Pytorch入门学习（四）－training a classifier

Pytorch入门学习（四）－training a classifier

与阳光共进早餐

2018.01.12 15:13* 字数 817 阅读 2127评论 0喜欢 4

未经允许，不得转载，谢谢~~

我们现在已经知道了：

• 怎么样用pytorch定义一个神经网络；
• 怎么样计算损失值；
• 怎么样更新网络的权重；

现在剩下的问题就是怎么样获取数据了，pytorch除了支持将包含数据信息的numpy array转换成Tensor以外，也提供了各个常见数据集的加载方式，并封装到了torchvision中，本文简单介绍数据获取的方式，然后训练一个简单的分类网络作为入门级的example。

数据获取

当你想要处理图像，文本，语音或者视频信息时，一般可以用标准的python包将数据加载到numpy array中，然后将其转换成Tensor.

• 对于图像，常用的有：Pillow，OpenCV
• 对于语音，常用的有：scipy, libosa
• 对于文本，常用的有：NLTK, SpaCy

Pytorch提供的torchvision包封装了常见数据集的数据加载函数，比如Imagenet，CIFAR10，MNIST等等它都提供了数据加载的功能。除此，它还提供了torchvision.datasets和torch.utils.data.DataLoader用于实现图像数据转换的功能。

训练图像分类器

加载并处理CIFAR10

import torch
import torchvision
import torchvision.transforms as transforms

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')

注：torchvision的输出结果为PILImage, 处于[0,1]之间，所以我们将其转换为[-1,1]之间的张量。

如果没有CIFAR10的数据，代码会自动下载，输出结果如下所示：

 

来来来，让我们把训练图片输出来看看～

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)))


# 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)))

如下所示：

 

定义卷积神经网络

这部分的实现跟之前定义的神经网络是一样的，除了cifar10是三通道输入的，代码如下：

from torch.autograd import Variable
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()

用print net语句可以将网络结构打印出来：

 

定义损失函数和优化器

我们用交叉熵作为损失值，用带动量的SGD随机梯度下降法作为网络的优化器。

import torch.optim as optim

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

训练神经网络

在pytorch中，我们不需要自己计算梯度，只要不断将训练数据喂给网络，然后调用优化器进行优化就可以了。

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
        inputs, labels = data

        # wrap them in Variable
        inputs, labels = Variable(inputs), Variable(labels)

        # 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.data[0]
        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')

如上展示了训练的过程，实际中epoch=2还不够，可以增大epoch来提高精度。

用测试数据进行测试

现在已经在训练数据上做了2轮的训练，我们现在可以检查一下网络是否有学习到东西。
我们先展示一些测试集里面的数据：

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)))

现在来看看网络的预测结果

outputs = net(Variable(images))

# transform from score to label
_, predicted = torch.max(outputs.data, 1)
print('Predicted: ', ' '.join('%5s' % classes[predicted[j]]
                              for j in range(4)))

可以看到预测结果还是挺准确的。

再来看看整个测试集的运行情况：

correct = 0
total = 0
for data in testloader:
    images, labels = data
    outputs = net(Variable(images))
    _, predicted = torch.max(outputs.data, 1)
    total += labels.size(0)
    correct += (predicted == labels).sum()

print('Accuracy of the network on the 10000 test images: %d %%' % (
    100 * correct / total))

最后得到的结果为：

 

以下是输出了每个类别的判断

class_correct = list(0. for i in range(10))
class_total = list(0. for i in range(10))
for data in testloader:
    images, labels = data
    outputs = net(Variable(images))
    _, predicted = torch.max(outputs.data, 1)
    c = (predicted == labels).squeeze()
    for i in range(4):
        label = labels[i]
        class_correct[label] += c[i]
        class_total[label] += 1


for i in range(10):
    print('Accuracy of %5s : %2d %%' % (
        classes[i], 100 * class_correct[i] / class_total[i]))

结果如下：

 

比随机识别的概率10%已经要高很多了，当然要精度更高可以增加训练的轮数，改变学习率等等。

以上就完成了一个简单分类器网络的定义集训练，可以用这个为入门example跑跑看～～