基于pytorch的CIFAR10彩色图片识别实验
- 🍨 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CIFAR10数据集的彩色图片识别实验的学习记录。
- 学习目标：
- 学习如何编写一个完整的深度学习程序
- 学会推到卷积层与池化层的计算过程
- 基于torch.nn构建CNN网络
Ⅱ Ⅱ Ⅱ Experiment：
- 数据准备与任务分析：
使用dataset下载CIFAR10数据集，并划分好训练集与测试集
train_ds = torchvision.datasets.CIFAR10('data',
train = True,
transform=torchvision.transforms.ToTensor(),
download=True)
test_ds = torchvision.datasets.CIFAR10('data',
train = False,
transform=torchvision.transforms.ToTensor(),
download=True)
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)
使用dataloader加载数据，并设置好基本的batch_size,以及device等基础配置。同时通过以下代码取一个批次来查看数据格式：
device = torch.device("cuda")
batch_size = 32
loss_fn = nn.CrossEntropyLoss()
learn_rate = 1e-2
imgs, labels = next(iter(train_dl))
print(imgs.shape)
- 配置环境：
- 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：
构建CNN网络：
class Model(nn.Module):
def __init__(self):
super().__init__()
# features extraction network
self.conv1 = nn.Conv2d(3, 64, kernel_size=3)
self.pool1 = nn.MaxPool2d(kernel_size=2)
self.conv2 = nn.Conv2d(64,64,kernel_size=3)
self.pool2 = nn.MaxPool2d(kernel_size=2)
self.conv3 = nn.Conv2d(64, 128, kernel_size=3)
self.pool3 = nn.MaxPool2d(kernel_size=2)
#classification
self.fc1 = nn.Linear(512, 256)
self.fc2 = nn.Linear(256, num_class)
#propagate forward
def forward(self, x):
x = self.pool1(F.relu(self.conv1(x)))
x = self.pool2(F.relu(self.conv2(x)))
x = self.pool3(F.relu(self.conv3(x)))
x = torch.flatten(x, start_dim=1)
x = F.relu(self.fc1(x))
x = self.fc2(x)
return x
faltten:Flatten层主要是用来将输入“压平”，即把多维的输入一维化，
用在卷积层到全连接层的过渡。其不会影响batch的大小，
可以理解为把高纬度的数组按照ｘ轴或者ｙ轴进行拉伸，变成一维的数组
两个参数start，end分别表示展平开始的dim和结束的dim，默认为0，-1.
通过smmary打印查看网络结构：
from torchinfo import summary
model = Model().to(device)
summary(model)
>>>
=================================================================
Layer (type:depth-idx) Param #
=================================================================
Model --
├─Conv2d: 1-1 1,792
├─MaxPool2d: 1-2 --
├─Conv2d: 1-3 36,928
├─MaxPool2d: 1-4 --
├─Conv2d: 1-5 73,856
├─MaxPool2d: 1-6 --
├─Linear: 1-7 131,328
├─Linear: 1-8 2,570
=================================================================
Total params: 246,474
Trainable params: 246,474
Non-trainable params: 0
- 训练模型：
设置优化器，损失函数，学习率，同时编写训练函数：
opt = torch.optim.SGD(model.parameters(), lr=learn_rate)
def train(dataloader, model, loss_fn, opt):
size = len(dataloader.dataset)
num_batches = len(dataloader)
train_loss, train_acc = 0, 0
for imgs, tags in dataloader:
imgs, tags = imgs.to(device), tags.to(device)
#cal the loss
pred = model(imgs)
loss = loss_fn(pred, tags)
opt.zero_grad()
loss.backward()
opt.step()
train_acc += (pred.argmax(1) == tags).type(torch.float).sum().item()
train_loss += loss.item()
train_acc /= size
train_loss /= num_batches
return train_acc, train_loss
编写主函数，设置训练轮次为20：
epochs = 20
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')
- 测试模型：
训练过程中，需要编写测试函数来做评估：
def test(dataloader, model, loss_fn):
size = len(dataloader.dataset)
num_batches = len(dataloader)
test_loss, test_acc = 0, 0
#when stop training, stop grad trace
with torch.no_grad():
for imgs, target in dataloader:
imgs, target = imgs.to(device), target.to(device)
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：
绘制实验结果的图像：
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()
训练过程及实验结果如下：
Epoch: 4, Train_acc:40.6%, Train_loss:1.630510, Test_acc:43.0%, Test_loss:1.557642
Epoch: 5, Train_acc:44.7%, Train_loss:1.519355, Test_acc:46.7%, Test_loss:1.459393
Epoch: 4, Train_acc:40.6%, Train_loss:1.630510, Test_acc:43.0%, Test_loss:1.557642
Epoch: 5, Train_acc:44.7%, Train_loss:1.519355, Test_acc:46.7%, Test_loss:1.459393
Epoch: 4, Train_acc:40.6%, Train_loss:1.630510, Test_acc:43.0%, Test_loss:1.557642
Epoch: 5, Train_acc:44.7%, Train_loss:1.519355, Test_acc:46.7%, Test_loss:1.459393
Epoch: 6, Train_acc:48.4%, Train_loss:1.427109, Test_acc:49.3%, Test_loss:1.391754
Epoch: 7, Train_acc:51.7%, Train_loss:1.347142, Test_acc:52.7%, Test_loss:1.314253
Epoch: 8, Train_acc:54.1%, Train_loss:1.279251, Test_acc:54.8%, Test_loss:1.248326
Epoch: 9, Train_acc:56.6%, Train_loss:1.217414, Test_acc:53.0%, Test_loss:1.347135
Epoch:10, Train_acc:58.8%, Train_loss:1.163029, Test_acc:57.7%, Test_loss:1.191525
Epoch:11, Train_acc:60.9%, Train_loss:1.109804, Test_acc:56.1%, Test_loss:1.258321
Epoch:12, Train_acc:62.8%, Train_loss:1.062076, Test_acc:58.8%, Test_loss:1.182578
Epoch:13, Train_acc:64.3%, Train_loss:1.018153, Test_acc:62.4%, Test_loss:1.086334
Epoch:14, Train_acc:65.6%, Train_loss:0.979645, Test_acc:62.9%, Test_loss:1.059501
Epoch:15, Train_acc:67.3%, Train_loss:0.937651, Test_acc:64.0%, Test_loss:1.049727
Epoch:16, Train_acc:68.8%, Train_loss:0.901698, Test_acc:62.8%, Test_loss:1.075939
Epoch:17, Train_acc:69.9%, Train_loss:0.866459, Test_acc:66.4%, Test_loss:0.984569
Epoch:18, Train_acc:71.1%, Train_loss:0.833676, Test_acc:65.4%, Test_loss:0.987956
Epoch:19, Train_acc:72.2%, Train_loss:0.799225, Test_acc:68.2%, Test_loss:0.921538
Epoch:20, Train_acc:73.4%, Train_loss:0.766214, Test_acc:67.9%, Test_loss:0.936557
Done
Ⅲ Ⅲ Ⅲ Conclusion：
- 知识点归纳：
- 优化器及主要接口总结：
- step 方法：
- step 方法是优化器对象的一个方法，用于更新模型参数
- 在训练过程中，首先进行前向传播计算损失，然后调用 backward 方法进行反向传播计算梯度，最后调用优化器的 step 方法来更新模型参数
- step 方法根据优化算法（如 SGD、Adam 等）和学习率等参数，以及计算得到的梯度来更新模型参数。
- backward 方法
- backward 方法是张量对象的一个方法，用于执行反向传播计算梯度。
- 在模型训练过程中，首先进行前向传播计算损失，然后调用 backward 方法执行反向传播，计算损失对模型参数的梯度
- backward 方法会自动计算损失函数关于模型参数的梯度，并将梯度存储在对应的张量对象的 grad 属性中。
- zero_grad 方法：
- zero_grad 方法是优化器对象的一个方法，用于清空模型参数的梯度
- 在每一轮训练开始之前，通常会调用优化器的 zero_grad 方法，将模型参数的梯度清零
- 这样做是为了避免模型参数的梯度在多次反向传播计算中累积，确保每一轮训练都是基于当前样本计算的梯度
- step 方法：
- model.train()与model.eval()：
- model.train() 方法：
- model.train() 方法用于将模型设置为训练模式
- 在模型训练阶段调用 model.train() 方法，会启用模型中包含 Dropout 层和 Batch Normalization 层等具有随机性质的层，以及对输入数据进行数据增强等操作。
- 在调用 model.train() 方法后，模型会保持处于训练模式，直到调用 model.eval() 方法将其设置为评估模式。
- model.eval() 方法：
- model.eval() 方法用于将模型设置为评估模式。
- 在模型评估或推理阶段调用 model.eval() 方法，会关闭模型中包含 Dropout 层和 Batch Normalization 层等具有随机性质的层，以及停止对输入数据进行数据增强等操作。
- 在调用 model.eval() 方法后，模型会保持处于评估模式，直到调用 model.train() 方法将其设置为训练模式。
- model.train() 方法：
- 收获与总结：
CIFAR10 数据集是一个常用的图像分类数据集，包含 10 类共 60000 张彩色图片。实验的目标是通过构建 CNN 模型对 CIFAR10 数据集中的图片进行分类识别。
实验涉及到数据集的准备、模型构建、训练、评估和结果分析等多个步骤。
CNN 网络的学习理解：CNN 是一种前馈神经网络，广泛应用于图像识别和计算机视觉领域。CNN 的核心是卷积层和池化层，通过局部感知和参数共享来提取图像特征。大致了解到卷积层利用卷积操作提取特征，包括滤波器的定义、特征图的计算等。池化层通过降采样来减少计算量，包括最大池化和平均池化等。
卷积池化的推导：卷积操作是将滤波器与输入图像进行卷积运算，通过滑动窗口计算特征图。池化操作是将特征图进行降采样，常用的池化方式包括最大池化和平均池化。卷积层和池化层的推导涉及到局部感知、参数共享和降采样等概念。
扫一扫
1695
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
