基于pytorch的MNIST数字识别实验
- 🍨 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
Ⅰ Ⅰ Ⅰ Introduction:
- 本文为机器学习经典案例:基于mnist数据集的手写数字识别分类实验的学习记录。
- 实验目标:
- 了解什么是深度学习及其基本框架与流程
- 了解pytorch及其部分常用的接口
- 动手完成分类任务,学会将结果打印输出
Ⅱ Ⅱ Ⅱ Experiment:
- 数据准备与任务分析:
-
本次实验是通过计算机视觉对手写数字进行分类,目标是尽可能的准确识别每一个数字图形
为此,本次实验搭建CNN网络作为主要分类器,尽可能好的训练这个分类器是本次实验的主要目标之一。 -
数据准备:
本次实验选用数据mnist手写数字,通过torchvision中的dataset下载:train_ds = torchvision.datasets.MNIST('data', train=True, transform=torchvision.transforms.ToTensor(), download=True) test_ds = torchvision.datasets.MNIST('data', train=False, transform=torchvision.transforms.ToTensor(), download=True)
通过torch.utils.data.DataLoader来载入数据:
batch_size = 32 train_dl = torch.utils.data.DataLoader(train_ds, batch_size=batch_size, shuffle=True) test_dl = torch.utils.data.DataLoader(test_ds, batch_size=batch_size)
至此,前期的准备工作已完成。
- 配置环境:
- 实验环境:
- 语言环境:python 3.8
- 编译器: pycharm
- 深度学习环境:
- torch==2.11
- cuda12.1
- torchvision==0.15.2a0
-
构建网络:
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。
网络代码:
import torch.nn.functional as F
import torch
import torch.nn as nn
num_classes = 10
class Model(nn.Module):
def __init__(self):
super().__init__()
self.conv1 = nn.Conv2d(1, 32, kernel_size=3)
self.pool1 = nn.MaxPool2d(2)
self.conv2 = nn.Conv2d(32, 64, kernel_size=3)
self.pool2 = nn.MaxPool2d(2)
self.fc1 = nn.Linear(1600, 64)
self.fc2 = nn.Linear(64, num_classes)
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
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
加载并打印模型:
>>>
from torchinfo import summary
model = Model().to(device)
summary(model)
>>>
=================================================================
Layer (type:depth-idx) Param #
=================================================================
Model --
├─Conv2d: 1-1 320
├─MaxPool2d: 1-2 --
├─Conv2d: 1-3 18,496
├─MaxPool2d: 1-4 --
├─Linear: 1-5 102,464
├─Linear: 1-6 650
=================================================================
Total params: 121,930
Trainable params: 121,930
Non-trainable params: 0
=================================================================
- 训练模型:
- 首先需要设置超参数:
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)
- 然后编写训练函数,使用反向传播计算梯度,再通过优化器更新
def train(dataloader, model, loss_fn, optimizer, learn_rate=1e-2):
"""train model"""
size = len(dataloader.dataset)
num_batches = len(dataloader)
train_loss, train_acc = 0, 0
for X, y in dataloader:
X, y = X.to(device), y.to(device)
pred = model(X)
loss = loss_fn(pred, y)
optimizer.zero_grad()
loss.backward()
optimizer.step()
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
- 测试模型:
测试函数与训练函数大致相同,去掉优化器与梯度传播即可:
def test(dataloader, model, loss_fn):
size = len(dataloader.dataset)
num_batches = len(dataloader)
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
- 实验结果及可视化:
目标是尽可能提高在测试集上分类的准确率,即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')
经过5轮训练,得到结果如下:
Epoch: 1, Train_acc:78.4%, Train_loss:0.751, Test_acc:93.5%,Test_loss:0.210
Epoch: 2, Train_acc:94.7%, Train_loss:0.174, Test_acc:96.1%,Test_loss:0.128
Epoch: 3, Train_acc:96.4%, Train_loss:0.116, Test_acc:97.5%,Test_loss:0.085
Epoch: 4, Train_acc:97.2%, Train_loss:0.092, Test_acc:97.9%,Test_loss:0.067
Epoch: 5, Train_acc:97.6%, Train_loss:0.078, Test_acc:98.2%,Test_loss:0.059
Done
通过以下代码对结果进行图绘:
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['figure.dpi'] = 100
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()
Ⅲ Ⅲ Ⅲ Conclusion:
- 知识点归纳:
a. 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。
函数原型:
torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=None, sampler=None, batch_sampler=None, num_workers=0, collate_fn=None, pin_memory=False, drop_last=False, timeout=0, worker_init_fn=None, multiprocessing_context=None, generator=None, *, prefetch_factor=2, persistent_workers=False, pin_memory_device='')
参数说明:
- dataset (string) :加载的数据集
- batch_size (int,optional) :每批加载的样本大小(默认值:1)
- shuffle (bool,optional) : 如果为True,每个epoch重新排列数据。
- sampler (Sampler or iterable, optional) : 定义从数据集中抽取样本的策略。 可以是任何实现了 len 的 Iterable。 如果指定,则不得指定 shuffle 。
- batch_sampler (Sampler or iterable, optional) : 类似于sampler,但一次返回一批索引。与 batch_size、shuffle、sampler 和 drop_last 互斥。
- num_workers (int,optional) : 用于数据加载的子进程数。 0 表示数据将在主进程中加载(默认值:0)。
- pin_memory (bool,optional) : 如果为 True,数据加载器将在返回之前将张量复制到设备/CUDA 固定内存中。 如果数据元素是自定义类型,或者collate_fn返回一个自定义类型的批次。
- drop_last (bool,optional) : 如果数据集大小不能被批次大小整除,则设置为 True 以删除最后一个不完整的批次。 如果 False 并且数据集的大小不能被批大小整除,则最后一批将保留。 (默认值:False)
- timeout (numeric,optional) : 设置数据读取的超时时间 , 超过这个时间还没读取到数据的话就会报错。(默认值:0)
- worker_init_fn (callable,optional) : 如果不是 None,这将在步长之后和数据加载之前在每个工作子进程上调用,并使用工作 id([0,num_workers - 1] 中的一个 int)的顺序逐个导入。(默认:None)
b. 一个神经网络程序可以用下图概括:
- 收获与总结:
在这次实验中,我使用了卷积神经网络(CNN)对 MNIST 手写数字数据集进行了分类。在测试集上,我获得了 98.1% 的准确率,而在训练集上的准确率为 97.7%。以下是我在这次实验中所获得的收获和总结:
- 了解卷积神经网络:
通过实验,我加深了对卷积神经网络的理解。我了解了卷积层、池化层和全连接层等基本组件,以及它们如何协同工作来提取特征并进行分类。 - 数据预处理的重要性:
在实验过程中,虽然本次实验没有过多的预处理,但我了解到对数据进行归一化、平衡和处理缺失值等操作,可以提高模型的性能和稳定性。 - 超参数调优:
不同的模型架构、学习率、批量大小等超参数的组合,对模型性能的影响是至关重要的。我发现对于不同的任务,合适的超参数组合可能有所不同,因此进行参数调优是非常重要的。 - 模型评估:
了解如何评估模型的性能,通过使用准确率、精确度、召回率等指标,能够更好地了解模型的优劣势,并找出改进的空间。