深度学习日志——第P3周：Pytorch实现天气识别

• 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍖 原作者：K同学啊
  学习博客是一个很好的学习留痕方式，可以让学习者本身加深对知识的理解和印象，记录学习历程，进行总结反思。本文章是博主跟随《365深度学习训练营》进行深度学习代码学习的Pytorch第三周。本周的内容是用Pytorch实现四中天气（cloudy，rain，shine，sunrise）的识别。本人将以自己探索的视角，尽可能的详细得当地展现出由浅入深、逻辑严明的代码逻辑过程，以及自己的感悟和总结，供初学者进行机器学习和深度学习的参考。如有不足欢迎指正。
  本次的数据集由四种天气的大量图片组成。其中包含“cloudy”的300张图片，“rain”的215张图片，“shine”的253张图片，“sunrise”的357张照片。

一、前期准备：

1.支持GPU就用GPU，不支持就用CPU

import torch
import torch.nn as nn
import torchvision.transforms as transforms
import torchvision
from torchvision import transforms, datasets

import os,PIL,pathlib,random
#os模块提供了与操作系统交互的功能
#PIL模块提供了图像处理的功能
#pathlib模块提供了文件系统路径操作的功能
#random模块用于生成随机数

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
#再说一下，CUDA是一种由NVIDIA GPU加速计算平台，若支持则用CUDA（得有GPU），没有就用CPU
device

示例输出：

2.导入数据

data_dir ='./data/'#设置文件路径，得是./path1/path2/path3/这种形式
data_dir = pathlib.Path(data_dir)#把字符串类型的文件夹路径转换为pathlib.Path对象

data_paths = list(data_dir.glob('*'))#glob()获取指定文件路径下所有文件的路径
classeNames = [str(path).split("\\")[1] for path in data_paths]
classeNames

● 第一步：使用pathlib.Path()函数将字符串类型的文件夹路径转换为pathlib.Path对象。
● 第二步：使用glob()方法获取data_dir路径下的所有文件路径，并以列表形式存储在data_paths中。
● 第三步：通过split()函数对data_paths中的每个文件路径执行分割操作，获得各个文件所属的类别名称，并存储在classeNames中
● 第四步：打印classeNames列表，显示每个文件所属的类别名称。

import matplotlib.pyplot as plt
from PIL import Image

# 指定图像文件夹路径
image_folder = './data/cloudy/'

# 获取文件夹中的所有图像文件
image_files = [f for f in os.listdir(image_folder) if f.endswith((".jpg", ".png", ".jpeg"))]

# 创建Matplotlib图像（3行8列）
fig, axes = plt.subplots(3, 8, figsize=(16, 6))

# 使用列表推导式加载和显示图像
for ax, img_file in zip(axes.flat, image_files):
    img_path = os.path.join(image_folder, img_file)
    img = Image.open(img_path)
    ax.imshow(img)
    ax.axis('off')

# 显示图像
plt.tight_layout()
plt.show()

total_datadir = './data/'
#先定义数据预处理的操作
#transforms.Compose用于将多个图像预处理操作组合成一个序列
train_transforms = transforms.Compose([
    transforms.Resize([224, 224]),  # 将输入图片resize成统一尺寸
    transforms.ToTensor(),          # 这个很重要，将PIL Image或numpy.ndarray转换为tensor，并归一化到[0,1]之间
    transforms.Normalize(           # 标准化处理，转换为标准正态分布（高斯分布），使模型更容易收敛
        mean=[0.485, 0.456, 0.406], 
        std=[0.229, 0.224, 0.225])  # 其中 mean=[0.485,0.456,0.406]与std=[0.229,0.224,0.225] 从数据集中随机抽样计算得到的。
])
#加载数据集：指定根目录和进行数据预处理操作
total_data = datasets.ImageFolder(total_datadir,transform=train_transforms)
total_data

# 关于transforms.Compose的更多介绍可以参考：https://blog.csdn.net/qq_38251616/article/details/124878863

3.划分数据集

train_size = int(0.8 * len(total_data))
#train_size表示训练集大小，通过将总体数据长度的80%转换为整数得到；
test_size  = len(total_data) - train_size
#test_size表示测试集大小，是总体数据长度减去训练集大小。
train_dataset, test_dataset = torch.utils.data.random_split(total_data, [train_size, test_size])
train_dataset, test_dataset

我们使用torch.utils.data.random_split()方法进行数据集划分。该方法将总体数据total_data按照指定的大小比例（[train_size, test_size]）随机划分为训练集和测试集，并将划分结果分别赋值给train_dataset和test_dataset两个变量。

train_size,test_size

batch_size = 32

train_dl = torch.utils.data.DataLoader(train_dataset,
                                       batch_size=batch_size,
                                       shuffle=True,
                                       num_workers=1)
test_dl = torch.utils.data.DataLoader(test_dataset,
                                      batch_size=batch_size,
                                      shuffle=True,
                                      num_workers=1)

# 遍历测试数据集的数据加载器 test_dl
for X, y in test_dl:
    # 打印输入数据 X 的形状，格式为 [N, C, H, W]
    # N 表示批量大小，C 表示通道数，H 表示高度，W 表示宽度
    print("Shape of X [N, C, H, W]: ", X.shape)
    # 打印标签数据 y 的形状和数据类型
    print("Shape of y: ", y.shape, y.dtype)
    # 仅打印第一个批次的数据信息，然后跳出循环
    break

torch.utils.data.DataLoader()参数详解

torch.utils.data.DataLoader是 PyTorch 中用于加载和管理数据的一个实用工具类。它允许你以小批次的方式迭代你的数据集，这对于训练神经网络和其他机器学习任务非常有用。DataLoader 构造函数接受多个参数，下面是一些常用的参数及其解释：

1. dataset（必需参数）：这是你的数据集对象，通常是 torch.utils.data.Dataset 的子类，它包含了你的数据样本。
2. batch_size（可选参数）：指定每个小批次中包含的样本数。默认值为 1。
3. shuffle（可选参数）：如果设置为 True，则在每个 epoch 开始时对数据进行洗牌，以随机打乱样本的顺序。这对于训练数据的随机性很重要，以避免模型学习到数据的顺序性。默认值为 False。
4. num_workers（可选参数）：用于数据加载的子进程数量。通常，将其设置为大于 0 的值可以加快数据加载速度，特别是当数据集很大时。默认值为 0，表示在主进程中加载数据。
5. pin_memory（可选参数）：如果设置为 True，则数据加载到 GPU 时会将数据存储在 CUDA 的锁页内存中，这可以加速数据传输到 GPU。默认值为 False。
6. drop_last（可选参数）：如果设置为 True，则在最后一个小批次可能包含样本数小于 batch_size 时，丢弃该小批次。这在某些情况下很有用，以确保所有小批次具有相同的大小。默认值为 False。
7. timeout（可选参数）：如果设置为正整数，它定义了每个子进程在等待数据加载器传递数据时的超时时间（以秒为单位）。这可以用于避免子进程卡住的情况。默认值为 0，表示没有超时限制。
8. worker_init_fn（可选参数）：一个可选的函数，用于初始化每个子进程的状态。这对于设置每个子进程的随机种子或其他初始化操作很有用。

二、构建简单的CNN网络

和之前一样，CNN网络仍由特征提取网络和分类网络构成。前者提取图片特征，后者对其进行分类。
1.三个重要函数及其参数说明
1.torch.nn.Conv2d()

torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode=‘zeros’, device=None, dtype=None)

关键参数说明：
● in_channels ( int ) – 输入图像中的通道数
● out_channels ( int ) – 卷积产生的通道数
● kernel_size ( int or tuple ) – 卷积核的大小
● stride ( int or tuple , optional ) – 卷积的步幅。默认值：1
● padding ( int , tuple或str , optional ) – 添加到输入的所有四个边的填充。默认值：0
● dilation (int or tuple, optional) - 扩张操作：控制kernel点（卷积核点）的间距，默认值:1。
● groups（int，可选）：将输入通道分组成多个子组，每个子组使用一组卷积核来处理。默认值为 1，表示不进行分组卷积。
● padding_mode (字符串,可选) – ‘zeros’, ‘reflect’, ‘replicate’或’circular’. 默认：‘zeros’

2.torch.nn.Linear()

torch.nn.Linear(in_features, out_features, bias=True, device=None, dtype=None)

关键参数说明：
● in_features：每个输入样本的大小
● out_features：每个输出样本的大小n.Linetorch.nn.Linear()

3.torch.nn.MaxPool2d()

torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)

关键参数说明：
● kernel_size：最大的窗口大小
● stride：窗口的步幅，默认值为kernel_size
● padding：填充值，默认为0
● dilation：控制窗口中元素步幅的参数

注意一下：在卷积层和全连接层之间，可以用之前的torch.flatten()，也可以使用下面的x.view()或torch.nn.Flatten()。
torch.nn.Flatten()与TensorFlow中的Flatten()层类似，前两者则仅仅是一种数据集拉伸操作（将二维数据拉伸为一维）。
torch.flatten()方法不会改变x本身，而是返回一个新的张量。
x.view()方法则是直接在原有数据上进行操作。

网络结构图：

上面的网络数据shape变化过程为：

3, 224, 224（输入数据）-> 12, 220, 220（经过卷积层1）
-> 12, 216, 216（经过卷积层2）-> 12, 108, 108（经过池化层1）
-> 24, 104, 104（经过卷积层3）-> 24, 100, 100（经过卷积层4）->
24, 50, 50（经过池化层2）-> 60000 -> num_classes(4)

可根据“深度学习日志：第P2.5周”这篇文章中的描述手动推导这个过程

import torch.nn.functional as F

# 定义一个包含批量归一化层的神经网络类
class Network_bn(nn.Module):
    def __init__(self):
        """
        类的构造函数，用于初始化网络的各个层
        """
        # 调用父类nn.Module的构造函数
        super(Network_bn, self).__init__()
        """
        nn.Conv2d()函数：
        第一个参数（in_channels）是输入的channel数量
        第二个参数（out_channels）是输出的channel数量
        第三个参数（kernel_size）是卷积核大小
        第四个参数（stride）是步长，默认为1
        第五个参数（padding）是填充大小，默认为0
        """
        # 第一个卷积层，输入通道数为3，输出通道数为12，卷积核大小为5x5
        self.conv1 = nn.Conv2d(in_channels=3, out_channels=12, kernel_size=5, stride=1, padding=0)
        # 第一个批量归一化层，对12个通道进行归一化
        self.bn1 = nn.BatchNorm2d(12)
        # 第二个卷积层，输入通道数为12，输出通道数为12，卷积核大小为5x5
        self.conv2 = nn.Conv2d(in_channels=12, out_channels=12, kernel_size=5, stride=1, padding=0)
        # 第二个批量归一化层，对12个通道进行归一化
        self.bn2 = nn.BatchNorm2d(12)
        # 第一个最大池化层，池化核大小为2x2，步长为2
        self.pool1 = nn.MaxPool2d(2, 2)
        # 第四个卷积层，输入通道数为12，输出通道数为24，卷积核大小为5x5
        self.conv4 = nn.Conv2d(in_channels=12, out_channels=24, kernel_size=5, stride=1, padding=0)
        # 第四个批量归一化层，对24个通道进行归一化
        self.bn4 = nn.BatchNorm2d(24)
        # 第五个卷积层，输入通道数为24，输出通道数为24，卷积核大小为5x5
        self.conv5 = nn.Conv2d(in_channels=24, out_channels=24, kernel_size=5, stride=1, padding=0)
        # 第五个批量归一化层，对24个通道进行归一化
        self.bn5 = nn.BatchNorm2d(24)
        # 第二个最大池化层，池化核大小为2x2，步长为2
        self.pool2 = nn.MaxPool2d(2, 2)
        # 第一个全连接层，输入特征数为24*50*50，输出特征数为类别数量
        self.fc1 = nn.Linear(24*50*50, len(classeNames))

    def forward(self, x):
        """
        前向传播函数，定义了数据在网络中的流动过程
        :param x: 输入数据
        :return: 网络的输出
        """
        # 通过第一个卷积层，然后进行批量归一化，最后使用ReLU激活函数
        x = F.relu(self.bn1(self.conv1(x)))
        # 通过第二个卷积层，然后进行批量归一化，最后使用ReLU激活函数
        x = F.relu(self.bn2(self.conv2(x)))
        # 通过第一个最大池化层进行下采样
        x = self.pool1(x)
        # 通过第四个卷积层，然后进行批量归一化，最后使用ReLU激活函数
        x = F.relu(self.bn4(self.conv4(x)))
        # 通过第五个卷积层，然后进行批量归一化，最后使用ReLU激活函数
        x = F.relu(self.bn5(self.conv5(x)))
        # 通过第二个最大池化层进行下采样
        x = self.pool2(x)
        # 将多维的特征图展平为一维向量
        x = x.view(-1, 24*50*50)
        # 通过第一个全连接层
        x = self.fc1(x)

        return x

# 选择计算设备，如果有可用的GPU则使用CUDA，否则使用CPU
device = "cuda" if torch.cuda.is_available() else "cpu"
# 打印当前使用的计算设备
print("Using {} device".format(device))

# 实例化网络模型，并将其移动到指定的计算设备上
model = Network_bn().to(device)
# 打印模型的结构信息
model

三、训练模型

1.设置超参数

loss_fn    = nn.CrossEntropyLoss() # 创建损失函数
learn_rate = 1e-4 # 学习率
opt        = torch.optim.SGD(model.parameters(),lr=learn_rate)

2.编写训练函数
optimizer.zero_grad()
此函数遍历模型的所有参数，用内置方法截断反向传播的梯度流，再把每个参数的梯度值设为0，上一次梯度记录被清空

loss.backward()——计算梯度
PyTorch的反向传播(即tensor.backward())是通过autograd包来实现的，autograd包会根据tensor进行过的数学运算来自动计算其对应的梯度。
具体来说，torch.tensor是autograd包的基础类，如果你设置tensor的requires_grads为True，就会开始跟踪这个tensor上面的所有运算，如果你做完运算后使用tensor.backward()，所有的梯度就会自动运算，tensor的梯度将会累加到它的.grad属性里面去。
更具体地说，损失函数loss是由模型的所有权重w经过一系列运算得到的，若某个w的requires_grads为True，则w的所有上层参数（后面层的权重w）的.grad_fn属性中就保存了对应的运算，然后在使用loss.backward()后，会一层层的反向传播计算每个w的梯度值，并保存到该w的.grad属性中。
如果没有进行tensor.backward()的话，梯度值将会是None，因此loss.backward()要写在optimizer.step()之前。

optimizer.step()——用梯度下降更新参数值
step()函数的作用是执行一次优化步骤，通过梯度下降法来更新参数的值。因为梯度下降是基于梯度的，所以在执行optimizer.step()函数前应先执行loss.backward()函数来计算梯度。

注意：optimizer只负责通过梯度下降进行优化，而不负责产生梯度，梯度是tensor.backward()方法产生的。

#训练循环
def train(dataloader,model,loss_fn,optimizer):
    size=len(dataloader.dataset)#训练集大小为一共60000张图片
    num_batches=len(dataloader)#每批次（batches）数目=60000/32=1875
    train_loss=0
    train_acc=0

    for X,y in dataloader:
        X,y=X.to(device),y.to(device)
        
        #计算预测误差
        pred=model(X)#pred为预测输出
        loss=loss_fn(pred,y)#计算预测输出和实际输出之间的差距

        #反向传播更新参数
        optimizer.zero_grad()#梯度清零
        loss.backward()#反向传播
        optimizer.step()#更新参数

        #记录acc和loss
        train_acc+=(pred.argmax(1)==y).type(torch.float).sum().item()
        train_loss+=loss.item()#累加当前批次损失，.item()把结果转换为标量值
        #1：pred.argmax(1)返回pred在行上最大值的所在索引
        #2：pred.argmax(1)==y是一个布尔值，表示样本预测是否正确，true为对，false为错
        #3：.type(torch.float)将布尔值转换位浮点型，true为1，false为0
        #4：.sum()将所有样本的预测结果求和，得到正确预测的样本数
        #5：.item()将结果转换为标量值
    train_acc  /= size
    train_loss /= num_batches

    return train_acc, train_loss

3.编写测试函数

测试函数和训练函数大致相同，但是由于不进行梯度下降对网络权重进行更新，所以不需要传入优化器

 #此函数用于在测试集上评估模型性能
def test(dataloader,model,loss_fn):#三个输入参数：dataloader加载数据的迭代器，model模型，loss_fn损失函数
     size=len(dataloader.dataset)#计算样本数     
     num_batches=len(dataloader)#计算测试集批次数目
     test_loss,test_acc=0,0#初始化损失和正确率
     with torch.no_grad():#上下文管理器，在其作用域内禁用梯度计算。测试时无需梯度计算，这样可以节省内存提高速度
         for imgs,target in dataloader:#遍历dataloader数据中每个批次的图像img和标签target
             imgs,target=imgs.to(device),target.to(device)#把数据移动到指定设备上，和模型同一设备
            
             #计算loss和acc
             target_pred=model(imgs)#用模型来预测输入图像
             loss=loss_fn(target_pred,target)#计算预测结果和真实标签之间的损失
             test_loss+=loss.item()#把所有损失累加到一起
             test_acc+=(target_pred.argmax(1)==target).type(torch.float).sum().item()#计算预测正确的数量并累加到test_acc上
             #计算平均损失和平均正确率
     test_acc/=size
     test_loss/= num_batches
    #平均损失和平均正确率即为输出结果
     return test_acc,test_loss

4. 正式训练

model.train()

model.train()的作用是启用 Batch Normalization 和 Dropout。

如果模型中有BN层(Batch Normalization）和Dropout，需要在训练时添加model.train()。model.train()是保证BN层能够用到每一批数据的均值和方差。对于Dropout，model.train()是随机取一部分网络连接来训练更新参数。

model.eval()

model.eval()的作用是不启用 Batch Normalization 和 Dropout。

如果模型中有BN层(Batch Normalization）和Dropout，在测试时添加model.eval()。model.eval()是保证BN层能够用全部训练数据的均值和方差，即测试过程中要保证BN层的均值和方差不变。对于Dropout，model.eval()是利用到了所有网络连接，即不进行随机舍弃神经元。

训练完train样本后，生成的模型model要用来测试样本。在model(test)之前，需要加上model.eval()，否则的话，有输入数据，即使不训练，它也会改变权值。这是model中含有BN层和Dropout所带来的的性质。

epochs     = 20#总周期数为20
#预定义训练集和测试集的loss和acc
train_loss = []
train_acc  = []
test_loss  = []
test_acc   = []

for epoch in range(epochs):#对于每个epoch
    model.train()#作用：把模型设置为“训练模式”，启动Batch Normalization和Dropout
    #对于BN层，它保证其能够用到每一批数据的均值和方差；对于Dropout层，他随机取一部分网络连接来训练更新参数
    epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, opt)
    
    model.eval()#作用：把模型设置为“评估模式”，停止Batch Normalization和Dropout
    epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)
    #记录每个epoch的训练和测试结果
    train_acc.append(epoch_train_acc)
    train_loss.append(epoch_train_loss)
    test_acc.append(epoch_test_acc)
    test_loss.append(epoch_test_loss)
    #template定义一个格式化字符串，来打印每一次训练和测试的结果
    template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%，Test_loss:{:.3f}')
    print(template.format(epoch+1, epoch_train_acc*100, epoch_train_loss, epoch_test_acc*100, epoch_test_loss))#把这里面的逐个填入template的公式里
print('Done')#训练完成的提示

四、结果可视化

import matplotlib.pyplot as plt
import warnings#隐藏警告
warnings.filterwarnings("ignore")#忽略警告信息
plt.rcParams['font.sans-serif']=['SimHei']#正常显示中文标签
plt.rcParams['axes.unicode_minus']=False#正常显示符号
plt.rcParams['figure.dpi']=100#分辨率设置

from datetime import datetime
current_time=datetime.now()#用datatime库的.now()来获取当前时间

epoch_range=range(epochs)#定义训练的周期范围，生成从0到（epochs-1）的整数序列

plt.figure(figsize=(12,3))#创建图形，尺寸为12*3 inch
#把图形分为1行2列两个字图
#1：对于第一个子图
plt.subplot(1,2,1)
#绘制测试集和训练集的准确率曲线
plt.plot(epoch_range,train_acc,label='Training Accuracy')
plt.plot(epoch_range,test_acc,label='Test Accuracy')
plt.legend(loc='lower right')#图例放在右下角
plt.title('Training and Validation Accuracy')#图形命名
plt.xlabel(current_time)#X轴命名
#2：对于第二个子图
plt.subplot(1,2,2)
#绘制测试集和训练集的损失函数曲线
plt.plot(epoch_range,train_loss,label='Training Loss')
plt.plot(epoch_range,test_loss,label='Test Loss')
plt.legend(loc='upper right')#图例放在右上角
plt.title('Training and Validation Loss')#图形命名
plt.show()#显示图形

#打卡要带上时间戳否则代码截图无效

示例输出：

END