms.Normalize(
mean=[0.5, ],
std=[0.5, ]
)
])
data_train = datasets.MNIST(root='data/', transform=transform, train=True, download=True)
data_test = datasets.MNIST(root='data/', transform=transform, train=False)
dataloader_train = DataLoader(dataset=data_train, batch_size=64, shuffle=True)
dataloader_test = DataLoader(dataset=data_test, batch_size=64, shuffle=True)
除了 代码内的注释 之外,在这段代码中一些方法或参数的解释如下。
对于 transform
:
参数意义transforms.ToTensor()把数据转换为张量(Tensor)transforms.Normalize标准化,即使数据服从期望值为 0,标准差为 1 的正态分布mean期望std标准差
对于 datasets.MNIST
:
参数意义root数据集(此处为MNIST)路径transform转换形式train是否训练。对于训练集,train=True,对于测试集,train=Falsedownload是否下载(会自动判断是否下载过或数据集是否存在于root下,是的话再次训练时就不下载了)
对于 DataLoader
:
参数意义dataset要处理的数据集batch_size批次大小shuffle是否打乱数据顺序
预览(可选)
images, labels = next(iter(dataloader_train))
img = make_grid(images)
img = img.numpy().transpose(1, 2, 0)
mean = [0.5, 0.5, 0.5]
std = [0.5, 0.5, 0.5]
img = img * std + mean
print([labels[i] for i in range(16)])
plt.imshow(img)
plt.show()
方法作用iter(dataloader_train)生成dataloader_train的迭代器next返回迭代器的下一个项目(配合iter()使用)make_grid生成网格img.numpy().transpose(1, 2, 0)将img的numpy数组矩阵的C、W、H位置调换。括号内的1, 2, 0表示将原来第1, 2, 0位置换位0, 1, 2(即把原本[C, W, H]矩阵转换为[H, W, C]矩阵。Pytorch中使用的数据格式与plt.imshow()函数的格式不一致,Pytorch中为[C, H, W],而plt.imshow()中则是[H, W, C]。其中C=Channel,即颜色通道;H=Height,图像长度;Width,图片宽度)plt.imshow(img)和plt.show()显示图片
效果:
4.构建网络
class CNN(nn.Module):
def __init__(self):
super(CNN, self).__init__()
self.conv1 = Sequential(
nn.Conv2d(in_channels=1, out_channels=64, kernel_size=3, stride=1, padding=1),
nn.BatchNorm2d(64),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2)
)
self.conv2 = Sequential(
nn.Conv2d(in_channels=64, out_channels=128, kernel_size=3, stride=1, padding=1),
nn.BatchNorm2d(128),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2)
)
self.dense = Sequential(
nn.Linear(7 * 7 * 128, 1024),
nn.ReLU(),
nn.Dropout(p=0.5),
nn.Linear(1024, 10)
)
def forward(self, x):
x1 = self.conv1(x)
x2 = self.conv2(x1)
x = x2.view(-1, 7 * 7 * 128)
x = self.dense(x)
return x
除了 代码内的注释 之外,在这段代码中一些方法或参数的解释如下:
方法或参数意义或作用nn.Conv2d对二维图像的卷积操作。其中 in_channels
代表输入通道, out_channels
代表输出通道, kernel_size
代表卷积核大小(n * n), stride
代表卷积核移动的步长, padding
代表填充大小(属于基础内容。具体内容请自行百度)nn.BatchNorm2dBatch Normalization(BN),批标准化。使一批次特征图(Feature Map)满足均值为0,方差为1的正态分布。作用:加速收敛;控制过拟合,以少用或不用Dropout和正则;降低网络对初始化权重不敏感;允许使用较大的学习率nn.ReLU一种常用激活函数,不作赘述nn.MaxPool2d对二维图像做最大池化处理,不做赘述nn.Linear不再赘述nn.DropoutDropout,防止过拟合,不做赘述x2.view(-1, 7 * 7 * 128)参数扁平化,使全连接层输出的参数维度和其输入维度匹配
5.训练
相关解释见代码注释。
def get_Variable(x):
x = torch.autograd.Variable(x)
return x.cuda() if torch.cuda.is_available() else x
cnn = CNN()
if torch.cuda.is_available():
cnn = cnn.cuda()
loss_F = nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(cnn.parameters(), lr=lr)
for epoch in range(epochs):
running_loss = 0.0
running_correct = 0.0
print("Epoch [{}/{}]".format(epoch, epochs))
for data in dataloader_train:
X_train, y_train = data
X_train, y_train = get_Variable(X_train), get_Variable(y_train)
outputs = cnn(X_train)
_, pred = torch.max(outputs.data, 1)
optimizer.zero_grad()
loss = loss_F(outputs, y_train)
loss.backward()
optimizer.step()
running_loss += loss.item()
running_correct += torch.sum(pred == y_train.data)
testing_correct = 0.0
for data in dataloader_test:
X_test, y_test = data
X_test, y_test = get_Variable(X_test), get_Variable(y_test)
outputs = cnn(X_test)
_, pred = torch.max(outputs, 1)
testing_correct += torch.sum(pred == y_test.data)
print("Loss: {:.4f} Train Accuracy: {:.4f}% Test Accuracy: {:.4f}%".format(
running_loss / len(data_train), 100 * running_correct / len(data_train),
100 * testing_correct / len(data_test)))
6.保存模型
torch.save(cnn, 'data/model.pth')
恭喜!如果你做到了这一步,训练的所有步骤就完成啦!
MNIST 图像识别完整代码如下:
import torch
import torch.nn as nn
from torch.nn import Sequential
from matplotlib import pyplot as plt
import torchvision.datasets as datasets
from torch.utils.data import DataLoader
from torchvision.utils import make_grid
import torchvision.transforms as transforms
epochs = 10
batch_size = 64
lr = 0.001
transform = transforms.Compose([
transforms.ToTensor(),
transforms.Normalize(
mean=[0.5, ],
std=[0.5, ]
)
])
data_train = datasets.MNIST(root='data/', transform=transform, train=True, download=True)
data_test = datasets.MNIST(root='data/', transform=transform, train=False)
dataloader_train = DataLoader(dataset=data_train, batch_size=64, shuffle=True)
dataloader_test = DataLoader(dataset=data_test, batch_size=64, shuffle=True)
images, labels = next(iter(dataloader_train))
img = make_grid(images)
img = img.numpy().transpose(1, 2, 0)
mean = [0.5, 0.5, 0.5]
std = [0.5, 0.5, 0.5]
img = img * std + mean
print([labels[i] for i in range(16)])
plt.imshow(img)
plt.show()
class CNN(nn.Module):
def __init__(self):
super(CNN, self).__init__()
self.conv1 = Sequential(
nn.Conv2d(in_channels=1, out_channels=64, kernel_size=3, stride=1, padding=1),
nn.BatchNorm2d(64),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2)
)
self.conv2 = Sequential(
nn.Conv2d(in_channels=64, out_channels=128, kernel_size=3, stride=1, padding=1),
nn.BatchNorm2d(128),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2)
)
self.dense = Sequential(
nn.Linear(7 * 7 * 128, 1024),
nn.ReLU(),
nn.Dropout(p=0.5),
nn.Linear(1024, 10)
)
def forward(self, x):
x1 = self.conv1(x)
x2 = self.conv2(x1)
x = x2.view(-1, 7 * 7 * 128)
x = self.dense(x)
return x
def get_Variable(x):
x = torch.autograd.Variable(x)
return x.cuda() if torch.cuda.is_available() else x
cnn = CNN()
if torch.cuda.is_available():
cnn = cnn.cuda()
loss_F = nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(cnn.parameters(), lr=lr)
for epoch in range(epochs):
running_loss = 0.0
running_correct = 0.0
print("Epoch [{}/{}]".format(epoch, epochs))
for data in dataloader_train:
X_train, y_train = data
X_train, y_train = get_Variable(X_train), get_Variable(y_train)
outputs = cnn(X_train)
_, pred = torch.max(outputs.data, 1)
optimizer.zero_grad()
loss = loss_F(outputs, y_train)
loss.backward()
optimizer.step()
running_loss += loss.item()
running_correct += torch.sum(pred == y_train.data)
testing_correct = 0.0
for data in dataloader_test:
X_test, y_test = data
X_test, y_test = get_Variable(X_test), get_Variable(y_test)
outputs = cnn(X_test)
_, pred = torch.max(outputs, 1)
testing_correct += torch.sum(pred == y_test.data)
print("Loss: {:.4f} Train Accuracy: {:.4f}% Test Accuracy: {:.4f}%".format(
running_loss / len(data_train), 100 * running_correct / len(data_train),
100 * testing_correct / len(data_test)))
torch.save(cnn, 'data/model.pth')
注:在 inference.py
内加载模型时:
cnn = torch.load('data/model.pth')
cnn.eval()
三、其他
作者是某高校大二学生,计算机科学与技术在读。大一下学期接触机器学习,之前主攻超分辨率重构。机器学习纯属业余爱好,几乎无人指导,故文章若有纰漏,望批评指正!
*本博客部分内容来源于网络。
Original: https://blog.csdn.net/qq_25426559/article/details/121712992
Author: 千鱼干
Title: 【Pytorch】MNIST 图像分类代码 – 超详细解读
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/705939/
转载文章受原作者版权保护。转载请注明原作者出处!