【经典网络结构实现】LeNet-5

Pytorch实现手写数字识别

LeNet-5网络的简单实现

# 导入相应的包
import torch.nn as nn

# 搭建LeNet-5
class LeNet5(nn.Module):
    def __init__(self):
        super(LeNet5,self).__init__()
        
        # 搭建卷积池化卷积池化层
        self.conv1 = nn.Sequential(
            nn.Conv2d(  # (32*32*1)
                in_channels = 1,
                out_channels = 6,
                kernel_size = 5,
                stride = 1,
                padding = 0
            ),  # (28*28*6)
            # 卷积和池化层之间添加ReLU激活函数（原文使用Sigmoid或者tanh函数）
            nn.ReLU(),  
            nn.AvgPool2d(kernel_size = 2)  # (14*14*6)
        )
        self.conv2 = nn.Sequential(
            nn.Conv2d(6,16,5,1,0),  # (10*10*16)
            nn.ReLU(),
            nn.AvgPool2d(2)  # (5*5*16)
        )
        
        # 搭建全连接层
        self.out = nn.Sequential(
            nn.Linear(16*5*5,120),
            nn.ReLU(),  # 全连接层之间使用ReLU激活函数来进行激活
            nn.Linear(120,84),
            nn.ReLU(),
            nn.Linear(84,10)
        )
        
# 搭建前向传播接口
def forward(self,x):
    x = self.conv1(x)
    x = self.conv2(x)
    # 将卷积层最后一个输出化成一个一维向量，然后才能传入全连接层
    # 可以使用numpy中的reshape函数来进行替代
    x = x.view(x.size(0),-1)
    output = self.out(x)
    return output
    
# look your network
myNet = LeNet5()
print(myNet)

LeNet-5应用于手写数字识别

Step1.导入所需的包

# 导包
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets,transforms
from torch.autograd import Variable

Step2.确定参数值

# 参数选取
lr = 0.01
momentum = 0.5
log_interval = 10  # 跑多少次batch进行一次日志记录
epochs = 10
batch_size = 64
test_batch_size = 1000

Step3.构建LeNet5网络模型

class LeNet(nn.Module):
    def __init__(self):
        super(LeNet,self).__init__()
        self.conv1 = nn.Sequential(  # (28*28*1)
            nn.Conv2d(1,6,5,1,2),  # (28*28*6)
            nn.ReLU(),
            nn.MaxPool2d(kernel_size = 2,stride = 2)  # (14*14*6)
        )
        self.conv2 = nn.Sequential(
            nn.Conv2d(6,16,5),
            nn.ReLU(),  # (10*10*16)
            nn.MaxPool2d(2,2)  # (5*5*16)
        )
        self.fc1 = nn.Sequential(
            nn.Linear(16*5*5,120),
            nn.ReLU()
        )
        self.fc2 = nn.Sequential(
            nn.Linear(120,84),
            nn.ReLU()
        )
        self.fc3 = nn.Linear(84,10)
    def forward(self,x):
        x = self.conv1(x)
        x = self.conv2(x)
        x = x.view(x.size()[0],-1)
        x = self.fc1(x)
        x = self.fc2(x)
        x = self.fc3(x)
        return x

Step4.定义每次训练的细节

def train(epoch):  # 定义每个epoch的训练细节
    model.train()  # 设置为trainning模式
    for batch_idx, (data, target) in enumerate(train_loader):
        data = data.to(device)
        target = target.to(device)
        data, target = Variable(data), Variable(target)  # 把数据转换成Variable
        optimizer.zero_grad()  # 优化器梯度初始化为零
        output = model(data)  # 把数据输入网络并得到输出，即进行前向传播
        loss = F.cross_entropy(output,target)  #交叉熵损失函数
        loss.backward()  # 反向传播梯度
        optimizer.step()  # 结束一次前传+反传之后，更新参数
        if batch_idx % log_interval == 0:  # 准备打印相关信息
            print('Train Epoch: {} [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format(
                epoch, batch_idx * len(data), len(train_loader.dataset),
                       100. * batch_idx / len(train_loader), loss.item()))

Step5.定义测试函数

# 定义测试函数
def test():
    model.eval()  # 设置为test模式
    test_loss = 0  # 初始化测试损失值为0
    correct = 0  # 初始化预测正确的数据个数为0
    for data, target in test_loader:
 
        data = data.to(device)
        target = target.to(device)
        data, target = Variable(data), Variable(target)  #计算前要把变量变成Variable形式，因为这样子才有梯度
 
        output = model(data)
        test_loss += F.cross_entropy(output, target, size_average=False).item()  # sum up batch loss 把所有loss值进行累加
        pred = output.data.max(1, keepdim=True)[1]  # get the index of the max log-probability
        correct += pred.eq(target.data.view_as(pred)).cpu().sum()  # 对预测正确的数据个数进行累加
 
    test_loss /= len(test_loader.dataset)  # 因为把所有loss值进行过累加，所以最后要除以总得数据长度才得平均loss
    print('\nTest set: Average loss: {:.4f}, Accuracy: {}/{} ({:.0f}%)\n'.format(
        test_loss, correct, len(test_loader.dataset),
        100. * correct / len(test_loader.dataset)))

Step6.训练预测模型

# 主函数启动训练
if __name__ == '__main__':
    device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') #启用GPU
 

    train_loader = torch.utils.data.DataLoader(  # 加载训练数据
    datasets.MNIST('../data', train=True, download=True,
                   transform=transforms.Compose([
                       transforms.ToTensor(),
                       transforms.Normalize((0.1307,), (0.3081,))  #数据集给出的均值和标准差系数，每个数据集都不同的，都数据集提供方给出的
                   ])),
    batch_size=batch_size, shuffle=True)

    test_loader = torch.utils.data.DataLoader(  # 加载训练数据，详细用法参考我的Pytorch打怪路（一）系列-（1）
    datasets.MNIST('../data', train=False, transform=transforms.Compose([
        transforms.ToTensor(),
        transforms.Normalize((0.1307,), (0.3081,)) #数据集给出的均值和标准差系数，每个数据集都不同的，都数据集提供方给出的
    ])),
    batch_size=test_batch_size, shuffle=True)
    
 
    model = LeNet()  # 实例化一个网络对象
    model = model.to(device)
    optimizer = optim.SGD(model.parameters(), lr=lr, momentum=momentum)  # 初始化优化器
 
    for epoch in range(1, epochs + 1):  # 以epoch为单位进行循环
        train(epoch)
        test()
 
    torch.save(model, 'model.pth') #保存模型

Step7.手写数字识别测试
【注】使用画图板确保图片像素是28*28大小的，否则会报错

# 传入一张自己手写的数字进行识别
# 可将此主函数放入另一个python文件中
import torch
import cv2
import torch.nn.functional as F
# from modela import LeNet  ##重要，虽然显示灰色(即在次代码中没用到)，但若没有引入这个模型代码，加载模型时会找不到模型
from torch.autograd import Variable
from torchvision import datasets, transforms
import numpy as np
 
if __name__ =='__main__':
    device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
    model = torch.load('model.pth') #加载模型
    model = model.to(device)
    model.eval()    #把模型转为test模式
 
    img = cv2.imread("E:/6.jpg")  #读取要预测的图片
    trans = transforms.Compose(
        [
            transforms.ToTensor(),
            transforms.Normalize((0.1307,), (0.3081,))
        ])
 
    img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#图片转为灰度图，因为mnist数据集都是灰度图
    img = trans(img)
    img = img.to(device)
    img = img.unsqueeze(0)  #图片扩展多一维,因为输入到保存的模型中是4维的[batch_size,通道,长，宽]，而普通图片只有三维，[通道,长，宽]
    #扩展后，为[1，1，28，28]
    output = model(img)
    prob = F.softmax(output, dim=1)
    prob = Variable(prob)
    prob = prob.cpu().numpy()  #用GPU的数据训练的模型保存的参数都是gpu形式的，要显示则先要转回cpu，再转回numpy模式
    print(prob)  #prob是10个分类的概率
    pred = np.argmax(prob) #选出概率最大的一个
    print(pred.item())

输入
预测输出

【注】该模型的预测准确度还是有待提升，待后续引入更好的训练模型进行训练