【PyTorch笔记】60分钟入门PyTorch——训练一个图片分类器

训练一个分类器

原文链接

1. 数据

通常来说，当你处理图像、文本、音频和视频数据时，可以使用标准的Python包将数据加载为numpy array形式，然后将数组转换成torch.*Tensor

• 图像数据：Pillow、Opencv
• 音频数据：scipy、librosa
• 文本数据：原始Python或Cpython来加载，或者使用NLTK、SpaCy

视觉数据有一些特殊，有一个包torchvision，可以加载常见数据集，比如ImageNet、CIFAR10、MINIST等，也包括图像转换器，即torchvision.datasets和torch.utils.data.DataLoader

这给我们提供了极大的便利，同时避免样板代码（boilerplate code）

在本教程中，使用CIFAR10数据集。它包含类： ‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’。CIFAR10的图像大小为3×32×32，即3个颜色通道，像素大小32×32.

---

2. 训练一个图片分类器

按序执行如下步骤

• 使用torchvision加载并标准化CIFAR10的训练集和测试集
• 定义一个卷积神经网络
• 定义一个损失函数
• 在训练数据上训练网络
• 在测试数据上测试网络

（1）加载和标准化CIFAR10

import torch
import torchvision
import torchvision.transforms as transforms

torchvision数据集的输出是[0,1]的PILImage图像，将它们转换成Tensor类型，并标准化在[-1,1]范围内

如果在Windows上运行出现了BrokenPipeError，尝试将torch.utils.data.DataLoader()的num_worker设置为0

transform = transforms.Compose(
    [transforms.ToTensor(),
    transforms.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5))]
)
batch_size = 4
trainset = torchvision.datasets.CIFAR10(root='./data',train=True,download=True,transform=transform)
trainloader = torch.utils.data.DataLoader(trainset,batch_size=batch_size,shuffle=True,num_workers=2)
testset = torchvision.datasets.CIFAR10(root='./data',train=False,download=True,transform=transform)
testloader = torch.utils.data.DataLoader(testset,batch_size=batch_size,shuffle=False,num_workers=2)
classes = ('plane', 'car', 'bird', 'cat',
           'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

Downloading https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./data/cifar-10-python.tar.gz
Extracting ./data/cifar-10-python.tar.gz to ./data
Files already downloaded and verified

展示一些有趣的训练图像

import matplotlib.pyplot as plt
import numpy as np

def imshow(img):
    img = img/2 + 0.5  # 未标准化
    npimg = img.numpy()
    # 将数组的值以图片的形式展示出来
    plt.imshow(np.transpose(npimg,(1,2,0)))
    plt.show()

# 得到一些随机的训练图片
dataiter = iter(trainloader)
images,labels = dataiter.next()

# 展示图片
imshow(torchvision.utils.make_grid(images))
# 输出标签
print(' '.join(f'{classes[labels[j]]:5s}' for j in range(batch_size)))

car   bird  cat   cat

（2）定义一个卷积神经网络

复制神经网络教程的神经网络代码，并将它修改成适用于3个channel图片的形式

import torch.nn as nn
import torch.nn.functional as F


class Net(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.fc1 = nn.Linear(16 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        x = torch.flatten(x, 1) # flatten all dimensions except batch
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x


net = Net()

（3）定义损失函数和优化器

使用交叉熵损失分类，含有momentum的SGD优化

import torch.optim as optim

criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(),lr=0.001,momentum=0.9)

（4）训练网络

这时候开始变得有趣，我们只需简单地在迭代数据上循环，并将输入数据输送到网络并优化

for epoch in range(2):  # 循环数据集多次
    running_loss = 0.0

    for i , data in enumerate(trainloader,0):
        # 得到输入数据，数据是[inputs,labels]形式的列表
        inputs,labels =data
        # 参数梯度置为0
        optimizer.zero_grad()

        # 前向传播 + 后向传播 + 优化
        outputs = net(inputs)
        loss = criterion(outputs,labels)
        loss.backward()
        optimizer.step()

        #输出统计数据
        running_loss += loss.item()
        if i%2000 == 1999: # 每2000个mini-batchs输出一次
            print(f'[{epoch+1},{i+1:5d}] loss:{running_loss/2000:.3f}')
            running_loss = 0.0
print('完成训练')

[1,  2000] loss: 2.144
[1,  4000] loss: 1.828
[1,  6000] loss: 1.659
[1,  8000] loss: 1.579
[1, 10000] loss: 1.530
[1, 12000] loss: 1.491
[2,  2000] loss: 1.405
[2,  4000] loss: 1.379
[2,  6000] loss: 1.359
[2,  8000] loss: 1.329
[2, 10000] loss: 1.309
[2, 12000] loss: 1.299
Finished Training

快速保存好我们训练的模型

PATH = './cifar_net.pth'
torch.save(net.state_dict(),PATH)

（5）在测试集上测试网络

我们已经在训练集上训练了2次网络，但是我们需要检查网络有没有学到东西

网络的输出作为预测的类标签，检查它和真实值之间的差距，如果预测正确，我们将样本添加到正确预测的列表中

第一步，展示测试集的图片熟悉下内容

dataiter = iter(testloader)
images,labels = dataiter.next()

# 输出图片
imshow(torchvision.utils.make_grid(images))
print('GroundTruth: ', ' '.join(f'{classes[labels[j]]:5s}' for j in range(4)))

GroundTruth:  cat   ship  ship  plane

接下来，加载回存储过的模型（注意：存储并且再加载模型不是必要的步骤，这里这是说明如何做）

net = Net()
net.load_state_dict(torch.load(PATH))

现在，让我们来看看神经网络认为以上图片是什么

outputs = net(images)

输出10个标签的概率，一个类别的概率越大，神经网络越认为它是这个类别，所以我们得到最高概率的标签

_, predicted = torch.max(outputs, 1)

print('Predicted: ', ' '.join(f'{classes[predicted[j]]:5s}'
                              for j in range(4)))

Predicted:  cat   car   car   plane

结果看起来不错

让我们看看在整个数据集上网络的表现效果

# 网络在整个数据集上的表现效果
correct = 0
total = 0
# 不训练，就不需要计算输出的梯度
with torch.no_grad():
    images,labels = data
    # 将图片传进网络计算输出
    outputs = net(images)
    # 在哪个类别上概率最高，就是预测的类别结果
    _,predicted = torch.max(outputs.data,1)
    total += labels.size(0)
    correct = (predicted==labels).sum().item()

print(f"神经网络在10000条测试图像上的准确率为：{100 * correct // total}%")

Accuracy of the network on the 10000 test images: 54 %

结果看起来比随机猜测效果要好，因为随机猜测的准确率是10%，网络似乎学到了一些东西

在哪些类上的预测效果比较好，哪些不好呢？

# prepare to count predictions for each class
correct_pred = {classname: 0 for classname in classes}
total_pred = {classname: 0 for classname in classes}

# again no gradients needed
with torch.no_grad():
    for data in testloader:
        images, labels = data
        outputs = net(images)
        _, predictions = torch.max(outputs, 1)
        # collect the correct predictions for each class
        for label, prediction in zip(labels, predictions):
            if label == prediction:
                correct_pred[classes[label]] += 1
            total_pred[classes[label]] += 1


# print accuracy for each class
for classname, correct_count in correct_pred.items():
    accuracy = 100 * float(correct_count) / total_pred[classname]
    print(f'Accuracy for class: {classname:5s} is {accuracy:.1f} %')

Accuracy for class: plane is 54.2 %
Accuracy for class: car   is 85.1 %
Accuracy for class: bird  is 41.1 %
Accuracy for class: cat   is 33.9 %
Accuracy for class: deer  is 38.7 %
Accuracy for class: dog   is 55.8 %
Accuracy for class: frog  is 66.7 %
Accuracy for class: horse is 70.5 %
Accuracy for class: ship  is 55.3 %
Accuracy for class: truck is 44.6 %

如何在GPU上训练神经网络呢？

3. 在GPU上训练

就像是如何把一个tensor转换到GPU上，也同样把神经网络转换到GPU上

如果我们有可用的CUDA，首先将我们的设备定义为一个可用的CUDA设备

device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')
# 假设我们在CUDA机器上，应该打印一个CUDA设备
print(device)

cuda:0

下面的device就是一个CUDA设备

然后，这些方法将递归遍历所有模块，并且将它们的参数和缓冲区转换成CUDA tensor

net.to(device)
# 必须在每个步骤中将输入和目标发送到GPU
inputs,labels = data[0].to(device),data[1].to(device)

为什么没注意到和CPU相比要较大的速度提升呢？因为模型太小了。

实践练习：

尝试提升网络的宽度（第一个nn.Conv2d的第二个参数，第二个nn.Conv2d的第一个参数，它们应该是相同的数字），看看你得到了什么样的加速

已实现目标：

• 深入了解PyTorch的Tensor库和神经网络
• 训练一个小的网络去分类图片

---

4. 在多个GPU上训练

如果你希望使用所有的GPU来获得更大的加快速度，请看选读：数据并行