数据应该怎么办呢？
通常来说，当必须处理图像、文本、音频或视频数据时，可以使用python标准库将数据加载到numpy数组里。然后将这个数组转化成torch.*Tensor。
- 对于图片，有Pillow，OpenCV等包可以使用
- 对于音频，有scipy和librosa等包可以使用
- 对于文本，不管是原生python的或者是基于Cython的文本，可以使用NLTK和SpaCy
特别对于视觉方面，我们创建了一个包，名字叫torchvision，其中包含了针对Imagenet、CIFAR10、MNIST等常用数据集的数据加载器(data loaders），还有对图片数据变形的操作，即torchvision.datasets和torch.utils.data.DataLoader。
这提供了极大的便利，可以避免编写样板代码。
Pytorch——计算机视觉工具包：torchvision
torchvision独立于Pytorch，需通过pip install torchvision安装。
torchvision 主要包含以下三部分：
- models : 提供深度学习中各种经典的网络结构以及训练好的模型，包括Alex Net, VGG系列、ResNet系列、Inception系列等；
- datasets：提供常用的数据集加载，设计上都是继承torch.utils.data.Dataset，主要包括MMIST、CIFAR10/100、ImageNet、COCO等；
- transforms: 提供常用的数据预处理操作，主要包括对Tensor及PIL Image对象的操作。详细介绍：pytorch中的torchvision.transforms模块详解
在这个教程中，将使用CIFAR10数据集，它有如下的分类：“飞机”，“汽车”，“鸟”，“猫”，“鹿”，“狗”，“青蛙”，“马”，“船”，“卡车”等。在CIFAR-10里面的图片数据大小是3x32x32，即三通道彩色图，图片大小是32x32像素。
训练一个图片分类器
按顺序做以下步骤：
- 通过
torchvision加载CIFAR10里面的训练和测试数据集，并对数据进行标准化 - 定义卷积神经网络
- 定义损失函数
- 利用训练数据训练网络
- 利用测试数据测试网络
加载并标准化CIFAR10
使用torchvision, 很简单.
import torch
import torchvision
import torchvision.transforms as transforms
torchvision.transforms是pytorch中的图像预处理包，包含了很多种对图像数据进行变换的函数，这些都是在我们进行图像数据读入步骤中必不可少的。
torchvision的输出是PILImage, 范围[0,1]. 我们将其转化为归一化到[-1, 1]范围的Tensor.
transform = transforms.Compose(
[transforms.ToTensor(),
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
shuffle=True, num_workers=2)
testset = torchvision.datasets.CIFAR10(root='./data', train=False,
download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=4,
shuffle=False, num_workers=2)
classes = ('plane', 'car', 'bird', 'cat',
'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
transforms.Compose(transforms) 方法是将多种变换组合在一起。
transforms.ToTensor() 将PILImage转变为torch.FloatTensor的数据形式；
ToTensor()能够把灰度范围从0-255变换到0-1之间，而后面的transform.Normalize()则把0-1变换到(-1,1).具体地说，对每个通道而言，Normalize执行以下操作：
image=(image-mean)/std其中mean和std分别通过(0.5,0.5,0.5)和(0.5,0.5,0.5)进行指定。原来的0-1最小值0则变成(0-0.5)/0.5=-1，而最大值1则变成(1-0.5)/0.5=1.
注意，多种组合变换有一定的先后顺序，处理PILImage的变换方法（大多数方法）都需要放在ToTensor方法之前，而处理tensor的方法（比如Normalize方法）就要放在ToTensor方法之后。
运行Pytorch tutorial代码报错：BrokenPipeError: [Errno 32] Broken pipe
源代码地址： Training a classifier (CIFAR10)
该问题的产生是由于windows下多线程的问题，和DataLoader类有关，具体细节点这里Fix memory leak when using multiple workers on Windows。
解决方案：
修改调用torch.utils.data.DataLoader()函数时的 num_workers 参数。该参数官方API解释如下：
- num_workers (int, optional) – how many subprocesses to use for data loading. 0
means that the data will be loaded in the main process. (default: 0)该参数是指在进行数据集加载时，启用的线程数目。截止当前2018年5月9日11:15:52，如官方未解决该BUG，则可以通过修改num_works参数为 0 ，只启用一个主进程加载数据集，避免在windows使用多线程即可。
相关：
数据集读取相关有专门的笔记博客：
- 待记录
- 待记录
- 待记录
Out:
Downloading https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./data/cifar-10-python.tar.gz
Extracting ./data/cifar-10-python.tar.gz to ./data
Files already downloaded and verified
让我们看看训练数据什么样.
import matplotlib.pyplot as plt
import numpy as np
# functions to show an image
def imshow(img):
img = img / 2 + 0.5 # unnormalize
npimg = img.numpy()
plt.imshow(np.transpose(npimg, (1, 2, 0)))
plt.show()
# get some random training images
dataiter = iter(trainloader)
images, labels = dataiter.next()
# show images
imshow(torchvision.utils.make_grid(images))
# print labels
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))
../../_images/sphx_glr_cifar10_tutorial_001.png
- plt.imshow(np.transpose(npimg, (1, 2, 0)))。因为在plt.imshow在现实的时候输入的是（imagesize,imagesize,channels）,而def imshow(img,text,should_save=False)中，参数img的格式为（channels,imagesize,imagesize）,这两者的格式不一致，我们需要调用一次np.transpose函数，即np.transpose(npimg,(1,2,0))，将npimg的数据格式由（channels,imagesize,imagesize）转化为（imagesize,imagesize,channels）,进行格式的转换后方可进行显示。
ist、tuple等都是可迭代对象，我们可以通过iter()函数获取这些可迭代对象的迭代器。然后我们可以对获取到的迭代器不断使⽤next()函数来获取下⼀条数据。iter()函数实际上就是调⽤了可迭代对象的 __iter__ ⽅法。
>>> li = [11, 22, 33, 44, 55]
>>> li_iter = iter(li)
>>> next(li_iter) 11
>>> next(li_iter) 22
>>> next(li_iter) 33
>>> next(li_iter) 44
>>> next(li_iter) 55
>>> next(li_iter)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
>>>
注意，当我们已经迭代完最后⼀个数据之后，再次调⽤next()函数会抛出 StopIteration的异常，来告诉我们所有数据都已迭代完成，不⽤再执⾏ next()函数了。
Out:
bird horse cat frog
这里的4是batch_size决定的
Define a Convolutional Neural Network 定义一个卷积神经网络
将之前定义的网络拷贝过来, 修改为接收3通道图片(之前的接收单通道).
import torch.nn as nn
import torch.nn.functional as F
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.conv1 = nn.Conv2d(3, 6, 5)
self.pool = nn.MaxPool2d(2, 2)
self.conv2 = nn.Conv2d(6, 16, 5)
self.fc1 = nn.Linear(16 * 5 * 5, 120)
self.fc2 = nn.Linear(120, 84)
self.fc3 = nn.Linear(84, 10)
def forward(self, x):
x = self.pool(F.relu(self.conv1(x)))
x = self.pool(F.relu(self.conv2(x)))
x = x.view(-1, 16 * 5 * 5)
x = F.relu(self.fc1(x))
x = F.relu(self.fc2(x))
x = self.fc3(x)
return x
net = Net()
Define a Loss function and optimizer 定义一个loss函数和优化器
用分类交叉熵和带动量(momentum)的SGD.
import torch.optim as optim
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)
Train the network 训练网络
有意思的地方来了. 我们简单地在数据迭代器(data iterator)上循环遍历, 将输入喂给网络并优化.
for epoch in range(2): # 在数据集上迭代多次
running_loss = 0.0
for i, data in enumerate(trainloader, 0):
# get the inputs; data is a list of [inputs, labels]
inputs, labels = data
# zero the parameter gradients
optimizer.zero_grad()
# forward + backward + optimize
outputs = net(Variable(inputs))
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
# print statistics
running_loss += loss.item()
if i % 2000 == 1999: # print every 2000 mini-batches
print('[%d, %5d] loss: %.3f' %
(epoch + 1, i + 1, running_loss / 2000))
running_loss = 0.0
print('Finished Training')
- enumerate第二个参数，用于指定索引起始值，如：
list1 = ["这", "是", "一个", "测试"] for index, item in enumerate(list1, 1): print index, item >>> 1 这 2 是 3 一个 4 测试
out:
[1, 2000] loss: 2.205
[1, 4000] loss: 1.811
[1, 6000] loss: 1.636
[1, 8000] loss: 1.531
[1, 10000] loss: 1.466
[2, 2000] loss: 1.412
[2, 4000] loss: 1.376
[2, 6000] loss: 1.343
[2, 8000] loss: 1.301
[2, 10000] loss: 1.290
Finished Training
保存训练好的模型:
PATH = './cifar_net.pth'
torch.save(net.state_dict(), PATH)
这里有更多的保存模型的细节.
Test the network on the test data 用测试数据测试网络
我们已经训练了两轮了, 我们看看网络是否学到东西了.
我们将模型输出的结果和真实结果(ground-truth)作比较. 如果预测是正确的, 我们将这个sample加到正确预测的list中.
dataiter = iter(testloader)
images, labels = dataiter.next()
# print images
imshow(torchvision.utils.make_grid(images))
print('GroundTruth: ', ' '.join('%5s' % classes[labels[j]] for j in range(4)))
然后, 重新载入保存的模型(注意: 保存和重新载入模型不是必要的, 我们这里只是为了说明怎样做):
net = Net()
net.load_state_dict(torch.load(PATH))
好, 我们来看看模型分类结果如何:
outputs = net(Variable(images)) # 注意这里的images是我们从上面获得的那四张图片，所以首先要转化成variable
输出是10类的置信度(energy). 某一类的置信度越高, 网络认为图片是此类的可能性越大. 所以, 我们来获取最高的置信度:
_, predicted = torch.max(outputs.data, 1)
# 这个 _ , predicted是python的一种常用的写法，表示后面的函数其实会返回两个值
# 但是我们对第一个值不感兴趣，就写个_在那里，把它赋值给_就好，我们只关心第二个值predicted
# 比如 _ ,a = 1,2 这中赋值语句在python中是可以通过的，你只关心后面的等式中的第二个位置的值是多少
print('Predicted: ', ' '.join('%5s' % classes[predicted[j]]
for j in range(4)))
这里用到了torch.max( ), 它是属于Tensor的一个方法：
注意到注释中第一句话，是说返回返回输入Tensor中每行的最大值，并转换成指定的dim（维度），
torch.max(outputs.data, 1) ，返回一个tuple (元组),元组的第一个元素是image data，即是最大的 值，第二个元素是label， 即是最大的值 的 索引.
我们只需要label（最大值的索引），所以就会有 _ , predicted这样的赋值语句，表示忽略第一个返回值，把它赋值给 _， 就是舍弃它的意思；
第二个参数1，是 the dimension to reduce 而不是去这个dimension上面找最大所以这里dim=1，基于我们的a是 4行 x 4列 这么一个维度，所以指的是 消除列这个维度.
如果dim=0，它其实是在返回每列的最大值，
所以一定不要搞混！这里的dim是指的 the dimension to reduce！并不是在the dimension上去返回最大值。
用 torch.argmax（）这个函数更直观更好理解一些
Out:
Predicted: cat ship ship ship
结果还不错, 我们来看看整个数据集上的表现:
correct = 0
total = 0
with torch.no_grad():
for data in testloader:
images, labels = data
outputs = net(Variable(images))
_, predicted = torch.max(outputs.data, 1)
total += labels.size(0)
correct += (predicted == labels).sum().item()
print('Accuracy of the network on the 10000 test images: %d %%' % (
100 * correct / total))
Out:
Accuracy of the network on the 10000 test images: 53 %
看起来比随机猜测要好. 随机猜测正确率是10%. 看来网络确实学到了东西.
看看哪些类表现好, 哪些类表现不好:
class_correct = list(0. for i in range(10))# 定义一个存储每类中测试正确的个数的 列表，初始化为0
class_total = list(0. for i in range(10))# 定义一个存储每类中测试总数的个数的 列表，初始化为0
with torch.no_grad():
for data in testloader:
images, labels = data
outputs = net(Variable(images))
_, predicted = torch.max(outputs.data, 1)
c = (predicted == labels).squeeze()
for i in range(4):
label = labels[i]
class_correct[label] += c[i].item()
class_total[label] += 1
for i in range(10):
print('Accuracy of %5s : %2d %%' % (
classes[i], 100 * class_correct[i] / class_total[i]))
Out:
Accuracy of plane : 57 %
Accuracy of car : 69 %
Accuracy of bird : 41 %
Accuracy of cat : 16 %
Accuracy of deer : 41 %
Accuracy of dog : 61 %
Accuracy of frog : 63 %
Accuracy of horse : 76 %
Accuracy of ship : 71 %
Accuracy of truck : 40 %
好了, 接下来做什么呢?
怎样在GPU上跑神经网络呢?
Training on GPU GPU上训练
正如将Tensor转到GPU上一样, 你可以将网络转到GPU上.
如果CUDA有效的话, 将device定义为第一个可用的cuda设备.
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
# Assuming that we are on a CUDA machine, this should print a CUDA device:
print(device)
Out:
cuda:0
剩下的部分, 我们认为device就是CUDA device.
然后这些方法将会递归地遍历我们的模型部件(module)并将他们的参数和buffer转为CUDA tensor:
net.to(device)
记住, 你必须要在每一步中将输入图像和目标输出都转到GPU上:
inputs, labels = data[0].to(device), data[1].to(device)
为什么我们有看到很大的速度提升? 因为你的模型太小了.
目标达成:
- 在高层(high level)上理解Pytorch Tensor库和神经网络.
- 训练一个分类图片的小神经网络.
Training on multiple GPUs 在多GPU上训练.
如果你想用多块GPU训练, 请看: Data Parallelism.
871
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
