%matplotlib inline
训练分类器
就是这个。您已经了解了如何定义神经网络,计算损耗并更新网络权重。
现在你可能在想
数据怎么样?
通常,当您必须处理图像,文本,音频或视频数据时,您可以使用标准的python包将数据加载到numpy数组中。然后你可以将这个数组转换成一个torch.*Tensor
。
- 对于图像,Pillow,OpenCV等软件包很有用
- 对于音频,包括scipy和librosa
- 对于文本,无论是原始Python还是基于Cython的加载,还是NLTK和SpaCy都很有用
特别是对于视觉,我们创建了一个名为的包torchvision
,其中包含用于常见数据集的数据加载器,如Imagenet,CIFAR10,MNIST等,以及用于图像的数据转换器,即torchvision.datasets
和torch.utils.data.DataLoader
。
这提供了极大的便利并避免编写样板代码。
在本教程中,我们将使用CIFAR10数据集。它有类:‘飞机’,‘汽车’,‘鸟’,‘猫’,‘鹿’,‘狗’,‘青蛙’,‘马’,‘船’,‘卡车’。CIFAR-10中的图像尺寸为3x32x32,即尺寸为32x32像素的3通道彩色图像。
cifar10
训练图像分类器
我们将按顺序执行以下步骤:
- 使用加载和标准化CIFAR10训练和测试数据集 torchvision
- 定义卷积神经网络
- 定义损失函数
- 在训练数据上训练网络
- 在测试数据上测试网络
加载和标准化CIFAR10
使用torchvision
,加载CIFAR10非常容易。
import torch
import torchvision
import torchvision.transforms as transforms
torchvision数据集的输出是范围[0,1]的PILImage图像。我们将它们转换为归一化范围的张量[-1,1]
Note
If running on Windows and you get a BrokenPipeError, try setting the num_worker of torch.utils.data.DataLoader() to 0.
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,##数据集的数据加载器,train=True时使用训练集,False时为使用测试集
download=True, transform=transform)##获取分类任务所需要的数据集,transform给输入图像施加变换
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')
Downloading http://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./data\cifar-10-python.tar.gz
Files already downloaded and verified
让我们展示一些训练图像,以获得乐趣。
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)))
plt.show()
# 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)))
[外链图片转存失败(img-tdbXaAP1-1568109363235)(output_7_0.png)]
ship plane ship deer
定义卷积神经网络
从神经网络部分复制神经网络并修改它以获取3通道图像(而不是定义的1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__()
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()
定义Loss函数和优化器
让我们使用分类交叉熵损失和SGD动量。
import torch.optim as optim
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)
训练网络
事情开始变得有趣了。我们只需循环遍历数据迭代器,并将输入提供给网络并进行优化。
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; data is a list of [inputs, labels]
inputs, labels = data
# 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.item()
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')
[1, 2000] loss: 2.168
[1, 4000] loss: 1.833
[1, 6000] loss: 1.693
[1, 8000] loss: 1.589
[1, 10000] loss: 1.527
[1, 12000] loss: 1.488
[2, 2000] loss: 1.418
[2, 4000] loss: 1.371
[2, 6000] loss: 1.355
[2, 8000] loss: 1.331
[2, 10000] loss: 1.300
[2, 12000] loss: 1.292
Finished Training
在测试数据上测试网络
我们已经在训练数据集上训练了2次。但我们需要检查网络是否已经学到了什么。
我们将通过预测神经网络输出的类标签来检查这一点,并根据地面实况进行检查。如果预测正确,我们将样本添加到正确预测列表中。
好的,第一步。让我们从测试集中显示一个图像以熟悉。
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)))
[外链图片转存失败(img-NPfLQZwH-1568109363236)(output_15_0.png)]
GroundTruth: cat ship ship plane
好的,现在让我们看看神经网络认为上面这些例子是什么:
outputs = net(images)
输出是10类的精度。一个类的精度越高,网络认为图像是特定类的越多。那么,让我们得到最高精度的指数:
_, predicted = torch.max(outputs, 1)
print('Predicted: ', ' '.join('%5s' % classes[predicted[j]]
for j in range(4)))
Predicted: cat ship ship ship
结果似乎很好。
让我们看看网络如何在整个数据集上执行。
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))
Accuracy of the network on the 10000 test images: 52 %
这看起来好于偶然,这是10%的准确性(从10个班级中随机挑选一个班级)。似乎网络学到了一些东西。
嗯,什么是表现良好的类,以及表现不佳的类:
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]))
Accuracy of plane : 34 %
Accuracy of car : 43 %
Accuracy of bird : 38 %
Accuracy of cat : 39 %
Accuracy of deer : 57 %
Accuracy of dog : 57 %
Accuracy of frog : 58 %
Accuracy of horse : 55 %
Accuracy of ship : 73 %
Accuracy of truck : 67 %