（一）Lenet5 手写数字识别原理及代码解析

模型简单，本地可跑
论文参考：Gradient-based learning applied to document recognition
MNIST手写数据集
50000个训练数据
10000个测试数据
图像大小28×28
10类（0-9）

一、python预安装库

pip install torch
pip install torchvision
pip install opencv-python
pip install matplotlib

二、model部分

view 与 reshape 的区别
view：只是修改了读取数据的方式，相当于一个正方体从不同角度去看
reshape：修改了数据在内存中的存储，相当于你直接移动了正方体的朝向
返回值一样，但对应的物理内存不同

import torch
from torch import nn

class Reshape(nn.Module):
	"""docstring for Reshape"""
	def forward(self, x):
		return x.view(-1, 1, 28, 28)  #第一维数据不变，后一维数据转化为(1,28,28)
		# -1 表示自适应，由张量中元素个数和其它维度自动计算并补全该维度


class LeNet5(nn.Module):
	"""docstring for LeNet5"""
	def __init__(self):
		super(LeNet5, self).__init__()
		self.net = nn.Sequential(
			Reshape(),

			# CONV1, ReLU1, POOL1
			nn.Conv2d(in_channels=1, out_channels=6, kernel_size=5, padding=2), 
			#输入1通道（黑白图像），经过5✖5的卷积层，并上下左右用2个元素进行填充，输出通道数为6，得到 6✖28✖28 的输出

			nn.ReLU(),
			nn.MaxPool2d(kernel_size=2, stride=2), #核大小为2✖2，步幅为2，得到 6✖14✖14 的输出


			# CONV2, ReLU2, POOL2
			nn.Conv2d(in_channels=6, out_channels=16, kernel_size=5), 
			# 得到 16✖10✖10 的输出

			nn.ReLU(),
			nn.MaxPool2d(kernel_size=2, stride=2),  # 核大小为2✖2，步幅为2，得到 16✖5✖5 的输出
			nn.Flatten(),

			# FC1
			nn.Linear(in_features=400, out_features=120),
			nn.ReLU(),

			# FC2
			nn.Linear(in_features=120, out_features=84),
			nn.ReLU(),

			# FC3
			nn.Linear(in_features=84, out_features=10)
			)

	def forward(self, x):
		logits = self.net(x)
		return logits
		
if __name__ == '__main__':
	model = LeNet5()
	X = torch.rand(size=(256, 1, 28, 28), dtype=torch.float32)
	for layer in model.net:
		X = layer(X)
		print(layer.__class__.__name__, '\toutput: \t', X.shape)	

三、训练部分

import torch
from torch import nn
from torchvision import datasets
from torchvision.transforms import ToTensor
from torch.utils.data import DataLoader

from model import LeNet5


# DATASET
train_data = datasets.MNIST(
	root = './data',
	train = False,
	download=True,
	transform=ToTensor() 
	# ToTensor() 将 shape 为 (H,W,C) 的 numpy.ndarray 转为 shape 为 (C, H, W) 的 tensor
	# 并做归一化处理（除以255到[0,1]）
	)

test_data = datasets.MNIST(
	root='./data',
	train=False,
	download=True,
	transform=ToTensor()
	)

# PREPROCESS
batch_size = 256
train_dataloader = DataLoader(dataset=train_data, batch_size=batch_size)
test_dataloader = DataLoader(dataset=test_data, batch_size=batch_size)

print(len(train_dataloader)) # batch_size 设置为256，可打印输出40个epoch


for X, y in train_dataloader:
	print(X.shape) # torch.Size([256, 1, 28, 28])
	print(y.shape) # torch.Size([256])
	break


# MODEL
device = 'cuda' if torch.cuda.is_available() else 'cpu'  # 选择 device 否则默认 CPU
model = LeNet5().to(device)

# TRAIN MODEL
loss_func = nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(params=model.parameters())

def train(dataloader, model, loss_func, optimizer, epoch):
	model.train()
	# 针对 BN(Batch Normalization) 层，保证BN层用每一批数据的均值和方差，针对每个mini-batch
	# 针对 Dropout 层，随机取一部分网络连接来训练更新参数


	data_size = len(dataloader.dataset)
	for batch, (X, y) in enumerate(dataloader):
		X, y = X.to(device), y.to(device)  #将所有数据复制一份到device上
		
		y_hat = model(X)
		loss = loss_func(y_hat, y)

		optimizer.zero_grad() # 清空过往梯度
		loss.backward()        # 反向传播，计算当前梯度
		optimizer.step()       # 根据梯度更新网络参数

		if batch == len(dataloader) -1:
			loss, current = loss.item(), batch * len(X)
			print(f'EPOCH{epoch+1}\tloss: {loss:>7f}', end='\t')


# TEST MODEL
def test(dataloader, model, loss_fn):
	size = len(dataloader.dataset)
	num_batches = len(dataloader)
	model.eval()                    
	# 保证 BN 层用全部训练数据的均值和方差，即针对单张图片
	# 针对 Dropout 层，利用了所有网络连接


	test_loss, correct = 0, 0
	with torch.no_grad():           # 所有计算得出的 tensor 的 requires_grad 都自动设置为 false，反向传播便不会自动求导，节约内存
		for X, y in dataloader:
			X, y = X.to(device), y.to(device)
			pred = model(X)
			test_loss += loss_fn(pred, y).item()
			correct += (pred.argmax(1) == y).type(torch.float).sum().item()
			# argmax 取出每一行概率最大的数字的下标
	test_loss /= num_batches
	correct /= size 
	print(f'Test Error: Accuracy: {(100*correct):>0.1f}%, Average loss: {test_loss:>8f}\n')

if __name__ == '__main__':
	epoches = 40
	for epoch in range(epoches):
		train(train_dataloader, model, loss_func, optimizer, epoch)
		test(test_dataloader, model, loss_func)


	# save models
	torch.save(model.state_dict(), 'model.pth')
	print('Saved PyTorch LeNet5 State to model.pth')

四、测试部分

import torch
import cv2 as cv
from model import LeNet5
from matplotlib import pyplot as plt

if __name__ == '__main__':
	# Loading models
	model = LeNet5()
	model.load_state_dict(torch.load('./model.pth'))
	device = 'cuda' if torch.cuda.is_available() else 'cpu'
	model.to(device)

	# READ IMAGE
	img = cv.imread('./images/2.jpg')
	gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
	gray = 255 - cv.resize(gray, (28, 28), interpolation=cv.INTER_LINEAR)
	X = torch.Tensor(gray.reshape(1, 28, 28).tolist())
	X = X.to(device)


	with torch.no_grad():
		pred = model(X)
		print(pred[0].argmax(0))
		print(pred)

输出结果为：

tensor(2)
tensor([[-1073.5400,  3579.4260,  6510.0640,   781.4053, -7424.6592, -2042.7059,
         -3917.9944,  -953.5059,   722.2081, -2653.5115]])

五、补充说明

LeNet 最早期的神经网络，先使用卷积层来学习图片空间信息，然后使用全连接层来转换到类别空间。

池化层可用可不用。

第二个卷积层通道数增加到了16，模式变多了，相当于把这些模式给分离开到更多的通道中。
（高宽减半，这时通道数一般翻倍）

为什么用 view 不用 reshape？
view对于数据构造不会发生任何变化，reshape可以做数据的copy。

MLP与CNN对比，MLP速度更快，都能用的话，可以先用MLP。

池化层 Max 和 Avg，max不会损失很多信息，只是数据更大一些，训练更好一些。

卷积可视化的一个网站，很有趣
cup, car and so on