>- **🍨 本文为🔗365天深度学习训练营中的学习记录博客
>- **🍖 原作者:K同学啊
📌第P1周:实现mnist手写数字识别📌
- 难度:小白入门⭐
- 语言:Python3、Pytorch
🍺 要求:
- 了解Pytorch,并使用Pytorch构建一个深度学习程序
- 了解什么是深度学习
🍻拔高(可选)
- 学习文中提到的函数方法
入门注意事项:
这是第一篇教案,也是深度学习的入门案例,我们或许可以按照下面的步骤进行学习
- 👉第一步:整体把握每一部分代码的功能,看第1遍
- 👉第二步:把握每一行语句的含义,知道实现的是什么功能就行,这里需要不求甚解,看第2遍
- 👉第三步:动手跟着教案敲一遍代码,把代码跑通
📑备注:
- 如果你之前没有接触过深度学习,第一篇你学起来可能比较蒙,不要着急,等到第3、4篇教案的时候,你会逐步理解的,不要尝试一下就弄明白。
- 把程序当做一个黑盒,先去学会使用(这是我们现阶段的任务),然后再去理解其原理。
🏡我的环境:
- 语言环境:Python3.11
- 编译器:pyCharm 2024.1.3
- 深度学习环境:pytorch
-
- torch==2.3.1
- torchvision==0.18.1
一、 前期准备
1. 设置GPU
电脑显卡为NVIDIA GForce 1660,安装了CUDA11.8版本,但是教育网状态下死活安装不上pytorch的GPU版本,对比安装的paddle反而是轻松的安装上了GPU版本,只能感慨下办公室的网络环境太差,各种封闭。
import torch
import torch.nn as nn
import matplotlib.pyplot as plt
import torchvision
#设置硬件设备,如果有GPU则使用,没有则使用CPU
device=torch.device("cuda" if torch.cuda.is_available() else "cpu")
print(device)
运行结果:
因为没能安装上GPU版本,故显示的结果为 cpu
2. 导入数据
Mnist数据集可以算是学习深度学习最常用到的了。这个数据集包含70000张手写数字图片,分别是60000张训练图片和10000张测试图片,训练集由来自250个不同人手写的数字构成,一般来自高中生,一半来自工作人员,测试集(test set)也是同样比例的手写数字数据,并且保证了测试集和训练集的作者不同。每个图片都是28*28个像素点,数据集会把一张图片的数据转成一个28*28=784的一维向量存储起来。
每张图是0-9的手写数字黑底白字的图片,存储时,黑色用0表示,白色用0-1的浮点数表示。
使用dataset下载MNIST数据集,并划分好训练集与测试集
使用dataloader加载数据,并设置好基本的batch_size
⭐ torchvision.datasets.MNIST详解
torchvision.datasets
是Pytorch自带的一个数据库,我们可以通过代码在线下载数据,这里使用的是torchvision.datasets
中的MNIST
数据集。
函数原型:
torchvision.datasets.MNIST(root, train=True, transform=None, target_transform=None, download=False)
参数说明:
- root (string) :数据地址
- train (string) :
True
-训练集,False
-测试集- download (bool,optional) : 如果为
True
,从互联网上下载数据集,并把数据集放在root目录下。- transform (callable, optional ):这里的参数选择一个你想要的数据转化函数,直接完成数据转化
- target_transform (callable,optional) :接受目标并对其进行转换的函数/转换。
train_ds=torchvision.datasets.MNIST(root=r'D:\THE MNIST DATABASE',
train=True,
transform=torchvision.transforms.ToTensor(),#将数据类型转化为Tensor
download=False)
test_ds=torchvision.datasets.MNIST(root=r'D:\THE MNIST DATABASE',
train=False,
transform=torchvision.transforms.ToTensor(),#将数据类型转化为Tensor
download=False)
PS:同样是因为办公室网络环境问题,本段代码一直运行错误,原因是连接超时。最后无奈按照网上搜索,从别人百度网盘分享的链接里面下载了这四个训练包和测试包(每个包分为label和img),然后放在固定位置,故此段代码里参数root我写成了放置数据的地址,同时dowanload设置为False。如网速可行则root改为'data',download设置为True即可。
⭐ torch.utils.data.DataLoader详解
torch.utils.data.DataLoader
是Pytorch自带的一个数据加载器,结合了数据集和取样器,并且可以提供多个线程处理数据集。
#加载数据集
train_dl=torch.utils.data.DataLoader(train_ds,batch_size=32,shuffle=True)
test_dl=torch.utils.data.DataLoader(test_ds,batch_size=32,shuffle=True)
#取一个批次查看数据格式
#数据的shape为:[batch_size,channel,height,weight]
#其中batch_size为自己设定,channel,height和weight分别是图片的通道数,高度和宽度
imgs,labels=next(iter(train_dl))
print(imgs.shape)
运行结果:
train_dl
是一个 PyTorch 数据加载器(DataLoader),用于加载训练数据集。通常情况下,数据加载器会将数据集分成小批量(batches)进行处理。iter(train_dl)
将数据加载器转换为一个迭代器(iterator),使得我们可以使用 Python 的next()
函数来逐个访问数据加载器中的元素。next()
函数用于获取迭代器中的下一个元素。在这里,它被用来获取train_dl
中的下一个批量数据。imgs, labels = ...
这行代码是 Python 的解构赋值语法。它将从next()
函数返回的元素中提取出两个变量:imgs
和labels
。imgs
变量将包含一个批量的图像数据,而labels
变量将包含相应的标签数据。这些图像和标签是从训练数据集中提取的。
3. 数据可视化
squeeze()
函数的功能是从矩阵shape中,去掉维度为1的。例如一个矩阵是的shape是(5, 1),使用过这个函数后,结果为(5, )。
import numpy as np
#指定图像大小,图像大小为20宽5高的绘图(单位为inch)
plt.figure(figsize=(20,5))
for i,imgs in enumerate(imgs[:20]):
#维度缩减
npimg=np.squeeze(imgs.numpy())
#将整个figure分成2行10列,绘制第i+1个子图
plt.subplot(2,10,i+1)
plt.imshow(npimg,cmap=plt.cm.binary)
plt.axis('off')
plt.show()
运行结果:
二、构建简单的CNN网络
对于一般的CNN网络来说,都是由特征提取网络和分类网络构成,其中特征提取网络用于提取图片的特征,分类网络用于将图片进行分类。
- nn.Conv2d为卷积层,用于提取图片的特征,传入参数为输入channel,输出channel,池化核大小
- nn.MaxPool2d为池化层,进行下采样,用更高层的抽象表示图像特征,传入参数为池化核大小
- nn.ReLU为激活函数,使模型可以拟合非线性数据
- nn.Linear为全连接层,可以起到特征提取器的作用,最后一层的全连接层也可以认为是输出层,传入参数为输入特征数和输出特征数(输入特征数由特征提取网络计算得到,如果不会计算可以直接运行网络,报错中会提示输入特征数的大小,下方网络中第一个全连接层的输入特征数为1600)
- nn.Sequential可以按构造顺序连接网络,在初始化阶段就设定好网络结构,不需要在前向传播中重新写一遍
网络结构图(可单击放大查看):
import torch.nn.functional as F
num_classes=10 #图片的类别数
class Model(nn.Module):
def __init__(self):
super().__init__()
#特征提取网络
self.conv1=nn.Conv2d(1,32,kernel_size=3)#第一层卷积,卷积核大小为3*3
self.pool1=nn.MaxPool2d(2) #设置池化层,池化核大小为2*2
self.conv2=nn.Conv2d(32,64,kernel_size=3)#第二层卷积,卷积核大小为3*3
self.pool2=nn.MaxPool2d(2)
#分类网络
self.fc1=nn.Linear(1600,64)
self.fc2=nn.Linear(64,num_classes)
#向前传播
def forward(self,x):
x=self.pool1(F.relu(self.conv1(x)))
x=self.pool2(F.relu(self.conv2(x)))
x=torch.flatten(x,start_dim=1)
x=F.relu(self.fc1(x))
x=self.fc2(x)
return x
加载并打印模型
from torchinfo import summary
model=Model().to(device)
summary(model,show_input=True,show_output=True)
运行结果:
三、 训练模型
1. 设置超参数
loss_fn=nn.CrossEntropyLoss() #创建损失函数
learn_rate=1e-2 #学习率
opt=torch.optim.SGD(model.parameters(),lr=learn_rate)
PS:此处优化器我曾试过用Adam,但效果与梯度下降SGD比较后明显不如SGD,可以多多实验下其他优化器,对比哪个效果更好些。
2. 编写训练函数
1. optimizer.zero_grad()
函数会遍历模型的所有参数,通过内置方法截断反向传播的梯度流,再将每个参数的梯度值设为0,即上一次的梯度记录被清空。
2. loss.backward()
PyTorch的反向传播(即tensor.backward()
)是通过autograd包来实现的,autograd包会根据tensor进行过的数学运算来自动计算其对应的梯度。
具体来说,torch.tensor是autograd包的基础类,如果你设置tensor的requires_grads为True,就会开始跟踪这个tensor上面的所有运算,如果你做完运算后使用tensor.backward()
,所有的梯度就会自动运算,tensor的梯度将会累加到它的.grad属性里面去。
更具体地说,损失函数loss是由模型的所有权重w经过一系列运算得到的,若某个w的requires_grads为True,则w的所有上层参数(后面层的权重w)的.grad_fn属性中就保存了对应的运算,然后在使用loss.backward()
后,会一层层的反向传播计算每个w的梯度值,并保存到该w的.grad属性中。
如果没有进行tensor.backward()
的话,梯度值将会是None,因此loss.backward()
要写在optimizer.step()
之前。
3. optimizer.step()
step()函数的作用是执行一次优化步骤,通过梯度下降法来更新参数的值。因为梯度下降是基于梯度的,所以在执行optimizer.step()
函数前应先执行loss.backward()
函数来计算梯度。
注意:optimizer只负责通过梯度下降进行优化,而不负责产生梯度,梯度是tensor.backward()
方法产生的。
def train(dataloader,model,loss_fn,optimizer):
size=len(dataloader.dataset) #训练集的大小,一共60000张图片
num_batches=len(dataloader) #批次树木,1875(60000/32)
train_loss,train_acc=0,0 #初始化训练损失和正确率
for X,y in dataloader: #获取图片及其标签
X,y=X.to(device),y.to(device)
#计算预测误差
pred=model(X) #网络输出
loss=loss_fn(pred,y) #计算网络输出和真实值之间的差距,targets为真实值,计算二者差值即为损失
#反向传播
optimizer.zero_grad() #grad属性归零
loss.backward() #反向传播
optimizer.step() #每一步自动更新
#记录acc与loss
train_acc+=(pred.argmax(1)==y).type(torch.float).sum().item()
train_loss+=loss.item()
train_acc/=size
train_loss/=num_batches
return train_acc,train_loss
pred.argmax(1)
返回数组pred
在第一个轴(即行)上最大值所在的索引。这通常用于多类分类问题中,其中pred
是一个包含预测概率的二维数组,每行表示一个样本的预测概率分布。
(pred.argmax(1) == y)
是一个布尔值,其中等号是否成立代表对应样本的预测是否正确(True 表示正确,False 表示错误)。
.type(torch.float)
是将布尔数组的数据类型转换为浮点数类型,即将 True 转换为 1.0,将 False 转换为 0.0。
.sum()
是对数组中的元素求和,计算出预测正确的样本数量。
.item()
将求和结果转换为标量值,以便在 Python 中使用或打印。
(pred.argmax(1) == y).type(torch.float).sum().item()
表示计算预测正确的样本数量,并将其作为一个标量值返回。这通常用于评估分类模型的准确率或计算分类问题的正确预测数量。
3. 编写测试函数
测试函数和训练函数大致相同,但是由于不进行梯度下降对网络权重进行更新,所以不需要传入优化器
def test(dataloader,model,loss_fn):
size=len(dataloader.dataset) #测试集的大小,一共10000张图片
num_batches=len(dataloader) #批次数目,313(10000/32=312.5,向上取整)
test_loss,test_acc=0,0
#当不进行训练时,停止梯度更新,节省计算内存消耗
with torch.no_grad():
for imgs,target in dataloader:
imgs,target=imgs.to(device),target.to(device)
#计算loss
target_pred=model(imgs)
loss=loss_fn(target_pred,target)
test_loss+=loss.item()
test_acc+=(target_pred.argmax(1)==target).type(torch.float).sum().item()
test_acc/=size
test_loss/=num_batches
return test_acc,test_loss
4. 正式训练
1. model.train()
model.train()
的作用是启用 Batch Normalization 和 Dropout。
如果模型中有BN
层(Batch Normalization)和Dropout
,需要在训练时添加model.train()
。model.train()
是保证BN层能够用到每一批数据的均值和方差。对于Dropout
,model.train()
是随机取一部分网络连接来训练更新参数。
2. model.eval()
model.eval()
的作用是不启用 Batch Normalization 和 Dropout。
如果模型中有BN层(Batch Normalization)和Dropout,在测试时添加model.eval()
。model.eval()
是保证BN层能够用全部训练数据的均值和方差,即测试过程中要保证BN层的均值和方差不变。对于Dropout
,model.eval()
是利用到了所有网络连接,即不进行随机舍弃神经元。
训练完train样本后,生成的模型model要用来测试样本。在model(test)
之前,需要加上model.eval()
,否则的话,有输入数据,即使不训练,它也会改变权值。这是model中含有BN层和Dropout所带来的的性质。
epochs=5
train_loss=[]
train_acc=[]
test_loss=[]
test_acc=[]
for epoch in range(epochs):
model.train()
epoch_train_acc,epoch_train_loss=train(train_dl,model,loss_fn,opt)
model.eval()
epoch_test_acc,epoch_test_loss=test(test_dl,model,loss_fn)
train_acc.append(epoch_train_acc)
train_loss.append(epoch_train_loss)
test_acc.append(epoch_test_acc)
test_loss.append(epoch_test_loss)
template=('Epoch:{:2d},Train_acc:{:.1f}%,Train_loss:{:.3f},Test_acc:{:.1f}%,Test_loss:{:3f}')
print(template.format(epoch+1,epoch_train_acc*100,epoch_train_loss,epoch_test_acc*100,epoch_test_loss))
print('Done')
运行结果:
四、 结果可视化
import matplotlib.pyplot as plt
#隐藏警告
import warnings
warnings.filterwarnings("ignore") #忽略警告信息
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
plt.rcParams['figure.dpi']=100 #分辨率
epochs_range=range(epochs)
plt.figure(figsize=(12,3))
plt.subplot(1,2,1)
plt.plot(epochs_range,train_acc,label='Training Accuracy')
plt.plot(epochs_range,test_acc,label='Test Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')
plt.subplot(1,2,2)
plt.plot(epochs_range,train_loss,label='Training Loss')
plt.plot(epochs_range,test_loss,label='Test Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()
运行结果:
同时,对比下优化器改为Adam后的效果图:
可以明显看出,无论是准确性还是损失,都不如SGD的效果好。
五、个人收获
手写数字识别是深度学习的一个很基础很典型的例子,通过此次学习,成功安装了pytorch环境,搭建了一个深度学习的程序,对深度学习的运行经过有了一个初步的认识。实验的过程中出现了各种这样那样的问题,但随着问题的一步步解决,自己在深度学习方面的能力也有所提升。