深度学习训练营第P1周：Pytorch实现mnist手写数字识别

>- **🍨 本文为[🔗365天深度学习训练营](https://mp.weixin.qq.com/s/0dvHCaOoFnW8SCp3JpzKxg) 中的学习记录博客**
>- **🍖 原作者：[K同学啊](https://mtyjkh.blog.csdn.net/)**

一、创建环境

我们先使用conda创建一个虚拟python环境,并激活：

conda create -n dlpytorch
conda activate dlpytorch

 我的电脑是Windows平台下的nvida GPU，接下来配置pytorch，分为两步：

首先确认自己的显卡和cuda版本；在终端输入nvidia-smi查看

nvidia-smi

 我的cuda版本是12.3

 第二步安装pytorch：打开pytorch安装指导网站，选择合适的系统平台，关键是在compute platform选择一个不高于你电脑上的CUDA Version，复制命令安装。

安装完成之后进入jupyternotebook,运行如下命令检查：

import torch
# 打印出正在使用的PyTorch和CUDA版本。
print(torch.__version__)
print(torch.version.cuda)

# 测试GPU是否生效
print(torch.cuda.is_available())

二、前期准备

2.1 设置GPU

import torch
import torch.nn as nn
import matplotlib.pyplot as plt
import torchvision

# 设置硬件设备，如果有GPU则使用，没有则使用cpu
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
print(device)

 结果输出为cuda，表示使用的是GPU

2.2 导入数据

2.2.1 下载数据并划分训练集和测试集

# 使用dataset下载MNIST数据集，并划分好训练集与测试集
train_ds = torchvision.datasets.MNIST('data', 
                                      train=True, 
                                      transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
                                      download=True)

test_ds  = torchvision.datasets.MNIST('data', 
                                      train=False, 
                                      transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
                                      download=True)
# 设置好基本的batch_size,也就是批次的大小
batch_size = 32

train_dl = torch.utils.data.DataLoader(train_ds, 
                                       batch_size=batch_size, 
                                       shuffle=True)

test_dl  = torch.utils.data.DataLoader(test_ds, 
                                       batch_size=batch_size)

⭐ torchvision.datasets.MNIST详解:

torchvision.datasets是Pytorch自带的一个数据库，我们可以通过代码在线下载数据，这里使用的是torchvision.datasets中的MNIST数据集。
函数原型：
torchvision.datasets.MNIST(root, train=True, transform=None, target_transform=None, download=False)
参数说明：
● root (string) ：数据地址
● train (string) ：True-训练集，False-测试集
● download (bool,optional) : 如果为True，从互联网上下载数据集，并把数据集放在root目录下。
● transform (callable, optional )：这里的参数选择一个你想要的数据转化函数，直接完成数据转化
● target_transform (callable,optional) ：接受目标并对其进行转换的函数/转换。
⭐ torch.utils.data.DataLoader详解

torch.utils.data.DataLoader是Pytorch自带的一个数据加载器，结合了数据集和取样器，并且可以提供多个线程处理数据集。
函数原型：
torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=None, sampler=None, batch_sampler=None, num_workers=0, collate_fn=None, pin_memory=False, drop_last=False, timeout=0, worker_init_fn=None, multiprocessing_context=None, generator=None, *, prefetch_factor=2, persistent_workers=False, pin_memory_device=‘’)
参数说明：
● dataset (string) ：加载的数据集
● batch_size (int,optional) ：每批加载的样本大小（默认值：1）
● shuffle (bool,optional) : 如果为True，每个epoch重新排列数据。

2.2.2 查看数据

# 取一个批次查看数据格式
# 数据的shape为：[batch_size, channel, height, weight]
# 其中batch_size为自己设定，channel，height和weight分别是图片的通道数，高度和宽度。
imgs, labels = next(iter(train_dl))
imgs.shape

  

train_dl：train_dl 是一个 PyTorch 数据加载器（DataLoader），用于加载训练数据集。通常情况下，数据加载器会将数据集分成小批量（batches）进行处理。
iter(train_dl)：这个调用将train_dl转换为一个迭代器。在Python中，iter()函数用于从可迭代对象获取一个迭代器。在这里，train_dl是一个可迭代对象，因此iter(train_dl)将返回一个迭代器，可以用来遍历数据加载器中的批次数据。
next(iter(train_dl))：这个调用从train_dl迭代器中获取下一个元素。在PyTorch的DataLoader中，每个元素都是一个元组，通常包含数据和标签。数据（imgs）和标签（labels）是构成训练数据集的图像和对应的类别标签。
imgs, labels = …：这是一个元组解包操作，它将next(iter(train_dl))返回的元组中的两个元素分别赋值给imgs和labels变量。这样，imgs变量将包含一个批次的图像数据，而labels变量将包含与这些图像相对应的标签。
2.3数据可视化

# 数据可视化
import numpy as np

# 指定图片大小，图像大小为30宽、5高的绘图(单位为英寸inch)
plt.figure(figsize=(30, 5))
for i, imgs in enumerate(imgs[:30]):
    # 维度缩减
    npimg = np.squeeze(imgs.numpy())
    # 将整个figure分成2行10列，绘制第i+1个子图。
    plt.subplot(3, 10, i + 1)
    plt.imshow(npimg, cmap=plt.cm.binary)
    plt.axis('off')

plt.show()

三、构建简单的CNN网络（卷积神经网络）

代码参照为以下网络结构：

这段代码定义了一个简单的卷积神经网络模型，用于图像分类任务。这个模型是一个PyTorch中的nn.Module子类，它包含了特征提取网络和分类网络两个部分。

import torch.nn.functional as F

num_classes = 10  # 图片的类别数

class Model(nn.Module):
     def __init__(self):
        super().__init__()
         # 特征提取网络
        self.conv1 = nn.Conv2d(1, 32, kernel_size=3)  # 第一层卷积,卷积核大小为3*3
        self.pool1 = nn.MaxPool2d(2)                  # 设置池化层，池化核大小为2*2
        self.conv2 = nn.Conv2d(32, 64, kernel_size=3) # 第二层卷积,卷积核大小为3*3   
        self.pool2 = nn.MaxPool2d(2) 
                                      
        # 分类网络
        self.fc1 = nn.Linear(1600, 64)          
        self.fc2 = nn.Linear(64, num_classes)
     # 前向传播
     def forward(self, x):
        x = self.pool1(F.relu(self.conv1(x)))     
        x = self.pool2(F.relu(self.conv2(x)))

        x = torch.flatten(x, start_dim=1)

        x = F.relu(self.fc1(x))
        x = self.fc2(x)
       
        return x
        
# 加载并打印模型
from torchinfo import summary
# 将模型转移到GPU中（我们模型运行均在GPU中进行）
model = Model().to(device)

summary(model)

特征提取网络

self.conv1 = nn.Conv2d(1, 32, kernel_size=3): 这是第一层卷积层，它接受一个通道（例如灰度图像）的输入，并输出32个通道。卷积核的大小是3x3，这意味着每个卷积核在输入图像上滑动时，查看的是一个3x3的区域。
self.pool1 = nn.MaxPool2d(2): 这是一个最大池化层，它的池化核大小是2x2。池化操作会减少数据的维度，同时保留最重要的特征。
self.conv2 = nn.Conv2d(32, 64, kernel_size=3): 这是第二层卷积层，它接受32个通道的输入（来自第一层卷积层的输出），并输出64个通道。
self.pool2 = nn.MaxPool2d(2): 第二个最大池化层，同样使用2x2的池化核。
分类网络

self.fc1 = nn.Linear(1600, 64): 这是一个全连接层，它接受1600个输入（这是之前卷积和池化操作后的特征数量），并输出64个节点。
self.fc2 = nn.Linear(64, num_classes): 第二个全连接层，它接受64个输入，并输出最终的分类结果。
def forward(self, x): 这个方法定义了数据通过网络的前向传播过程。

x = self.pool1(F.relu(self.conv1(x))): 输入数据首先通过第一层卷积层，然后通过ReLU激活函数（用于引入非线性），最后通过第一个池化层。
x = self.pool2(F.relu(self.conv2(x))): 数据接着通过第二层卷积层、ReLU激活函数和第二个池化层。
x = torch.flatten(x, start_dim=1): 这一步将多维度的特征张量展平成一个一维的张量，这样就可以输入到全连接层中。
x = F.relu(self.fc1(x)): 数据通过第一个全连接层和ReLU激活函数。
x = self.fc2(x): 最后，数据通过第二个全连接层，输出最终的分类结果。

结果如图：

Layer (type:depth-idx): 这一行标题表示模型的层类型和位置。type表示层的类型，如Conv2d表示二维卷积层，MaxPool2d表示二维最大池化层，Linear表示全连接层。depth-idx表示层在模型中的深度和索引位置。
Param #: 这一行标题表示该层的参数数量。对于卷积层和全连接层，参数数量包括权重和偏置。对于没有参数的层（如池化层），这一列会显示–。
例如：
● Conv2d: 1-1: 第一层卷积层，有320个参数。
● MaxPool2d: 1-2: 第一层最大池化层，没有参数。
● Conv2d: 1-3: 第二层卷积层，有18,496个参数。
● MaxPool2d: 1-4: 第二层最大池化层，没有参数。
● Linear: 1-5: 第一层全连接层，有102,464个参数。
● Linear: 1-6: 第二层全连接层，有650个参数。
最后一部分总结了整个模型的参数数量：
● Total params: 121,930: 模型的总参数数量，这是所有可训练参数的总和。
● Trainable params: 121,930: 模型中可训练的参数数量，即可以在训练过程中通过梯度下降更新的参数。
● Non-trainable params: 0: 模型中不可训练的参数数量，这些参数在训练过程中保持不变。在这个模型中没有不可训练的参数。

四、训练模型

4.1 设置超参数

# 设置超参数
loss_fn    = nn.CrossEntropyLoss() # 创建损失函数
learn_rate = 1e-2 # 学习率
opt        = torch.optim.SGD(model.parameters(),lr=learn_rate)

loss_fn = nn.CrossEntropyLoss(): 这行代码创建了一个交叉熵损失函数。在分类问题中，特别是多分类问题，交叉熵损失函数是常用的损失函数之一。它衡量的是模型输出的概率分布与真实标签的分布之间的差异。在PyTorch中，nn.CrossEntropyLoss()函数已经集成了对输入进行softmax运算和计算交叉熵损失的功能，因此模型输出层不需要额外的softmax函数。
learn_rate = 1e-2: 这行代码定义了学习率，其值为0.01（即1乘以10的-2次方）。学习率决定了在优化过程中参数更新的幅度。选择合适的学习率非常重要，因为学习率过大可能导致训练不稳定，而学习率过小则可能导致训练过程过慢。
opt = torch.optim.SGD(model.parameters(), lr=learn_rate): 这行代码创建了一个随机梯度下降（Stochastic Gradient Descent, SGD）优化器的实例。model.parameters()获取了模型中所有可训练参数的迭代器，lr=learn_rate指定了学习率。SGD是一种常用的优化算法，它通过迭代地更新参数来最小化损失函数。在每次迭代中，SGD使用小批量数据（mini-batches）计算损失函数的梯度，并沿着梯度的反方向更新参数。
4.2 编写训练函数
通过遍历训练数据集的所有批量，计算每个批量的损失和准确率，并更新模型参数。最后返回整个训练过程的平均损失和平均准确率。
这段代码定义了一个训练函数train，用于训练神经网络模型。这个函数接受四个参数：dataloader、model、loss_fn和optimizer。

dataloader: 这是一个PyTorch的DataLoader对象，它提供了批量数据以及相关的标签，用于训练模型。
model: 这是需要训练的神经网络模型。
loss_fn: 这是损失函数，用于计算模型预测值和真实值之间的差异。
optimizer: 这是优化器，用于更新模型的参数以最小化损失函数。

# 训练循环
def train(dataloader, model, loss_fn, optimizer):
    size = len(dataloader.dataset)  # 训练集的大小，一共60000张图片
    num_batches = len(dataloader)  # 批次数目，1875（60000/32）

    train_loss, train_acc = 0, 0  # 初始化训练损失和正确率

    for X, y in dataloader:  # 循环遍历dataloader中的每个批量，每个批量包含一批图片X和对应的标签y。
        X, y = X.to(device), y.to(device)

        # 计算预测误差
        pred = model(X)  # 通过模型对当前批量的图片进行预测
        loss = loss_fn(pred, y)  # 计算预测结果pred和真实标签y之间的损失

        # 反向传播
        optimizer.zero_grad()  # grad属性归零
        loss.backward()  # 反向传播,计算损失关于模型参数的梯度
        optimizer.step()  # 每一步自动更新,根据计算出的梯度更新模型的参数

        # 记录acc与loss
        train_acc += (pred.argmax(1) == y).type(torch.float).sum().item() #更新训练准确率。pred.argmax(1)返回每个预测向量的最大值索引，即最可能的类别。然后比较预测的类别和真实的类别y，计算正确预测的图片数量。
        train_loss += loss.item() #累加当前批量的损失

    train_acc /= size # 计算平均训练准确率，通过将累加的正确预测数量除以训练集的总大小.
    train_loss /= num_batches #计算平均训练损失，通过将累加的损失除以批次数目。

    return train_acc, train_loss #函数返回平均训练准确率和平均训练损失

4.3 编写测试函数

测试函数和训练函数大致相同，但是由于不进行梯度下降对网络权重进行更新，所以不需要传入优化器。

def test(dataloader, model, loss_fn):
    size = len(dataloader.dataset)  # 测试集的大小，一共10000张图片
    num_batches = len(dataloader)  # 批次数目，313（10000/32=312.5，向上取整）
    test_loss, test_acc = 0, 0

    # 当不进行训练时，停止梯度更新，节省计算内存消耗
    with torch.no_grad():
        for imgs, target in dataloader:
            imgs, target = imgs.to(device), target.to(device)

            # 计算loss
            target_pred = model(imgs)
            loss = loss_fn(target_pred, target)

            test_loss += loss.item()
            test_acc += (target_pred.argmax(1) == target).type(torch.float).sum().item()

    test_acc /= size
    test_loss /= num_batches

    return test_acc, test_loss

4.4 开始训练

在每次epoch中，模型首先被设置为训练模式，然后使用训练数据集进行训练；训练完成后，模型被设置为评估模式，然后使用测试数据集进行评估。

epochs = 5 # 定义了训练循环的次数，即进行了5次epoch
train_loss = []
train_acc = []
test_loss = []
test_acc = []

for epoch in range(epochs):
    # 训练模式
    model.train() #启用训练模式，在该模式下，模型会启用所有可训练的层，并禁用BN（Batch Normalization）层在测试时的行为。
    epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, opt) #train函数计算并返回当前epoch的训练准确率和训练损失

    # 评估模式
    model.eval() #在评估模式下，模型会禁用所有可训练的层，并启用BN层在测试时的行为。
    epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn) #test函数计算并返回当前epoch的测试准确率和测试损失

    train_acc.append(epoch_train_acc)
    train_loss.append(epoch_train_loss)
    test_acc.append(epoch_test_acc)
    test_loss.append(epoch_test_loss)

    template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%，Test_loss:{:.3f}')
    print(template.format(epoch + 1, epoch_train_acc * 100, epoch_train_loss, epoch_test_acc * 100, epoch_test_loss))
print('Done')

整个代码的原理是通过循环重复训练和评估过程，使用训练数据集训练模型，并使用测试数据集评估模型的性能。在每个epoch中，模型会根据损失函数的梯度更新其参数，以最小化训练损失。训练完成后，模型会根据测试数据集的损失评估其性能，以便了解模型在未知数据上的表现。

4.5 结果可视化

import matplotlib.pyplot as plt
#隐藏警告
import warnings
warnings.filterwarnings("ignore")               #忽略警告信息
plt.rcParams['font.sans-serif']    = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False      # 用来正常显示负号
plt.rcParams['figure.dpi']         = 100        #分辨率

epochs_range = range(epochs)

plt.figure(figsize=(12, 3))
plt.subplot(1, 2, 1)

plt.plot(epochs_range, train_acc, label='Training Accuracy')
plt.plot(epochs_range, test_acc, label='Test Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')

plt.subplot(1, 2, 2)
plt.plot(epochs_range, train_loss, label='Training Loss')
plt.plot(epochs_range, test_loss, label='Test Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()

结果如下：

五、总结

这个项目使我初步了解了pytorch的使用，和初步应用了cnn进行图片分类，初步了解了cnn的原理。