PyTorch学习记录（七）多分类问题

第一次接触pytorch，本贴仅记录学习过程，侵删

在B站看完了视频的P9 09.多分类问题。
附上视频地址：《PyTorch深度学习实践》完结合集_09. 多分类问题

首先附上两个需要读的文档：

1.CrossEntropyLoss
https://pytorch.org/docs/stable/generated/torch.nn.CrossEntropyLoss.html#torch.nn.CrossEntropyLoss

2.NLLLoss
https://pytorch.org/docs/stable/generated/torch.nn.NLLLoss.html#torch.nn.NLLLoss

其次通过一个例子来理解：

MNIST Dataset

1、Prepare Datasets

batch_size = 64
transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.1307,), (0.3081,))
])

train_dataset = datasets.MNIST(root='../dataset/mnist/',
                               train=True,
                               download=True,
                               transform=transform)
train_loader = DataLoader(train_dataset,
                          shuffle=True,
                          batch_size=batch_size)
test_dataset = datasets.MNIST(root='../dataset/mnist/',
                              train=False,
                              download=True,
                              transform=transform)
test_loader = DataLoader(train_dataset,
                         shuffle=False,
                         batch_size=batch_size)

先解释一下在Prepare Datasets时，与之前不同的一个部分：

transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.1307,), (0.3081,))
])

在pytorch中读图像时用的是python的PIL（pillow），pillow读进来的图像在神经网络处理时，希望输入数值较小、在（-1，1）之间、遵从正态分布，故需要将它转换为图像张量。

一般读进来的图像张量是W×H×C，在pytorch中我们要把它转化为C×W×H
（不知道老师这里是否存在口误，我查阅了pytorch文档

这里给出的解释是：将 [0, 255] 范围内的 PIL Image 或 numpy.ndarray (H x W x C) 转换为 [0.0, 1.0] 范围内形状 (C x H x W) 的 torch.FloatTensor。
）

这个过程我们可以用transform提供的ToTensor()来实现。

在这里，我们实际上构造的是Compose这个类的实例，①先用ToTensor()，把输入的图像转变成pytorch中的张量（C×W×H，取值从0到1）；②Normalize()，即归一化，参数分别为均值和标准差。

2、Design Model

class Net(torch.nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.l1 = torch.nn.Linear(784, 512)
        self.l2 = torch.nn.Linear(512, 256)
        self.l3 = torch.nn.Linear(256, 128)
        self.l4 = torch.nn.Linear(128, 64)
        self.l5 = torch.nn.Linear(64, 10)

    def forward(self, x):
        x = x.view(-1, 784)
        x = F.relu(self.l1(x))
        x = F.relu(self.l2(x))
        x = F.relu(self.l3(x))
        x = F.relu(self.l4(x))
        return self.l5(x)


model = Net()

输入的维度是四阶张量：每个中有N个样本，每个样本是1×28×28的图像，即N×1×28×28。

所以第一步我们得把这个三阶的张量变成一阶的向量，即把图像的每一行都拼接起来。这里可以使用view（-1，784）来完成。 这样维度就变成了（N，784）。

注意！！！最后一层不做激活！因为直接原生的输出现成输出，接到后面的softmax里。

3、Construct Loss and Optimizer

criterion = torch.nn.CrossEntropyLoss()
optimizer = optim.SGD(model.parameters(), lr=0.01, momentum=0.5)

在这里，使用交叉熵，并把冲量momentum设置为0.5来优化训练过程。

4、Train and Test

def train(epoch):
    running_loss = 0.0
    for batch_idx, data in enumerate(train_loader, 0):
        inputs, target = data
        optimizer.zero_grad()

        outputs = model(inputs)
        loss = criterion(outputs, target)
        loss.backward()
        optimizer.step()

        running_loss += loss.item()
        if batch_idx % 300 == 299:
            print('[%d, %5d] loss:%.3f' % (epoch + 1, batch_idx + 1, running_loss / 300))
            running_loss = 0.0


def test():
    correct = 0
    total = 0
    with torch.no_grad():
        for data in test_loader:
            images, labels = data
            outputs = model(images)
            _, predicted = torch.max(outputs.data, dim=1)
            total += labels.size(0)
            correct += (predicted == labels).sum().item()
    print('Accuracy on test set:%d %%' % (100 * correct / total))

其中

torch.max(outputs.data, dim=1)

dim是维度：0为列，1为行；即沿着行去查找
返回的值有两个：一个是每一行的最大值，另一个是每一行最大值的下标

total加上这个批量的总数labels.size(0)，labels是一个（如果有N个样本）N×1的矩阵。

接下来计算推测出的分类和labels之间的分类的比较，相等为真1，不相等为假0，然后求和。

5、主程序

if __name__ == '__main__':
    for epoch in range(10):
        train(epoch)
        test()       

最后布置了个作业：

Dataset:https://www.kaggle.com/c/otto-group-product-classification-challenge/data