torch学习-训练分类器

数据：

当我们需要处理图片，文档，音频或者视频数据时，可以使用python的包将数据加载到numpy数组。然后将numpy 数组转换成torch.*Tensor

• 对于图片，Pillow，OpenCV
• 对于音频，scipy和librosa
• 对于文本数据，基于Python或Cython加载，或者借助于NLTK和SpaCy包

对于计算机视觉，官方创建了一个torchvision包，这里包含了对于常见数据集（如Imagenet，CIFAR10，MNIST等）的数据加载器，图片数据转换等。torchvision.datasets,torchvision.data.DataLoader

这里使用CIFAR10数据集，隶属于十个类别： ‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’. CIFAR-10数据集中的图片尺寸为3*32*32，即三通道  32*32像素的彩色图片

为了训练一个图片分类器，我们将遵循如下顺序：

1. 用torchvision 加载和归一化CIFAR10的训练，测试数据集

2. 定义一个卷积神经网络

3. 在训练集上训练网络

4. 在测试集上测试网络

下面开始第一步：

（1）加载和归一化CIFAR-10数据

import torch
import torchvision
import torchvision.transforms as transforms

torchvision数据集的输出是PILImage 图片，范围是[0,1].我们需要将其转换成[-1,1]区间的Tensor

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,
                                      download=True,transform=transform)
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')

可以看部分的训练数据集

import matplotlib.pyplot as plt
import numpy as np

def imshow(img):
    img = img / 2 + 0.5     # unnormalize
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg, (1, 2, 0)))

# 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)))

2.定义卷积神经网络

将神经网络那一部分的代码（点击打开链接）复制过来，修改通道数为3

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

3.定义损失函数

使用分类的交叉熵损失函数核随机梯度下降

import torch.optim as optim
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

4.训练神经网络

  for epoch in range(2):  
    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        # get the inputs
        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')

5. 测试数据

首先看一下测试数据是什么样子的

接下来，我们看看神经网络是怎么预测这些样本的标签的

outputs=net(images)

print(outputs[:2])

outputs是10个类别的能量值，某一个类别的能量值越大，神经网络就认为该图片属于该类别。下面我们获取最大能量值的索引值。

这个结果看起来还不错

让我们看看神经网络在整体数据集上的表现

correct=0
  total=0
  with torch.no_grad():
    for data in testloader:
      images,labels=data
      outputs=net(images)
      _,predicted=torch.max(outputs,1)
      total+=labels.size(0)
      correct+=(predicted==labels).sum().item()
  print('Accuracy of the network on the 1000 test images:%d %%'%(100*correct/total))