基于FashionMNIST时装分类的CNN实现

基础实战——FashionMNIST时装分类

为了把PyTorch入门知识串起来，现在通过一个基础的实战案例了解。

我们这里的任务是对10类的“时装”图像进行分类，使用FashionMNIST数据集。上图了FashionMNIST 中数据的样例训练图，其中每张小图
训练一个样本图像单通道黑白图像，大小为28*28pixel，分属10个类别。

首先进口必需的包

import os
import numpy as np
import pandas as pd
import torch
import torch.nn as nn
import torch.optim as optim
from torch.utils.data import Dataset, DataLoader

配置训练环境和超参数

# 配置GPU，这里有两种方式

## 方案一：使用os.environ
#os.environ['CUDA_VISIBLE_DEVICES'] = '0'
# 方案二：使用“device”，后续对要使用GPU的变量用.to(device)即可
device = torch.device("cuda:1" if torch.cuda.is_available() else "cpu")

## 配置其他超参数，如batch_size, num_workers, learning rate, 以及总的epochs
batch_size = 256
num_workers = 0   # 对于Windows用户，这里应设置为0，否则会出现多线程错误
lr = 1e-4
epochs = 20

数据读入和加载

这里同时展示两种方式:

下载并使用PyTorch提供的内置数据集 从网站下载以csv格式存储的数据，读入并转成预期的格式 第一种数据读入方式只适用于常见的数据集，如MNIST，CIFAR10等，PyTorch官方提供了数据下载。这种方式往往适用于快速测试方法（比如测试下某个idea在MNIST数据集上是否有效） 第二种数据读入方式需要自己构建Dataset，这对于PyTorch应用于自己的工作中十分重要同时，还需要对数据进行必要的变换，比如说需要将图片统一为一致的大小，以便后续能够输入网络训练；需要将数据格式转为Tensor类，等等。
对于如何构建Dataset，请参考初识Dataset与DataLoader-pytorch

上面这些变换可以很方便地借助torchvision包来完成，这是PyTorch官方用于图像处理的工具库，上面提到的使用内置数据集的方式也要用到。PyTorch的一大方便之处就在于它是一整套“生态”，有着官方和第三方各个领域的支持。

# 首先设置数据变换
from torchvision import transforms

image_size = 28
data_transform = transforms.Compose([
    transforms.ToPILImage(),   # 这一步取决于后续的数据读取方式，如果使用内置数据集则不需要
    transforms.Resize(image_size),
    transforms.ToTensor()
])

## 读取方式一：使用torchvision自带数据集，下载可能需要一段时间
from torchvision import datasets

train_data = datasets.FashionMNIST(root='./', train=True, download=True, transform=data_transform)
test_data = datasets.FashionMNIST(root='./', train=False, download=True, transform=data_transform)

## 读取方式二：读入csv格式的数据，自行构建Dataset类
# csv数据下载链接：https://www.kaggle.com/zalando-research/fashionmnist
class FMDataset(Dataset):
    def __init__(self, df, transform=None):
        self.df = df
        self.transform = transform
        self.images = df.iloc[:,1:].values.astype(np.uint8)
        self.labels = df.iloc[:, 0].values
        
    def __len__(self):
        return len(self.images)
    
    def __getitem__(self, idx):
        image = self.images[idx].reshape(28,28,1)
        label = int(self.labels[idx])
        if self.transform is not None:
            image = self.transform(image)
        else:
            image = torch.tensor(image/255., dtype=torch.float)
        label = torch.tensor(label, dtype=torch.long)
        return image, label

train_df = pd.read_csv("./FashionMNIST/fashion-mnist_train.csv")
test_df = pd.read_csv("./FashionMNIST/fashion-mnist_test.csv")
train_data = FMDataset(train_df, data_transform)
test_data = FMDataset(test_df, data_transform)

在构建训练和测试数据集完成后，需要定义DataLoader类，以便在训练和测试时加载数据。

train_loader = DataLoader(train_data, batch_size=batch_size, shuffle=True, num_workers=num_workers, drop_last=True)
test_loader = DataLoader(test_data, batch_size=batch_size, shuffle=False, num_workers=num_workers)

读入后，我们可以做一些数据可视化操作，主要是验证我们读入的数据是否正确。

import matplotlib.pyplot as plt
image, label = next(iter(train_loader))
print(image.shape, label.shape)
plt.imshow(image[0][0], cmap="gray")

这里的iter()相当于for循环，把train_loader中的批量数量遍历(不是对批量大小进行遍历)，next()取第一个批量，然后image[0][0]的第一个0代表这一个批量的第一个数据，第二个0代表通道。
输出结果：

CNNnet

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv = nn.Sequential(
            nn.Conv2d(1, 32, 5),
            nn.ReLU(),
            nn.MaxPool2d(2, stride=2),
            nn.Dropout(0.3),
            nn.Conv2d(32, 64, 5),
            nn.ReLU(),
            nn.MaxPool2d(2, stride=2),
            nn.Dropout(0.3)
        )
        self.fc = nn.Sequential(
            nn.Linear(64*4*4, 512),
            nn.ReLU(),
            nn.Linear(512, 10)
        )
        
    def forward(self, x):
        x = self.conv(x)
        x = x.view(-1, 64*4*4)
        x = self.fc(x)
        # x = nn.functional.normalize(x)
        return x

model = Net()
model = model.cuda()#把模型搬到GPU

设定损失函数

使用torch.nn模块自带的CrossEntropy损失。PyTorch会自动把整数型的label转为one-hot型，用于计算CE loss。这里需要确保label是从0开始的，同时模型不加softmax层（使用logits计算）,这也说明了PyTorch训练中各个部分不是独立的，需要通盘考虑。

criterion = nn.CrossEntropyLoss()
# criterion = nn.CrossEntropyLoss(weight=[1,1,1,1,3,1,1,1,1,1])

设定优化器

optimizer = optim.Adam(model.parameters(), lr=0.001)#使用Adam优化器

测试和（验证）

封装训练成函数，方便
关注这些的主要区别：
**·**状态设置
**·**是否需要初始化优化器
**·**是否需要将损失传回网络
**·**是否需要每步更新优化器
此外，对于测试或过程验证，可以计算出分类准确率

def train(epoch):
    model.train()
    train_loss = 0
    for data, label in train_loader:
        data, label = data.cuda(), label.cuda()
        optimizer.zero_grad()
        output = model(data)
        loss = criterion(output, label)
        loss.backward()
        optimizer.step()
        train_loss += loss.item()*data.size(0)
    train_loss = train_loss/len(train_loader.dataset)
    print('Epoch: {} \tTraining Loss: {:.6f}'.format(epoch, train_loss))

def val(epoch):       
    model.eval()
    val_loss = 0
    gt_labels = []
    pred_labels = []
    with torch.no_grad():
        for data, label in test_loader:
            data, label = data.cuda(), label.cuda()
            output = model(data)
            preds = torch.argmax(output, 1)
            gt_labels.append(label.cpu().data.numpy())
            pred_labels.append(preds.cpu().data.numpy())
            loss = criterion(output, label)
            val_loss += loss.item()*data.size(0)
    val_loss = val_loss/len(test_loader.dataset)
    gt_labels, pred_labels = np.concatenate(gt_labels), np.concatenate(pred_labels)
    acc = np.sum(gt_labels==pred_labels)/len(pred_labels)
    print('Epoch: {} \tValidation Loss: {:.6f}, Accuracy: {:6f}'.format(epoch, val_loss, acc))

for epoch in range(1, epochs+1):
    train(epoch)
    val(epoch)

输出结果：

Epoch: 1 	Training Loss: 0.672554
Epoch: 1 	Validation Loss: 0.473798, Accuracy: 0.826200
Epoch: 2 	Training Loss: 0.424969
Epoch: 2 	Validation Loss: 0.365793, Accuracy: 0.868600
Epoch: 3 	Training Loss: 0.361524
Epoch: 3 	Validation Loss: 0.357469, Accuracy: 0.873200
Epoch: 4 	Training Loss: 0.328624
Epoch: 4 	Validation Loss: 0.316382, Accuracy: 0.886100
Epoch: 5 	Training Loss: 0.305737
Epoch: 5 	Validation Loss: 0.304265, Accuracy: 0.889900
Epoch: 6 	Training Loss: 0.289633
Epoch: 6 	Validation Loss: 0.284644, Accuracy: 0.893800
Epoch: 7 	Training Loss: 0.275116
Epoch: 7 	Validation Loss: 0.279674, Accuracy: 0.897900
Epoch: 8 	Training Loss: 0.262604
Epoch: 8 	Validation Loss: 0.260141, Accuracy: 0.904300
Epoch: 9 	Training Loss: 0.251661
Epoch: 9 	Validation Loss: 0.254229, Accuracy: 0.904900
Epoch: 10 	Training Loss: 0.241646
Epoch: 10 	Validation Loss: 0.244286, Accuracy: 0.909300
Epoch: 11 	Training Loss: 0.235099
Epoch: 11 	Validation Loss: 0.244644, Accuracy: 0.911100
Epoch: 12 	Training Loss: 0.226326
Epoch: 12 	Validation Loss: 0.244030, Accuracy: 0.908000
Epoch: 13 	Training Loss: 0.221009
Epoch: 13 	Validation Loss: 0.237542, Accuracy: 0.912900
Epoch: 14 	Training Loss: 0.208733
Epoch: 14 	Validation Loss: 0.237512, Accuracy: 0.910000
Epoch: 15 	Training Loss: 0.205056
Epoch: 15 	Validation Loss: 0.232690, Accuracy: 0.914900
Epoch: 16 	Training Loss: 0.200654
Epoch: 16 	Validation Loss: 0.229157, Accuracy: 0.914200
Epoch: 17 	Training Loss: 0.194465
Epoch: 17 	Validation Loss: 0.228105, Accuracy: 0.914200
Epoch: 18 	Training Loss: 0.185152
Epoch: 18 	Validation Loss: 0.230176, Accuracy: 0.916400
Epoch: 19 	Training Loss: 0.183666
Epoch: 19 	Validation Loss: 0.222372, Accuracy: 0.919900
Epoch: 20 	Training Loss: 0.174856
Epoch: 20 	Validation Loss: 0.227230, Accuracy: 0.916900

模型保存

save_path = "./FahionModel.pkl"
torch.save(model, save_path)