此博文用到的CIFAR10数据集,可从官网下载:官网入口
但是官网下载实在是太慢啦,这里贴一个百度云链接哈哈十分钟的事情嘛,百度云:链接入口
此博文用到的卷积网络结构为LeNet5,比较久远,但是为了pytorch练手嘛可以试试,加深理解。
LeNet 5卷积神经网络结构如下图:
图1 LeNet 5卷积神经网络结构
一、主要库包理解与解释
torchvision详细介绍:参考博文入口
(1) Torchvision
torchvision是独立于pytorch的关于图像操作的一些方便工具库.
- vision.datasets :
几个常用视觉数据集(MINIST,CIFAR),可以下载和加载,这里主要的高级用法就是可以看源码如何自己写自己的Dataset的子类 - vision.models : 流行的模型,例如 AlexNet, VGG, ResNet 和 Densenet 以及 与训练好的参数。
- vision.transforms : 常用的图像操作,例如:随机切割,旋转,数据类型转换,图像到tensor ,numpy
数组到tensor , tensor 到 图像等。 - vision.utils : 用于把形似 (3 x H x W) 的张量保存到硬盘中,给一个mini-batch的图像可以产生一个图像格网
MINIST数据
dset.MNIST(root, train=True, transform=None, target_transform=None, download=False)
- root:数据的目录,里边有 processed/training.pt 和processed/test.pt 的内容
- train: True -使用训练集, False -使用测试集.
- transform: 给输入图像施加变换
- target_transform:给目标值(类别标签)施加的变换
- download: 是否下载mnist数据集,下载到root中指定的目录
CIFAR数据集
cifar10表示10个图片分类种类;cifar100将图片更加细分为100个分类情况
如下图所示:
dset.CIFAR10(root, train=True, transform=None, target_transform=None, download=False)
dset.CIFAR100(root, train=True, transform=None, target_transform=None, download=False)
- root : 数据的目录,存放 cifar-10-batches-py数据集
- train :True -使用训练集, False -使用测试集.
- download : 是否下载mnist数据集,下载到root中指定的目录
(2)DataLoader
从DataLoader类的属性定义中可以看出,这个类的作用就是实现数据以什么方式输入到什么网络中
下面具体研究一下:
先看看 dataloader.py脚本是怎么写的(VS中按F12跳转到该脚本)
init(构造函数)中的几个重要的属性:
-
dataset:(数据类型 dataset)
输入的数据类型。看名字感觉就像是数据库,C#里面也有dataset类,理论上应该还有下一级的datatable。这应当是原始数据的输入。PyTorch内也有这种数据结构。这里先不管,估计和C#的类似,这里只需要知道是输入数据类型是dataset就可以了。
-
batch_size:(数据类型 int)
每次输入数据的行数,默认为1。PyTorch训练模型时调用数据不是一行一行进行的(这样太没效率),而是一捆一捆来的。这里就是定义每次喂给神经网络多少行数据,如果设置成1,那就是一行一行进行。
-
shuffle:(数据类型 bool)
洗牌。默认设置为False。在每次迭代训练时是否将数据洗牌,默认设置是False。将输入数据的顺序打乱,是为了使数据更有独立性,但如果数据是有序列特征的,就不要设置成True了。
-
collate_fn:(数据类型 callable,没见过的类型)
将一小段数据合并成数据列表,默认设置是False。如果设置成True,系统会在返回前会将张量数据(Tensors)复制到CUDA内存中。(不太明白作用是什么,就暂时默认False)
-
batch_sampler:(数据类型 Sampler)
批量采样,默认设置为None。但每次返回的是一批数据的索引(注意:不是数据)。其和batch_size、shuffle 、sampler
and
drop_last参数是不兼容的。我想,应该是每次输入网络的数据是随机采样模式,这样能使数据更具有独立性质。所以,它和一捆一捆按顺序输入,数据洗牌,数据采样,等模式是不兼容的。 -
sampler:(数据类型 Sampler)
采样,默认设置为None。根据定义的策略从数据集中采样输入。如果定义采样规则,则洗牌(shuffle)设置必须为False。
-
num_workers:(数据类型 Int)
工作者数量,默认是0。使用多少个子进程来导入数据。设置为0,就是使用主进程来导入数据。注意:这个数字必须是大于等于0的,负数估计会出错。
-
pin_memory:(数据类型 bool)
内存寄存,默认为False。在数据返回前,是否将数据复制到CUDA内存中。
-
drop_last:(数据类型 bool)
丢弃最后数据,默认为False。设置了 batch_size
的数目后,最后一批数据未必是设置的数目,有可能会小些。这时你是否需要丢弃这批数据。 -
timeout:(数据类型 numeric)
超时,默认为0。是用来设置数据读取的超时时间的,但超过这个时间还没读取到数据的话就会报错。 所以,数值必须大于等于0。
-
worker_init_fn(数据类型 callable,没见过的类型)
子进程导入模式,默认为Noun。在数据导入前和步长结束后,根据工作子进程的ID逐个按顺序导入数据。
利用CIFAR 10数据集举例代码如下:
batchsz = 128
cifar_train = datasets.CIFAR10('cifar', True, transform=transforms.Compose([
transforms.Resize((32, 32)),
transforms.ToTensor(),
transforms.Normalize