🍨 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 | 接辅导、项目定制
🚀 文章来源:K同学的学习圈子
我的环境:pytorch环境下的juper notebook
python版本:3.6
一、 前期准备
1. 设置GPU
import torch
import torch.nn as nn
import matplotlib.pyplot as plt
import torchvision
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
device
我的电脑有GPU,运行结果
device(type='cuda')
2. 导入数据
使用dataset下载CIFAR10数据集,并划分好训练集与测试集
使用dataloader加载数据,并设置好基本的batch_size
train_ds = torchvision.datasets.CIFAR10('data',
train=True,
transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor类型
download=True)
test_ds = torchvision.datasets.CIFAR10('data',
train=False,
transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
download=True)
下载数据集和测试集:CIFAR10
batch_size = 32
train_dl = torch.utils.data.DataLoader(train_ds,
batch_size=batch_size,
shuffle=True)
test_dl = torch.utils.data.DataLoader(test_ds,
batch_size=batch_size)
把数据装进dataloader
# 取一个批次查看数据格式
# 数据的shape为:[batch_size, channel, height, weight]
# 其中batch_size为自己设定,channel,height和weight分别是图片的通道数,高度和宽度。
imgs, labels = next(iter(train_dl))
imgs.shape
next(iter(train_dl))
的作用是获取数据加载器中的下一个批次的数据。返回的结果是一个二元组,第一个元素是图像数据的张量(imgs),第二个元素是标签数据的张量(labels)。
这行代码的目的是用来获取用于训练的一个批次的图像和标签数据,以便后续用于模型的训练过程。
在 PyTorch 中,DataLoader
就是一个可迭代对象,它可以将数据集分成多个 batch,并且每个 batch 的大小可以指定。train_dl
就是一个 DataLoader
对象,通过调用 iter(train_dl)
可以将其转换成一个迭代器对象,这样我们就可以使用 next()
函数逐个获取其中的元素(即每个 batch 的数据)。
3. 数据可视化
import numpy as np
# 指定图片大小,图像大小为20宽、5高的绘图(单位为英寸inch)
plt.figure(figsize=(20, 5))
for i, imgs in enumerate(imgs[:20]):
# 维度缩减
npimg = imgs.numpy().transpose((1, 2, 0))
# 将整个figure分成2行10列,绘制第i+1个子图。
plt.subplot(2, 10, i+1)
plt.imshow(npimg, cmap=plt.cm.binary)
plt.axis('off')
#plt.show() 如果你使用的是Pycharm编译器,请加上这行代码
二、构建简单的CNN网络
import torch.nn.functional as F
num_classes = 10 # 图片的类别数
class Model(nn.Module):
def __init__(self):
super().__init__()
# 特征提取网络
self.conv1 = nn.Conv2d(3, 64, kernel_size=3) # 第一层卷积,卷积核大小为3*3
self.pool1 = nn.MaxPool2d(kernel_size=2) # 设置池化层,池化核大小为2*2
self.conv2 = nn.Conv2d(64, 64, kernel_size=3) # 第二层卷积,卷积核大小为3*3
self.pool2 = nn.MaxPool2d(kernel_size=2)
self.conv3 = nn.Conv2d(64, 128, kernel_size=3) # 第二层卷积,卷积核大小为3*3
self.pool3 = nn.MaxPool2d(kernel_size=2)
# 分类网络
self.fc1 = nn.Linear(512, 256)
self.fc2 = nn.Linear(256, num_classes)
# 前向传播
def forward(self, x):
x = self.pool1(F.relu(self.conv1(x)))
x = self.pool2(F.relu(self.conv2(x)))
x = self.pool3(F.relu(self.conv3(x)))
x = torch.flatten(x, start_dim=1)
x = F.relu(self.fc1(x))
x = self.fc2(x)
return x
加载模型
model = Model().to(device)
三、 训练模型
1. 设置超参数
loss_fn = nn.CrossEntropyLoss() # 创建损失函数
learn_rate = 1e-2 # 学习率
opt = torch.optim.SGD(model.parameters(),lr=learn_rate)
2. 编写训练函数
# 训练循环
def train(dataloader, model, loss_fn, optimizer):
size = len(dataloader.dataset) # 训练集的大小,一共60000张图片
num_batches = len(dataloader) # 批次数目,1875(60000/32)
train_loss, train_acc = 0, 0 # 初始化训练损失和正确率
for X, y in dataloader: # 获取图片及其标签
X, y = X.to(device), y.to(device)
# 计算预测误差
pred = model(X) # 网络输出
loss = loss_fn(pred, y) # 计算网络输出和真实值之间的差距,targets为真实值,计算二者差值即为损失
# 反向传播
optimizer.zero_grad() # grad属性归零
loss.backward() # 反向传播
optimizer.step() # 每一步自动更新
# 记录acc与loss
train_acc += (pred.argmax(1) == y).type(torch.float).sum().item()
train_loss += loss.item()
train_acc /= size
train_loss /= num_batches
return train_acc, train_loss
3. 编写测试函数
def test (dataloader, model, loss_fn):
size = len(dataloader.dataset) # 测试集的大小,一共10000张图片
num_batches = len(dataloader) # 批次数目,313(10000/32=312.5,向上取整)
test_loss, test_acc = 0, 0
# 当不进行训练时,停止梯度更新,节省计算内存消耗
with torch.no_grad():
for imgs, target in dataloader:
imgs, target = imgs.to(device), target.to(device)
# 计算loss
target_pred = model(imgs)
loss = loss_fn(target_pred, target)
test_loss += loss.item()
test_acc += (target_pred.argmax(1) == target).type(torch.float).sum().item()
test_acc /= size
test_loss /= num_batches
return test_acc, test_loss
4. 正式训练
epochs = 10
train_loss = []
train_acc = []
test_loss = []
test_acc = []
for epoch in range(epochs):
model.train()
epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, opt)
model.eval()
epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)
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 = ('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))
print('Done')
四、 结果可视化
import matplotlib.pyplot as plt
#隐藏警告
import warnings
warnings.filterwarnings("ignore") #忽略警告信息
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
plt.rcParams['figure.dpi'] = 100 #分辨率
epochs_range = range(epochs)
plt.figure(figsize=(12, 3))
plt.subplot(1, 2, 1)
plt.plot(epochs_range, train_acc, label='Training Accuracy')
plt.plot(epochs_range, test_acc, label='Test Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')
plt.subplot(1, 2, 2)
plt.plot(epochs_range, train_loss, label='Training Loss')
plt.plot(epochs_range, test_loss, label='Test Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()
我的结果:
五.个人具体收获和个人总结
对卷积层与池化层的计算原理进行理解和推导。本代码所用的卷积池化结构如下
# 特征提取网络
self.conv1 = nn.Conv2d(3, 64, kernel_size=3) # 第一层卷积,卷积核大小为3*3
self.pool1 = nn.MaxPool2d(kernel_size=2) # 设置池化层,池化核大小为2*2
self.conv2 = nn.Conv2d(64, 64, kernel_size=3) # 第二层卷积,卷积核大小为3*3
self.pool2 = nn.MaxPool2d(kernel_size=2)
self.conv3 = nn.Conv2d(64, 128, kernel_size=3) # 第二层卷积,卷积核大小为3*3
self.pool3 = nn.MaxPool2d(kernel_size=2)
# 分类网络
self.fc1 = nn.Linear(512, 256)
self.fc2 = nn.Linear(256, num_classes)
卷积输出的shape公式如下:
torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
stride=1, padding=0, dilation=1, groups=1, bias=True,这些是默认参数
self.conv1 = nn.Conv2d(3, 64, kernel_size=3) # 第一层卷积,卷积核大小为3*3
代码中的in_channels, out_channels, kernel_size自己设定,其他如果不设定即被认为是默认值
本文代码中输入通道设为了3,输出通道设为了64,卷积核大小为3x3
图像一开始是(3,32,32)的shape
经过卷积层1(self.conv1)o=(32-3+2x0)/1+1=30
所以输出通道是自己设的64,图片大小为30x30
即(64,30,30)
下一步是经过池化层一
池化输出的shape公式如下:
torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)
stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False这些是默认参数
stride
:窗口的步幅,默认值为kernel_size(核的大小) ,(本案例中的值 = 2)
本文中代码 self.pool1 = nn.MaxPool2d(kernel_size=2) ,设置了kernel_size
:最大的窗口大小,(本案例中的值 = 2)
Hout=(30+0-1x(2-1)-1)/2+1=15
Wout=(30+0-1x1-1)/2+1=15
所以最终的输出为:(64,15,15), 其中的 64 的值沿用卷积层一产生的通道数.
接下来同理:
经过卷积层2
self.conv2 = nn.Conv2d(64, 64, kernel_size=3)
o=(15-3+0)/1+1=13,输出通道数是conv2自己设的64
最终输出即为(64,13,13)
经过池化层2
self.pool2 = nn.MaxPool2d(kernel_size=2)
Hout=Wout=(13+0-1x(2-1)-1)/2+1=5.5+1=6.5
注意此时不是整数,池化操作向下取整,即取6
最终输出即为(64,6,6)
经过卷积层3
self.conv3 = nn.Conv2d(64, 128, kernel_size=3)
o=(6-3+0)/1+1=4
最终输出即为(128,4,4)
经过池化层3
self.pool3 = nn.MaxPool2d(kernel_size=2)
Hout=Wout=(4+0-1x(2-1)-1)/2+1=2
最终输出即为(128,2,2)
总结:下面的网络数据shape变化过程为:
3, 32, 32
(输入数据)
-> 64, 30, 30
(经过卷积层1)-> 64, 15, 15
(经过池化层1)
-> 64, 13, 13
(经过卷积层2)-> 64, 6, 6
(经过池化层2)
-> 128, 4, 4
(经过卷积层3) -> 128, 2, 2
(经过池化层3)
-> 512
-> 256
-> num_classes(10)