深度學習筆記14-CIFAR10彩色圖片識別(Pytorch)

• 🍨 本文為🔗365天深度學習訓練營 中的學習紀錄博客
• 🍖 原作者：K同学啊 | 接輔導、項目定制

---

一、我的環境

• 電腦系統：Windows 10

• 顯卡：NVIDIA GeForce GTX 1060 6GB

• 語言環境：Python 3.7.0

• 開發工具：Sublime Text，Command Line(CMD)

• 深度學習環境：1.12.1+cu113

---

二、準備套件

# PyTorch 的核心模組，包含了張量操作、自動微分、神經網絡構建、優化器等
import torch

# PyTorch 的神經網絡模組，包含了各種神經網絡層和相關操作的類別和函數
import torch.nn as nn

# Matplotlib 的繪圖模組，用於創建各種圖表和視覺化數據
import matplotlib.pyplot as plt

# PyTorch 的計算機視覺工具包，包含了常用的數據集、模型和圖像轉換操作
import torchvision

# 一個用於數值計算的 Python 庫，提供了高效的數組和矩陣操作功能
import numpy as np

# PyTorch 的函數式神經網絡操作模組，包含了神經網絡中常用的操作，例如激活函數、損失函數等
import torch.nn.functional as F

# 提供 PyTorch 模型的詳細摘要信息，包括層數、參數數量和輸出形狀等，類似於 Keras 的 model.summary()
from torchinfo import summary

# 隱藏警告
import warnings

---

三、環境準備

# 忽略警告訊息
warnings.filterwarnings("ignore")  

# 輸出 PyTorch 的版本號
print(torch.__version__)

# 檢查是否有可用的CUDA設備，否則使用CPU
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
# 打印出當前使用的設備
print(device)

---

四、載入數據

# 載入CIFAR-10訓練數據集
train_ds = torchvision.datasets.CIFAR10(
    'data',  # 數據下載後保存的目錄
    train=True,   # 指定載入訓練數據集
    transform=torchvision.transforms.ToTensor(), # 將圖像轉換為Tensor
    download=True # 如果數據集不存在，則從網絡下載
)

test_ds  = torchvision.datasets.CIFAR10(
    'data',   # 數據下載後保存的目錄
    train=False,   # 指定載入測試數據集
    transform=torchvision.transforms.ToTensor(),   # 將圖像轉換為Tensor
    download=True  # 如果數據集不存在，則從網絡下載
)

---

五、數據預處理

# 定義每個批次的大小為32
batch_size = 32

# 創建訓練數據的DataLoader
train_dl = torch.utils.data.DataLoader(
    train_ds,   # 訓練數據集
    batch_size=batch_size,   # 每個批次包含32個樣本
    shuffle=True # 在每個epoch開始時打亂數據
)

# 創建測試數據的DataLoader
test_dl  = torch.utils.data.DataLoader(
    test_ds, # 測試數據集
    batch_size=batch_size # 每個批次包含32個樣本
    # 測試數據集不需要shuffle，默認為False
)

# 從訓練數據加載器中取出一個批次的圖像和標籤
imgs, labels = next(iter(train_dl))
# 打印圖像的形狀 (batch_size, channels, height, width)
print(imgs.shape)

---

六、圖片可視化

# 創建一個大小為 (20, 5) 的圖形
plt.figure(figsize=(20, 5)) 
# 遍歷前20個圖像
for i, imgs in enumerate(imgs[:20]):
    # 將圖像從 (channels, height, width) 轉換為 (height, width, channels) 以便於顯示
    npimg = imgs.numpy().transpose((1, 2, 0))
    # 在2行10列的子圖中繪製圖像
    plt.subplot(2, 10, i+1)
    # 顯示圖像，使用灰度色彩映射
    plt.imshow(npimg, cmap=plt.cm.binary)
    # 隱藏坐標軸
    plt.axis('off')
# 顯示圖形
plt.show()

---

七、定義模型

# 定義分類數量（CIFAR-10有10個類別）
num_classes = 10 

# 定義模型類
class Model(nn.Module):
    def __init__(self):
        super().__init__()
        # 定義第一個卷積層，輸入通道為3（CIFAR-10圖像的RGB通道），輸出通道為64，卷積核大小為3x3
        self.conv1 = nn.Conv2d(3, 64, kernel_size=3)  
        # 定義第一個池化層，使用2x2的最大池化
        self.pool1 = nn.MaxPool2d(kernel_size=2)       
        # 定義第二個卷積層，輸入通道為64，輸出通道為64，卷積核大小為3x3
        self.conv2 = nn.Conv2d(64, 64, kernel_size=3)   
        # 定義第二個池化層，使用2x2的最大池化
        self.pool2 = nn.MaxPool2d(kernel_size=2) 
        # 定義第三個卷積層，輸入通道為64，輸出通道為128，卷積核大小為3x3
        self.conv3 = nn.Conv2d(64, 128, kernel_size=3)    
        # 定義第三個池化層，使用2x2的最大池化
        self.pool3 = nn.MaxPool2d(kernel_size=2) 
                 
        # 定義第一個全連接層，輸入大小為512，輸出大小為256
        self.fc1 = nn.Linear(512, 256)          
        # 定義第二個全連接層，輸出大小為 num_classes（分類的數量）
        self.fc2 = nn.Linear(256, num_classes)
        
    # 定義前向傳播
    def forward(self, x):
        # 通過第一個卷積層、ReLU激活函數和池化層
        x = self.pool1(F.relu(self.conv1(x)))     
        # 通過第二個卷積層、ReLU激活函數和池化層
        x = self.pool2(F.relu(self.conv2(x)))
        # 通過第三個卷積層、ReLU激活函數和池化層
        x = self.pool3(F.relu(self.conv3(x)))
        
        # 將特徵圖展平為一維向量
        x = torch.flatten(x, start_dim=1)
        # 通過第一個全連接層和ReLU激活函數
        x = F.relu(self.fc1(x))
        # 通過第二個全連接層，輸出為分類結果
        x = self.fc2(x)
       
        # 返回輸出
        return x

# 將模型移動到指定設備（GPU或CPU）
model = Model().to(device)

# 打印模型結構摘要
summary(model)

---

八、定義訓練函數

# 定義損失函數為交叉熵損失
loss_fn = nn.CrossEntropyLoss() 

# 設定學習率為0.01
learn_rate = 1e-2 

# 使用隨機梯度下降（SGD）優化器
opt = torch.optim.SGD(model.parameters(), lr=learn_rate)

# 定義訓練函數
def train(dataloader, model, loss_fn, optimizer):
    # 獲取訓練集的大小
    size = len(dataloader.dataset)  
    
    # 獲取批次數量
    num_batches = len(dataloader) 

    # 初始化訓練損失和準確率
    train_loss, train_acc = 0, 0  
    
    # 遍歷訓練數據
    for X, y in dataloader: 
        # 將輸入和標籤移動到指定設備（GPU或CPU）
        X, y = X.to(device), y.to(device)
        
        # 前向傳播：計算模型預測
        pred = model(X)         
        
        # 計算損失
        loss = loss_fn(pred, y)
        
        # 反向傳播前清零梯度
        optimizer.zero_grad()  
        
        # 反向傳播：計算梯度
        loss.backward()        
        
        # 更新模型參數
        optimizer.step()     
        
        # 計算訓練準確率
        train_acc += (pred.argmax(1) == y).type(torch.float).sum().item()
        
        # 累加訓練損失
        train_loss += loss.item()
            
    # 計算平均訓練準確率
    train_acc /= size
    
    # 計算平均訓練損失
    train_loss /= num_batches

    return train_acc, train_loss

---

九、定義測試函數

def test(dataloader, model, loss_fn):
    # 獲取測試集的大小
    size = len(dataloader.dataset) 
    
    # 獲取批次數量
    num_batches = len(dataloader)  
    
    # 初始化測試損失和準確率
    test_loss, test_acc = 0, 0
    
    # 禁用梯度計算（加速推理過程）
    with torch.no_grad():
        # 遍歷測試數據
        for imgs, target in dataloader:
            # 將輸入和標籤移動到指定設備（GPU或CPU）
            imgs, target = imgs.to(device), target.to(device)
            
            # 前向傳播：計算模型預測
            target_pred = model(imgs)
            
            # 計算損失
            loss = loss_fn(target_pred, target)
            
            # 累加測試損失
            test_loss += loss.item()
            
            # 計算測試準確率
            test_acc += (target_pred.argmax(1) == target).type(torch.float).sum().item()

    # 計算平均測試準確率
    test_acc /= size
    
    # 計算平均測試損失
    test_loss /= num_batches

    return test_acc, test_loss

---

十、模型訓練

epochs     = 10   # 訓練的回合數
train_loss = []   # 存儲每個回合的訓練損失
train_acc  = []   # 存儲每個回合的訓練準確率
test_loss  = []   # 存儲每個回合的測試損失
test_acc   = []   # 存儲每個回合的測試準確率

# 訓練和測試循環
for epoch in range(epochs):
    model.train()  # 將模型設置為訓練模式
    epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, opt)  # 訓練模型並返回訓練準確率和損失
    
    model.eval()  # 將模型設置為評估模式
    epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)  # 測試模型並返回測試準確率和損失
    
    train_acc.append(epoch_train_acc)  # 存儲訓練準確率
    train_loss.append(epoch_train_loss)  # 存儲訓練損失
    test_acc.append(epoch_test_acc)  # 存儲測試準確率
    test_loss.append(epoch_test_loss)  # 存儲測試損失
    
    # 格式化並輸出當前回合的訓練和測試結果
    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))
print('Done')

---

十一、結果可視化

# 設定 Matplotlib 的參數以支援中文和負號的顯示
plt.rcParams['font.sans-serif']    = ['SimHei']  # 用來正常顯示中文標籤
plt.rcParams['axes.unicode_minus'] = False       # 用來正常顯示負號
plt.rcParams['figure.dpi']         = 100         # 設定圖表的解析度

epochs_range = range(epochs)  # 訓練回合的範圍

plt.figure(figsize=(12, 3))  # 設置圖表大小
plt.subplot(1, 2, 1)  # 創建一個2行1列的子圖佈局，這裡畫第一個圖

# 畫出訓練和測試的準確率曲線
plt.plot(epochs_range, train_acc, label='Training Accuracy')
plt.plot(epochs_range, test_acc, label='Test Accuracy')
plt.legend(loc='lower right')  # 顯示圖例
plt.title('Training and Validation Accuracy')  # 設定標題

plt.subplot(1, 2, 2)  # 畫第二個圖
# 畫出訓練和測試的損失曲線
plt.plot(epochs_range, train_loss, label='Training Loss')
plt.plot(epochs_range, test_loss, label='Test Loss')
plt.legend(loc='upper right')  # 顯示圖例
plt.title('Training and Validation Loss')  # 設定標題

plt.show()  # 顯示圖表

---

十二、心得

最近開始使用 PyTorch 框架來訓練模型，以下是 PyTorch 和 TensorFlow 2 的差異說明

• 動態圖 vs 靜態圖：

  • PyTorch 使用動態計算圖：這意味著計算圖是即時定義的，每次迭代可以根據需要改變結構，更靈活，更容易進行調試和編程
  • TensorFlow 2 則引入了即時執行（Eager Execution），類似於 PyTorch 的動態圖模式，使得模型的建立和調試更加直觀和靈活，此外，TensorFlow 2 也可以使用靜態圖來進行更高效的低級優化和部署

• API 設計：

  • PyTorch 的 API 設計更直觀和簡潔，更貼近 Python 編程風格，使得學習曲線較平緩，特別適合研究和實驗
  • TensorFlow 2 則採用了 Keras 作為其主要高級 API，提供了更高層次的抽象和簡化，使得模型的定義和訓練更加容易，特別適合生產環境和大規模部署

• 模型部署：

  • TensorFlow 2 在模型訓練後的部署和生產環境中表現更加優異，支持較多的低級優化和部署工具（如 TensorFlow Serving）
  • PyTorch 雖然近年來在這方面有所改進，但相對而言仍有一定的差距，部署需要更多的自定義和額外的工作

• 社區和生態系統：

  • TensorFlow 擁有更大的社區支持和更成熟的生態系統，有更多的文檔、教程和預訓練模型可用
  • PyTorch 的社區雖然較小，但在學術界和研究領域中得到了廣泛的應用和支持，並且快速增長

這次作業中，我學到如何使用 PyTorch 的 torchvision 模組來加載 CIFAR-10 數據集，這個過程包括對圖片進行標準化和轉換，使其適合訓練模型，載入數據後使用 PyTorch 定義一個簡單的卷積神經網絡（CNN）來處理圖像分類任務，這裡使用了幾個卷積層和池化層，以及全連接層，之後定義損失函數和優化器，然後訓練模型，這裡使用交叉熵損失和隨機梯度下降（SGD）優化器，最後使用測試集來評估模型的表現，計算準確率和其他指標

通過調整不同的超參數和嘗試不同的模型架構，也意識到了如何優化模型以達到更好的性能，這個過程不僅加深了我對深度學習的理解，還增強了我解決實際問題的能力