原文地址为:https://blog.csdn.net/qq_41683065/article/details/91374189
讲解
MNIST的介绍
好比编程入门有 Hello World,机器学习入门有 MNIST 。
MNIST的官方网址:THE MNIST DATABASE of handwritten digits
而本博客中MNIST的介绍部分的图片来自 MNIST介绍
简单来说,MNIST是一个入门级的计算机视觉数据集,它包含各种手写数字图片。
其中训练集包括60000张图片,测试集包括10000张图片。
训练集和测试集的划分非常重要。在机器学习模型设计时必须有一个单独的测试集(不用于训练而是用来评估这个模型的性能),才能更容易把模型推广到其他数据集上(泛化)。
MNIST的每一张图片包含 28X28
个像素点。我们可以用一个数组来表示这张图片:
我们把这个数组展开成一个向量,长度是 28x28 = 784
。如何展开这个数组(数字间的顺序)不重要,只要保持各个图片采用相同的方式展开。从这个角度来看,MNIST数据集的图片就是在784
维向量空间里面的点, 并且拥有比较部分。
须导入的函数库
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms
检查 pytorch 的版本
print(torch.__version__)
定义超参数
BATCH_SIZE=512 # batch_size即每批训练的样本数量
EPOCHS=20 # 循环次数
# 让torch判断是否使用GPU,即device定义为CUDA或CPU
DEVICE=torch.device("cuda" if torch.cuda.is_available() else "cpu")
batch_size
和 epoch
的意义详见本人的另一篇博客 神经网络中的 batch
和 epoch
,有很详细的描述。所以在这里就不讲了。
设定超参数DEVICE
的意义:
在网络实例化的时候,用.to(DEVICE)
将实例化的网络放到相应的CPU或GPU上。
下载 MNIST的数据集
# 训练集
train_loader = torch.utils.data.DataLoader( # 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。
datasets.MNIST('data', train=True, download=True,
transform=transforms.Compose([
transforms.ToTensor(), # 图像转化为Tensor
transforms.Normalize((0.1307,), (0.3081,)) # 标准化
])),
batch_size=BATCH_SIZE, shuffle=True) # shuffle() 方法将序列的所有元素随机排序
# 测试集
test_loader = torch.utils.data.DataLoader(
datasets.MNIST('data', train=False, transform=transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))
])),
batch_size=BATCH_SIZE, shuffle=True) # shuffle() 方法将序列的所有元素随机排序
关于batch_size
,在本人的另一篇博客 神经网络中的 batch
和 epoch
专门讲过,算是非常基本和重要的概念。
定义网络
下面我们定义一个网络。
网络首先包含两个卷积层conv1
和conv2
。
之后接着两个全连接层(Linear)fc1
和fc2
得到输出。
需要特别注意:Linear需要接收的是展平后的多维的卷积成的特征图(借用view()函数) 。
最后输出10个维度,作为0-9的标识来确定是哪个数字
建议:
最好将每一层的输入和输出维度都作为注释标注出来,这样后面阅读代码的会方便很多。
class ConvNet(nn.Module):
def __init__(self):
super().__init__()
# 128x28
self.conv1=nn.Conv2d(1,10,5) # 10, 24x24
self.conv2=nn.Conv2d(10, 20,3) #128, 10x10
self.fc1=nn.Linear(20*10*10, 500)
self.fc2=nn.Linear(500, 10)
def forward(self, x):
in_size=x.size(0) # in_size 为 batch_size(一个batch中的Sample数)
# 卷积层 -> relu -> 最大池化
out = self.conv1(x) # 24
out = F.relu(out)
out = F.max_pool2d(out, 2, 2) # 12
#卷积层 -> relu -> 多行变一行 -> 全连接层 -> relu -> 全连接层 -> sigmoid
out = self.conv2(out) # 10
out = F.relu(out)
out = out.view(in_size, -1) # view()函数作用是将一个多行的Tensor,拼接成一行。
out = self.fc1(out)
out = F.relu(out)
out = self.fc2(out)
# softmax
out = F.log_softmax(out, dim=1)
# 返回值 out
return out
卷积层函数nn.Conv2d()
的参数意义,详见本人的另一篇博客 卷积函数 and 解卷积函数,里面对in_channel
、out_channel
和in_size
、out_size
有详细的讲解。
然后我们按整个流程来走一遍前向传播
网络结构 函数
卷积层 self.conv1()
激活函数 F.relu()
最大池化层 F.max_pool2d()
卷积层 self.conv2()
激活函数 F.relu()
全连接层预处理 out = out.view(in_size, -1)
线性层 self.fc1()
激活函数 F.relu()
线性层 self.fc2()
变为概率 out = F.log_softmax(out, dim=1)
特征提取开始
第一个卷积层self.conv1=nn.Conv2d(1,10,5) :
其参数意义为:
- 输入通道为 1 (输入图像是灰度图)
- 输出通道为 10(10分类问题,所以需要用到的卷积核就有 10 种)
- 卷积核
kernel_size
为 5×5
24输出维度 = 28输入维度 - 5卷积核size + 1
所以输出 shape 为:10 × 24 × 24
第一个激活函数out = F.relu(out)
输出维度不变仍为 10 × 24 × 24
第一个最大池化层out = F.max_pool2d(out, 2, 2)
该最大池化层在 2x2 空间里向下采样。
12输出维度 = 24输入维度 / 2。
所以输出 shape 为:10 × 12 × 12
第二个卷积层self.conv2=nn.Conv2d(10, 20,3)
其参数意义为:
- 输入通道为 10 (第一个最大池化层的输出通道数)
- 输出通道为 20 (需要用到的卷积核就有 20 种)
- 卷积核kernel_size为 3×3
10输出维度 = 12输入维度 - 3卷积核size + 1
所以输出 shape 为:20 × 10 × 10
第二个激活函数out = F.relu(out)
特征提取结束
输出前的数据预处理
因为全连接层Linear的输出为最后的输出,而全连接层Linear要求的输入为展平后的多维的卷积成的特征图(特征图为特征提取部分的结果)(这一点在介绍网络结构的时候专门拿黄色强调了)
out = out.view(in_size, -1)
将 in_size
(即batch_size
)个Sample
拉成一维。-1表示列自适应。(关于Sample
、batch
、batch_size
的讲解见本人的另一篇博客 神经网络中的 batch
和 epoch
)。
输出前的数据预处理结束
输出即全连接层
第一个全连接层self.fc1=nn.Linear(20*10*10, 500)
输入维度为 20 * 10 * 10= 2000
设定的输出维度为 500 × 1
第三个激活函数out = F.relu(out)
输出维度不变,仍为 500 × 1
第二个全连接层self.fc2=nn.Linear(500, 10)
输入维度为 500 × 1
输出维度设定为 10 × 1(因为是一个10分类的问题,所以最后要变成 10 × 1)
第三个激活函数out = F.log_softmax(out, dim=1)
用F.log_softmax()
将数据的范围改到[0, 1]之内,表示概率。
输出维度仍为 10 × 1,其值可以视为概率。
return(out)
输出即全连接层结束
网络实例化
我们网络将实例化,加入输入输出接口,实例化后使用.to(DEVICE)
方法将网络移动到CPU
或GPU
。(DEVICE
见超参数设定)
model = ConvNet().to(DEVICE)
定义训练函数
将训练的所有操作都封装到train
函数中
在训练模型时直接调用train
函数即可。
train
函数需要传入的参数有;
model
——实例化的网络device
——决定tensor运算的位置train_loader
——训练集数据optimizer
——优化器epoch
——训练次数
第二行的model.train()
将模型转为训练模式,因为一些模块在train
和evaluation
表现不同(比如Dropout
)
定义 训练函数 ,将训练的所有操作都封装到train函数中
def train(model, device, train_loader, optimizer, epoch):
model.train()
for batch_idx, (data, target) in enumerate(train_loader):
data, target = data.to(device), target.to(device) # CPU转GPU
optimizer.zero_grad() # 优化器清零
output = model(data) # 由model,计算输出值
loss = F.nll_loss(output, target) # 计算损失函数loss
loss.backward() # loss反向传播
optimizer.step() # 优化器优化
if(batch_idx+1)%30 == 0: # 输出结果
print('Train Epoch: {} [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format(
epoch, batch_idx * len(data), len(train_loader.dataset),
100. * batch_idx / len(train_loader), loss.item()))
# -------------------------------------------------------------
enumerate()函数的讲解,可见本人的另一篇博客 索引序列函数:enumerate() / enumerate(sequence, start=0)。
简单来说这是个enumerate()
用于for循环的例子。
enumerate(train_loader)
将train_loader
组合成了一个索引序列,为 数据 增加了 数据下标。
在 for batch_idx, (data, target) in enumerate(train_loader):
这一行中,
我们通过batch_idx
来获取数据下标,用data
获得待处理的数据(由手写数字的image
转成的,被标准化的tensor
,详见训练数据集下载的part
),用target
获取实际值。最后由for
循环遍历整个train_loader
。
定义测试函数
将测试的所有操作都封装到test函数中
在测试模型时直接调用test函数即可。
test函数需要传入的参数有;
model
——实例化的网络device
——决定tensor
运算的位置test_loader
——训练集数据
# ---------------------测试函数------------------------------
# 测试的操作也一样封装成一个函数
def test(model, device, test_loader):
test_loss = 0 # 损失函数初始化为0
correct = 0 # correct 计数分类正确的数目
with torch.no_grad(): # 表示不反向求导(反向求导为训练过程)
for data, target in test_loader: # 遍历所有的data和target
data, target = data.to(device), target.to(device) # CPU -> GPU
output = model(data) # output为预测值,由model计算出
test_loss += F.nll_loss(output, target, reduction='sum').item() ### 将一批的损失相加
pred = output.max(1, keepdim=True)[1] ### 找到概率最大的下标
correct += pred.eq(target.view_as(pred)).sum().item()
test_loss /= len(test_loader.dataset) # 总损失除数据集总数
print('\nTest set: Average loss: {:.4f}, Accuracy: {}/{} ({:.0f}%)\n'.format(
test_loss, correct, len(test_loader.dataset),
100. * correct / len(test_loader.dataset)))
# ---------------------------------------------------------------
with torch.no_grad()
表示不反向求导。训练过程需要反向求导(去更新优化模型参数),测试过程不需要反向求导。
for data, target in test_loader:
为遍历整个test_loader
,分别用data
,target
获取待处理的tensor
和实际值。
correct += pred.eq(target.view_as(pred)).sum().item()
中的.view_as(pred)
是改变shape
的函数(详细见本人的另一篇博客 更改矩阵形状——.reshape(m,n)
和.view(m,n)
和view_as(tensor)
)。
在这里target.view_as(pred)
将target
的shape
变成了和pred
一样(shape
统一了才能用.eq()
比较)
主函数
进行网络的训练和测试。
# 下面开始训练,这里就体现出封装起来的好处了,只要写两行就可以了
# 整个数据集只过一遍
for epoch in range(1, EPOCHS + 1):
train(model, DEVICE, train_loader, optimizer, epoch)
test(model, DEVICE, test_loader)
range(1, EPOCHS + 1)
表示执行EPOCHS
次。
全部源代码
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms
# 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,可以下载和加载
# vision.models : 流行的模型,例如 AlexNet, VGG, ResNet 和 Densenet 以及训练好的参数。
# vision.transforms : 常用的图像操作,例如: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
print(torch.__version__) # 检查 pytorch 的版本
# 定义一些超参数
BATCH_SIZE=512 # batch_size即每批训练的样本数量
EPOCHS=20 # 循环次数
DEVICE=torch.device("cuda" if torch.cuda.is_available() else "cpu") # 让torch判断是否使用GPU,即device定义为CUDA或CPU
# 下载 MNIST的数据集
# 训练集
train_loader = torch.utils.data.DataLoader( # 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。
datasets.MNIST('data', train=True, download=True,
transform=transforms.Compose([
transforms.ToTensor(), # 图像转化为Tensor
transforms.Normalize((0.1307,), (0.3081,)) # 标准化(参数不明)
])),
batch_size=BATCH_SIZE, shuffle=True) # shuffle() 方法将序列的所有元素随机排序
# 测试集
test_loader = torch.utils.data.DataLoader(
datasets.MNIST('data', train=False, transform=transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))
])),
batch_size=BATCH_SIZE, shuffle=True) # shuffle() 方法将序列的所有元素随机排序
# 下面我们定义一个网络,网络包含两个卷积层,conv1和conv2,
# 然后紧接着两个线性层作为输出,
# 最后输出10个维度,这10个维度我们作为0-9的标识来确定识别出的是那个数字
# 这里建议大家将每一层的输入和输出维度都作为注释标注出来,这样后面阅读代码的会方便很多
class ConvNet(nn.Module):
def __init__(self):
super().__init__()
# 128x28
self.conv1=nn.Conv2d(1,10,5) # 10, 24x24
self.conv2=nn.Conv2d(10, 20,3) #128, 10x10
self.fc1=nn.Linear(20*10*10, 500)
self.fc2=nn.Linear(500, 10)
def forward(self, x):
in_size=x.size(0) # in_size 为 batch_size(一个batch中的Sample数)
# 卷积层 -> relu -> 最大池化
out = self.conv1(x) # 24
out = F.relu(out)
out = F.max_pool2d(out, 2, 2) # 12
#卷积层 -> relu -> 多行变一行 -> 全连接层 -> relu -> 全连接层 -> sigmoid
out = self.conv2(out) # 10
out = F.relu(out)
out = out.view(in_size, -1) # view()函数作用是将一个多行的Tensor,拼接成一行。
out = self.fc1(out)
out = F.relu(out)
out = self.fc2(out)
# softmax
out = F.log_softmax(out, dim=1)
# 返回值 out
return out
# 我们实例化一个网络,实例化后使用“.to”方法将网络移动到GPU
model = ConvNet().to(DEVICE)
# 优化器我们也直接选择简单暴力的Adam
optimizer = optim.Adam(model.parameters())
# 定义 训练函数 ,我们将训练的所有操作都封装到train函数中
def train(model, device, train_loader, optimizer, epoch):
model.train()
for batch_idx, (data, target) in enumerate(train_loader):
data, target = data.to(device), target.to(device) # CPU转GPU
optimizer.zero_grad() # 优化器清零
output = model(data) # 由model,计算输出值
loss = F.nll_loss(output, target) # 计算损失函数loss
loss.backward() # loss反向传播
optimizer.step() # 优化器优化
if(batch_idx+1)%30 == 0: # 输出结果
print('Train Epoch: {} [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format(
epoch, batch_idx * len(data), len(train_loader.dataset),
100. * batch_idx / len(train_loader), loss.item()))
# -------------------------------------------------------------
# ---------------------测试函数------------------------------
# 测试的操作也一样封装成一个函数
def test(model, device, test_loader):
test_loss = 0 # 损失函数初始化为0
correct = 0 # correct 计数分类正确的数目
with torch.no_grad(): # 表示不反向求导(反向求导为训练过程)
for data, target in test_loader: # 遍历所有的data和target
data, target = data.to(device), target.to(device) # CPU -> GPU
output = model(data) # output为预测值,由model计算出
test_loss += F.nll_loss(output, target, reduction='sum').item() ### 将一批的损失相加
pred = output.max(1, keepdim=True)[1] ### 找到概率最大的下标
correct += pred.eq(target.view_as(pred)).sum().item()
test_loss /= len(test_loader.dataset) # 总损失除数据集总数
print('\nTest set: Average loss: {:.4f}, Accuracy: {}/{} ({:.0f}%)\n'.format(
test_loss, correct, len(test_loader.dataset),
100. * correct / len(test_loader.dataset)))
# ---------------------------------------------------------------
# 下面开始训练,这里就体现出封装起来的好处了,只要写两行就可以了
# 整个数据集只过一遍
for epoch in range(1, EPOCHS + 1):
train(model, DEVICE, train_loader, optimizer, epoch)
test(model, DEVICE, test_loader)