训练一个分类器
在这里,你已经了解了如何定义神经网络,计算损失和更新网络的权重。现在你可能会想
数据是什么?
总的来说,当你解决图像,文字,音频或视频数据,你能用标准的python包加载数据到numpy数组。然后你可以将这个数组转为torch.*Tensor.
- 对于图像,可以用Pillow,OpenCV
- 对于音频,可以用scipy和librosa
- 对于文字,用要么是raw Python 或者 Cython 或NLTK和SpaCy
尤其是视觉,我们创建了一个包名为 torchvision, 它有公共数据集的数据加载器,比如,ImageNet, CIRFAR10, MNIST等等。图像转数据。torchvision.datasets 和 torch.utils.data.DataLoader.
这提供了极大的便利,并避免了编写样板代码。
对于这个教程,我们用CIFAR10数据集。他有的分类:‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’.CIFAR10的图像是3 * 32 * 32
训练一个图像分类器
我们会做如下几步:
- 使用torchvision加载和标准化CIFAR10训练和测试数据集
- 定义一个卷积神经网络
- 定义一个损失函数
- 在训练集上训练网络
- 在测试集测试网络
加载和标准化CIFAR10
使用torchvision,加载CIFAR10是非常简单的
import torch
import torchvision
import torchvision.transforms as transforms
torchvision的输出数据集是在[0,1]范围的PILImage。我们把他们转换为Tensors的标准范围[-1,1].
**注意:**如果在windows平台,有BrokenPipeError,设定torch.utils.data.DataLoader()中的num_worker为0
import matplotlib.pyplot as plt
import numpy as np
transform = transforms.Compose(
[transforms.ToTensor(),
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))]
)
batch_size = 4
trainset = torchvision.datasets.CIFAR10(root='./cifar10',
train=True,
download=True,
transform=transform)
trainloader = Data.DataLoader(trainset,
batch_size=batch_size,
shuffle=True,
num_workers=2)
testset = torchvision.datasets.CIFAR10(root='./cifar10', train=False,
download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=batch_size,
shuffle=False, num_workers=2)
classes = ('plane', 'car', 'bird', 'cat',
'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
out:
Downloading https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./cifar10\cifar-10-python.tar.gz
170500096it [02:27, 1156941.89it/s]
展示一些训练的图
out:
Files already downloaded and verified
dog ship plane ship
定义一个卷积神经网络
从神经网络章节复制神经网络,修改它为3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__()
# 单通道图像输入, 输出6通道, 5x5 卷积核
self.conv1 = nn.Conv2d(3, 6, 5)
self.pool = nn.MaxPool2d(2,2)
self.conv2 = nn.Conv2d(6, 16, 5)
# 一个仿射变换操作(Affine) : y = Wx + b
self.fc1 = nn.Linear(16 * 5 * 5, 120) # 5*5 来自图像的维度
self.fc2 = nn.Linear(120, 84)
self.fc3 = nn.Linear(84, 10)
def forward(self, x):
# Max池化,窗口为(2,2)
x = self.pool(F.relu(self.conv1(x)))
# 如果尺寸是正方形, 你可以用一个数字来指定
x = self.pool(F.relu(self.conv2(x)))
x = torch.flatten(x, 1) # 批处理除外,所有数据降维展平,意思就是二维图像转成一行数组。
x = F.relu(self.fc1(x))
x = F.relu(self.fc2(x))
x = self.fc3(x)
return x
net = Net()
定义损失函数和优化器
我们使用交叉熵误差和有动量的SGD
import torch.optim as optim
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)
训练网络
到这里就变得有趣了,我们循环遍历数据迭代器,将数据传入网络并优化。
for epoch in range(2):
running_loss = 0.0
for i, data in enumerate(trainloader, 0):
# 获取输入;数据是一个list类型的[inputs, labels]
inputs, labels = data
# 梯度参数设为0
optimizer.zero_grad()
# forward + backward + optimize
outputs = net(inputs)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
# 打印统计数据
running_loss += loss.item()
if i % 2000 == 1999:
print('[%d, %5d] loss: %.3f' % (epoch + 1, i + 1, running_loss / 2000))
print('Finished Training')
out:
[1, 2000] loss: 2.211
[1, 4000] loss: 1.825
[1, 6000] loss: 1.648
[1, 8000] loss: 1.562
[1, 10000] loss: 1.504
[1, 12000] loss: 1.448
[2, 2000] loss: 1.397
[2, 4000] loss: 1.353
[2, 6000] loss: 1.341
[2, 8000] loss: 1.313
[2, 10000] loss: 1.270
[2, 12000] loss: 1.280
Finished Training
让我们快速保存我们的训练模型
PATH = './cifar_net.pth'
torch.save(net.state_dict(), PATH)
在测试集上测试网络
我们在训练数据集上训练了网络2次。但是我们需要检查网络是否学习到了所有东西。我们将通过预测神经网络输出的类标签来验证这一点,并根据ground-truth来验证它。如果预测是正确的,我们将该样本添加到正确预测列表中。
第一步,展示一个测试集图片
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)))
out:
GroundTruth: cat ship ship plane
下一步,我们加载会之前保存的模型(note:这里没有必要保存并重新加载模型,我们这样做只是为了说明如何这样做)
net = Net()
net.load_state_dict(torch.load(PATH))
现在让我们看看神经网络是怎么看待上面这些例子的:
outputs = net(images)
输出是10个类的能量。一个类的能量越高,网络就越认为这个图像属于这个类。那么,让我们得到最高能量的指数:
_, predicted = torch.max(outputs, 1)
print('Predicted: ', ' '.join('%5s' % classes[predicted[j]] for j in range(4)))
out:
Predicted: frog ship ship ship
看一下网络对于整个数据集的表现怎么样
correct = 0
total = 0
# 由于我们没有训练,我们不需要为我们的输出计算梯度
with torch.no_grad():
for data in testloader:
images, labels = data
# 图像通过网络计算输出
outputs = net(images)
# 我们选择能量最高的类型作为预测 _,
_, 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))
out:
Accuracy of the network on the 10000 test images: 54 %
这看起来比概率(10%的准确率)要好得多(从10个类型中随机挑选一个类型)。看来网络学到了一些东西。
Hmmm, 那些类型表现好,那些类型表现不好
# 对每个类型准备计数
correct_pred = {
classname: 0 for classname in classes}
total_pred = {
classname: 0 for classname in classes}
# 不需要梯度
with torch.no_grad():
for data in testloader:
images, labels = data
outputs = net(images)
_, predictions = torch.max(outputs, 1)
# 对每一个类型预测正确解收集
for label, prediction in zip(labels, predictions):
if label == prediction:
correct_pred[classes[label]] += 1
total_pred[classes[label]] += 1
# 打印每个类型的准确率
for classname, correct_count in correct_pred.items():
accuracy = 100 * float(correct_count) / total_pred[classname]
print("Accuracy for class {:5s} is: {:.1f} %".format(classname, accuracy))
out:
Accuracy for class plane is: 60.1 %
Accuracy for class car is: 69.8 %
Accuracy for class bird is: 45.2 %
Accuracy for class cat is: 26.4 %
Accuracy for class deer is: 30.5 %
Accuracy for class dog is: 60.4 %
Accuracy for class frog is: 70.7 %
Accuracy for class horse is: 69.5 %
Accuracy for class ship is: 53.3 %
Accuracy for class truck is: 61.0 %
在GPU上训练
就像你把张量放在GPU上一样,将神经网络放在GPU上。
首先定义我们的设备作为cuda第一可见,如果cuda可用:
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")# 假设我们在CUDA机器,这里应该打印CUDA设备print(device)
out:
cuda:0
然后这些方法将递归遍历所有模块,并将它们的参数和缓冲区转换为CUDA张量:
net.to(device)
记住你每步也要把输入和目标送到GPU中
inputs, labels = data[0].to(device), data[1].to(device)
为什么没有强调与CPU相比MASSIVE的加速?因为你的网络太小。