![161d2736872a3191c36a8030c7c880f2.png](https://i-blog.csdnimg.cn/blog_migrate/a237b9a01cec4ba32b6d5076830f86ad.jpeg)
目录
- 简要介绍PyTorch、张量和NumPy
- 为什么选择卷积神经网络(CNNs)?
- 识别服装问题
- 使用PyTorch实现CNNs
1.简要介绍PyTorch、张量和NumPy
让我们快速回顾一下第一篇文章中涉及的内容。我们讨论了PyTorch和张量的基础知识,还讨论了PyTorch与NumPy的相似之处。
PyTorch是一个基于python的库,提供了以下功能:
- 用于创建可序列化和可优化模型的TorchScript
- 以分布式训练进行并行化计算
- 动态计算图,等等
![2e1778403abd2914098f210f3fc35b0b.png](https://i-blog.csdnimg.cn/blog_migrate/ff74af469b501b732a9b4e0f4b8d07ef.jpeg)
PyTorch中的张量类似于NumPy的n维数组,也可以与gpu一起使用。在这些张量上执行操作几乎与在NumPy数组上执行操作类似。这使得PyTorch非常易于使用和学习。
在本系列的第1部分中,我们构建了一个简单的神经网络来解决一个案例研究。使用我们的简单模型,我们在测试集中获得了大约65%的基准准确度。现在,我们将尝试使用卷积神经网络来提高这个准确度。
2.为什么选择卷积神经网络(CNNs)?
在我们进入实现部分之前,让我们快速地看看为什么我们首先需要CNNs,以及它们是如何工作的。
我们可以将卷积神经网络(CNNs)看作是帮助从图像中提取特征的特征提取器。
在一个简单的神经网络中,我们把一个三维图像转换成一维图像,对吧?让我们看一个例子来理解这一点:
![f817b08aadb91ab6b0137fec6079b260.png](https://i-blog.csdnimg.cn/blog_migrate/f81c943efbb7e145028f899e661f66ca.jpeg)
你能认出上面的图像吗?这似乎说不通。现在,让我们看看下面的图片:
![287c3ffa8a8c3f0d3238681dc48c4cb1.png](https://i-blog.csdnimg.cn/blog_migrate/daad6f2ca597802efc854707ba6512c5.jpeg)
我们现在可以很容易地说,这是一只狗。如果我告诉你这两个图像是一样的呢?相信我,他们是一样的!唯一的区别是第一个图像是一维的,而第二个图像是相同图像的二维表示
空间定位
人工神经网络也会丢失图像的空间方向。让我们再举个例子来理解一下:
![9d1e654a03dbf666a0769814ba7c2e68.png](https://i-blog.csdnimg.cn/blog_migrate/0f9c5b05fc9ed77e4f2f43ad20d64615.jpeg)
你能分辨出这两幅图像的区别吗?至少我不能。由于这是一个一维的表示,因此很难确定它们之间的区别。现在,让我们看看这些图像的二维表示:
![5f0c86c73cf25cd4a357848f6365dac6.png](https://i-blog.csdnimg.cn/blog_migrate/883798deacadb07e7e8579deeed83f01.jpeg)
在这里,图像某些定位已经改变,但我们无法通过查看一维表示来识别它。
这就是人工神经网络的问题——它们失去了空间定位。
大量参数
神经网络的另一个问题是参数太多。假设我们的图像大小是28283 -所以这里的参数是2352。如果我们有一个大小为2242243的图像呢?这里的参数数量为150,528。
这些参数只会随着隐藏层的增加而增加。因此,使用人工神经网络的两个主要缺点是:
- 丢失图像的空间方向
- 参数的数量急剧增加
那么我们如何处理这个问题呢?如何在保持空间方向的同时减少可学习参数?
这就是卷积神经网络真正有用的地方。CNNs有助于从图像中提取特征,这可能有助于对图像中的目标进行分类。它首先从图像中提取低维特征(如边缘),然后提取一些高维特征(如形状)。
我们使用滤波器从图像中提取特征,并使用池技术来减少可学习参数的数量。
在本文中,我们不会深入讨论这些主题的细节。如果你希望了解滤波器如何帮助提取特征和池的工作方式,我强烈建议你从头开始学习卷积神经网络的全面教程。
3.问题:识别服装
理论部分已经铺垫完了,开始写代码吧。我们将讨论与第一篇文章相同的问题陈述。这是因为我们可以直接将我们的CNN模型的性能与我们在那里建立的简单神经网络进行比较。
你可以从这里下载“识别”Apparels问题的数据集。
https://datahack.analyticsvidhya.com/contest/practice-problem-identify-the-apparels/?utmsource=blog&utmmedium=building-image-classification-models-cnn-pytorch
让我快速总结一下问题陈述。我们的任务是通过观察各种服装形象来识别服装的类型。我们总共有10个类可以对服装的图像进行分类:
![8907be896167cc9c9cef89c83a94ef17.png](https://i-blog.csdnimg.cn/blog_migrate/0695479fdc113ed787c8ebd23cf2ac98.jpeg)
数据集共包含70,000张图像。其中60000张属于训练集,其余10000张属于测试集。所有的图像都是大小(28*28)的灰度图像。数据集包含两个文件夹,一个用于训练集,另一个用于测试集。每个文件夹中都有一个.csv文件,该文件具有图像的id和相应的标签;
准备好开始了吗?我们将首先导入所需的库:
加载数据集
现在,让我们加载数据集,包括训练,测试样本:
![bd3e1e3faf358360ba5de69ee34fba44.png](https://i-blog.csdnimg.cn/blog_migrate/915b28f59fbc48149454ce5cb29b39bc.jpeg)
- 该训练文件包含每个图像的id及其对应的标签
- 另一方面,测试文件只有id,我们必须预测它们对应的标签
- 样例提交文件将告诉我们预测的格式
我们将一个接一个地读取所有图像,并将它们堆叠成一个数组。我们还将图像的像素值除以255,使图像的像素值在[0,1]范围内。这一步有助于优化模型的性能。
让我们来加载图像:
![76eeb1ac6670b76edfdf0b75ad9f87dc.png](https://i-blog.csdnimg.cn/blog_migrate/771eb6651f2b1a32d1da400598fdfa13.jpeg)
如你所见,我们在训练集中有60,000张大小(28,28)的图像。由于图像是灰度格式的,我们只有一个单一通道,因此形状为(28,28)。
现在让我们研究数据和可视化一些图像:
![38576d87f8e42e478739af522fcb58f9.png](https://i-blog.csdnimg.cn/blog_migrate/001dca11ae062af7c45091656f7e8b4e.jpeg)
以下是来自数据集的一些示例。我鼓励你去探索更多,想象其他的图像。接下来,我们将把图像分成训练集和验证集。
创建验证集并对图像进行预处理
![eff1144bc513c9421af30134820c42d1.png](https://i-blog.csdnimg.cn/blog_migrate/1325044e3ed6efdbe654053edb517e53.jpeg)
我们在验证集中保留了10%的数据,在训练集中保留了10%的数据。接下来将图片和目标转换成torch格式:
![824b921573a1490f3c17161840dd2a5b.png](https://i-blog.csdnimg.cn/blog_migrate/3e511ddce96c712e7e8e0a8644e32354.jpeg)
同样,我们将转换验证图像:
![41b4ace1e5ada120c026ff0c64d8e4b6.png](https://i-blog.csdnimg.cn/blog_migrate/9b44ae3779573ce490ba53e9f7f1dd0f.jpeg)
我们的数据现在已经准备好了。最后,是时候创建我们的CNN模型了!
4.使用PyTorch实现CNNs
我们将使用一个非常简单的CNN架构,只有两个卷积层来提取图像的特征。然后,我们将使用一个完全连接的Dense层将这些特征分类到各自的类别中。
让我们定义一下架构:
现在我们调用这个模型,定义优化器和模型的损失函数:
![def98f1ba47dc6124593f6ad238e6804.png](https://i-blog.csdnimg.cn/blog_migrate/a0c1413e6c063f957701ea1a6b7a4816.jpeg)
这是模型的架构。我们有两个卷积层和一个线性层。接下来,我们将定义一个函数来训练模型:
最后,我们将对模型进行25个epoch的训练,并存储训练和验证损失:
![9d49d0376904e068a02351bd3f0b3507.png](https://i-blog.csdnimg.cn/blog_migrate/17333385f3421cb563111026530d86fb.jpeg)
可以看出,随着epoch的增加,验证损失逐渐减小。让我们通过绘图来可视化训练和验证的损失:
![9ef0e3afe4a5b73cb9bf675e4be8a7b1.png](https://i-blog.csdnimg.cn/blog_migrate/aa70d581b00c6fa20708c513a3d53dea.jpeg)
啊,我喜欢想象的力量。我们可以清楚地看到,训练和验证损失是同步的。这是一个好迹象,因为模型在验证集上进行了很好的泛化。
让我们在训练和验证集上检查模型的准确性:
![d1525893ec837c2776f4da764a139d9b.png](https://i-blog.csdnimg.cn/blog_migrate/84a203dc4b92a0e93f95eef439e859c9.jpeg)
![f3fad8b64806a0dc2acf46d553f602c0.png](https://i-blog.csdnimg.cn/blog_migrate/90e15aaa1521200709f152442496bc4a.jpeg)
训练集的准确率约为72%,相当不错。让我们检查验证集的准确性:
![37b98cc1eb8a17c16a54ebe4b89da9a1.png](https://i-blog.csdnimg.cn/blog_migrate/6d8a8f454f5e0d0a60a3f6050a320f52.jpeg)
正如我们看到的损失,准确度也是同步的-我们在验证集得到了72%的准确度。
为测试集生成预测
最后是时候为测试集生成预测了。我们将加载测试集中的所有图像,执行与训练集相同的预处理步骤,最后生成预测。
所以,让我们开始加载测试图像:
![8e053a227b1812b2a895858fb1020a28.png](https://i-blog.csdnimg.cn/blog_migrate/95a93780e79103825565c8e7a67f4099.jpeg)
现在,我们将对这些图像进行预处理步骤,类似于我们之前对训练图像所做的:
![81431679f33d5fedc97b9b23fb70fd35.png](https://i-blog.csdnimg.cn/blog_migrate/52a3c09ddbdabf8976648731c578943c.jpeg)
最后,我们将生成对测试集的预测:
用预测替换样本提交文件中的标签,最后保存文件并提交到排行榜:
![6ff4a0430817fa87cb05020410e4628f.png](https://i-blog.csdnimg.cn/blog_migrate/1ddf0980e19c186d4aaf2ab2e3bbd742.jpeg)
你将在当前目录中看到一个名为submission.csv的文件。你只需要把它上传到问题页面的解决方案检查器上,它就会生成分数。链接:https://datahack.analyticsvidhya.com/contest/practice-problem-identify-the-apparels/?utmsource=blog&utmmedium=building-image-classification-models-cnn-pytorch
我们的CNN模型在测试集上给出了大约71%的准确率,这与我们在上一篇文章中使用简单的神经网络得到的65%的准确率相比是一个很大的进步。
5.结尾
在这篇文章中,我们研究了CNNs是如何从图像中提取特征的。他们帮助我们将之前的神经网络模型的准确率从65%提高到71%,这是一个重大的进步。
你可以尝试使用CNN模型的超参数,并尝试进一步提高准确性。要调优的超参数可以是卷积层的数量、每个卷积层的滤波器数量、epoch的数量、全连接层的数量、每个全连接层的隐藏单元的数量等。