03.初识MNIST数据集

目录

一、什么是MNIST数据集

二、不用Deep Learning 用简单的函数映射怎么训练？

1. 简单函数叠加拟合复杂函数

2. Loss函数的设定

3. 梯度下降

4.结果

 三、实例代码

1. plot_image(x, y, 'image sample')

 2. 训练过程

 3.代码如下

---

一、什么是MNIST数据集

        MNIST数据集已经是一个极其经典的数据集了，先放上下载链接MNIST handwritten digit database, Yann LeCun, Corinna Cortes and Chris Burges

图片是以字节的形式进行存储，我需要将其读取到Numpy array中，以便训练与计算。

数据集大概有 60,000 个训练样本和 10,000 个测试样本。

        例举数据集一张图片来说 [0 - 1 , 28 ,28 ] ，存储数据的形式如矩阵所示，第1维度为0-1之间表示灰度，第2维度与第3维度表示28*28格。

二、不用Deep Learning 用简单的函数映射怎么训练？

1. 简单函数叠加拟合复杂函数

        我们知道28*28矩阵的具体参数有784个，那么我们将其打平为X = [1,784]向量进行计算，简写为X = [1,dx] ， 接下来将其投入激活函数中进行计算 H1 = XW1 + b1 ，不停拟合（三层）。 这样可能还比较难理解，我们实际代数据进入计算。

首先打平[28*28] 矩阵为X= [1,784], 继续W1=[784,256], b1=[256]

第一层 矩阵H1 = XW1 + b1  得 H1 = [1,256] 

第二层 矩阵H2 = H1W2 + b2 ，W2为[256 , 64] ，b2 = [64] ,得 H2 = [1,64] 

第三层 矩阵H3 = H2W3 + b3 ，W3为[64,10], b3 = [10],得H3 = [1,10] 

得出10个分类。

2. Loss函数的设定

Euclidean Distance: H3 vs Y

H3也可以写为预测函数 pred = W3 * {W2[W1X + b1] +b2} +b3 (线性组合)

对于非线性组合还是使用relu函数进行激活拟合

H1 = relu (XW1 + b1)

H2 = relu (H1W2 + b2)

H3 = relu (H2W3 + 3)

𝑝𝑟𝑒𝑑 = 𝑊 3 ∗ 𝑊 2 𝑊 1 𝑋 + 𝑏 1 + 𝑏 2 + 𝑏 3

3. 梯度下降

找出使objective最小化的六个参数 W1  W2  W3 b1  b2  b3

4.结果

        对于一个X最终推出其结果为一个1维10列的概率数组:[0.1,  0.8,  0.01, 0, 0.02, .........]

取该维度最大的索引下的数字即可 𝑎𝑟𝑔𝑚𝑎𝑥(𝑝𝑟𝑒𝑑) 。

 三、实例代码

1. plot_image(x, y, 'image sample')

 2. 训练过程

最终的训练精度大约为0.88左右

损失函数的数值如下所示

 3.代码如下

import  torch
from    torch import nn
from    torch.nn import functional as F
from    torch import optim

import  torchvision
from    matplotlib import pyplot as plt
from    utils import plot_image, plot_curve, one_hot



batch_size = 512  # 一次抓取512张图片。当然batch_size不是越大越好

# step1. load dataset
train_loader = torch.utils.data.DataLoader(
    torchvision.datasets.MNIST('mnist_data', train=True, download=True,
                               transform=torchvision.transforms.Compose([
                                   torchvision.transforms.ToTensor(),
                                   torchvision.transforms.Normalize(
                                       (0.1307,), (0.3081,))
                               ])),
    batch_size=batch_size, shuffle=True)

test_loader = torch.utils.data.DataLoader(
    torchvision.datasets.MNIST('mnist_data/', train=False, download=True,
                               transform=torchvision.transforms.Compose([
                                   torchvision.transforms.ToTensor(),
                                   torchvision.transforms.Normalize(
                                       (0.1307,), (0.3081,))
                               ])),
    batch_size=batch_size, shuffle=False)


x, y = next(iter(train_loader))  
print(x.shape, y.shape, x.min(), x.max())
plot_image(x, y, 'image sample')



class Net(nn.Module):

    def __init__(self):
        super(Net, self).__init__()

        # xw+b
        self.fc1 = nn.Linear(28*28, 256)
        self.fc2 = nn.Linear(256, 64)
        self.fc3 = nn.Linear(64, 10)

    def forward(self, x):
        # x: [b, 1, 28, 28]
        # h1 = relu(xw1+b1)
        x = F.relu(self.fc1(x))
        # h2 = relu(h1w2+b2)
        x = F.relu(self.fc2(x))
        # h3 = h2w3+b3
        x = self.fc3(x)

        return x



net = Net()
# [w1, b1, w2, b2, w3, b3]
optimizer = optim.SGD(net.parameters(), lr=0.01, momentum=0.9) # 随机梯度下降


train_loss = []

for epoch in range(3):

    for batch_idx, (x, y) in enumerate(train_loader):

        # x: [b, 1, 28, 28], y: [512]   b为batch size
        # [b, 1, 28, 28] => [b, 784]
        x = x.view(x.size(0), 28*28)
        # => [b, 10]
        out = net(x)
        # [b, 10]
        y_onehot = one_hot(y)
        # loss = mse(out, y_onehot)
        loss = F.mse_loss(out, y_onehot)

        optimizer.zero_grad()
        loss.backward()
        # w' = w - lr*grad
        optimizer.step()

        train_loss.append(loss.item())

        if batch_idx % 10==0:
            print(epoch, batch_idx, loss.item())

plot_curve(train_loss)
# we get optimal [w1, b1, w2, b2, w3, b3]


total_correct = 0
for x,y in test_loader:
    x  = x.view(x.size(0), 28*28)
    out = net(x)
    # out: [b, 10] => pred: [b]
    pred = out.argmax(dim=1)
    correct = pred.eq(y).sum().float().item()
    total_correct += correct

total_num = len(test_loader.dataset)
acc = total_correct / total_num
print('test acc:', acc)

x, y = next(iter(test_loader))
out = net(x.view(x.size(0), 28*28))
pred = out.argmax(dim=1)
plot_image(x, pred, 'test')