数据
1.处理图像,文本,音频或视频数据时,可以使用将数据加载到 NumPy 数组中的标准 Python 包。 然后将该数组·转换为torch.*Tensor
。
2.对于图像,Pillow,OpenCV
等包很有用;
3.对于音频,请使用 SciPy 和 librosa 等包;
4.对于文本,基于 Python 或 Cython 的原始加载,或者 NLTK 和 SpaCy 很有用。
5.创建了一个名为torchvision
的包,其中包含用于常见数据集(例如 Imagenet,CIFAR10,MNIST 等)的数据加载器,以及用于图像(即torchvision.datasets和torch.utils.data.DataLoader)的数据转换器
。
训练图像分类器
执行以下步骤:
1.使用torchvision加载并标准化 CIFAR10 训练和测试数据集
2.定义卷积神经网络
3.定义损失函数
4.根据训练数据训练网络
5.在测试数据上测试网络
加载并标准化 CIFAR10
import torch
import torchvision
import torchvision.transforms as transforms
注: TorchVision 数据集的输出是[0, 1]范围的PILImage图像
。 我们将它们转换为归一化范围[-1, 1]的张量
。
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')
展示一些训练图像
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))) # PIL转RGB
plt.show()
# get some random training images
dataiter = iter(trainloader) # 通过iter()函数获取这些可迭代对象的迭代器。获取图片
images, labels = dataiter.next() # 对获取到的迭代器不断使⽤next()函数来获取下⼀条数据。
# show images
imshow(torchvision.utils.make_grid(images))
# torchvision.utils.make_grid:组成图像的网络,其实就是将多张图片组合成一张图片。
# print labels
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))
# 使用' '.join可以将列表的索引字符串全部串在一起
定义卷积神经网络
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()
定义损失函数和优化器
使用分类交叉熵损失
和带有动量的 SGD
。
import torch.optim as optim
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)
训练网络
遍历数据迭代器,然后将输入馈送到网络并进行优化
for epoch in range(2): # loop over the dataset multiple times
running_loss = 0.0
for i, data in enumerate(trainloader, 0): # 第二个参数(0),用于指定索引起始值
# 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(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
# %5d:默认右对齐,且最少取5位整数,多余5位全取,不足5位使用空格左面补全
# %d:整型输出
# %.3f:用来输出实数,保留小数点3位
print('Finished Training')
保存模型
PATH = './cifar_net.pth'
torch.save(net.state_dict(), PATH)
测试数据测试网络
显示测试集中的图像
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)))
重新加载保存的模型
net = Net()
net.load_state_dict(torch.load(PATH))
测试
outputs = net(images)
_, predicted = torch.max(outputs, 1) # 获取概率最大值
print('Predicted: ', ' '.join('%5s' % classes[predicted[j]]
for j in range(4)))
查看网络在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(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))
# 在使用pytorch时,并不是所有的操作都需要进行计算图的生成(计算过程的构建,
#以便梯度反向传播等操作)。而对于tensor的计算操作,默认是要进行计算图的构建的,
#在这种情况下,可以使用 with torch.no_grad():,强制之后的内容不进行计算图构建。
查看哪些类的表现良好,哪些类的表现不佳
class_correct = list(0. for i in range(10))
class_total = list(0. for i in range(10))
with torch.no_grad():
for data in testloader:
images, labels = data
outputs = net(images)
_, predicted = torch.max(outputs, 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]))
在 GPU 上进行训练
将张量转移到 GPU
上一样,也可将神经网络转移到 GPU
上。如果可以使用 CUDA,首先将设备定义为第一个可见的 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)
# result:
# cuda:0
假定device是 CUDA 设备
net.to(device) # 将递归遍历所有模块,并将其参数和缓冲区转换为 CUDA 张量
inputs, labels = data[0].to(device), data[1].to(device)
# 将每一步的输入和目标也发送到 GPU