PyTorch手写数字识别(MNIST数据集)
MNIST 手写数字识别是一个比较简单的入门项目,相当于深度学习中的 Hello World,可以让我们快速了解构建神经网络的大致过程.本代码采用 PyTorch 1.6.0 编写并运行。
导入相关库
import torch
import torchvision as tv
import torchvision.transforms as transforms
import torch.nn as nn
import torch.optim as optim
torchvision 用于下载并导入数据集
获取训练集和测试集
# 定义数据预处理方式
transform = transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.1307, ), (0.3081, ))
]
)
定义训练数据集
trainset = tv.datasets.MNIST(
root='./data/',
train=True,
download=True,
transform=transform
)
定义测试数据集
testset = tv.datasets.MNIST(
root='./data/',
train=False,
download=True,
transform=transform
)
-
root 用于指定数据集在下载之后的存放路径
-
train是指定在数据集下载完成后需要载入的那部分数据,设置为 True 则说明载入的是该数据集的训练集部分,设置为 False 则说明载入的是该数据集的测试集部分
-
download 为 True 表示数据集需要程序自动帮你下载
-
transform 用于指定导入数据集需要对数据进行哪种变化操作
这样设置并运行后,就会在指定路径中下载 MNIST 数据集,之后就可以使用了。
数据装载和预览
BATCH_SIZE = 64
# 定义训练批处理数据
trainloader = torch.utils.data.DataLoader(
trainset,
batch_size=BATCH_SIZE,
shuffle=True,
)
# 定义测试批处理数据
testloader = torch.utils.data.DataLoader(
testset,
batch_size=BATCH_SIZE,
shuffle=False,
)
搭建神经网络
# 卷积层使用 torch.nn.Conv2d
# 激活层使用 torch.nn.ReLU
# 池化层使用 torch.nn.MaxPool2d
# 全连接层使用 torch.nn.Linear
class LeNet(nn.Module):
def __init__(self):
super(LeNet, self).__init__()
self.conv1 = nn.Sequential( #input_size=(1*28*28)
nn.Conv2d(1, 6, 5, 1, 2), #padding=2保证输入输出尺寸相同
nn.ReLU(), #input_size=(6*28*28)
nn.MaxPool2d(kernel_size=2, stride=2),#output_size=(6*14*14)
)
self.conv2 = nn.Sequential(
nn.Conv2d(6, 16, 5),
nn.ReLU(), #input_size=(16*10*10)
nn.MaxPool2d(2, 2) #output_size=(16*5*5)
)
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)
# 定义前向传播过程,输入为x
def forward(self, x):
# show_graph(x,'origin')
x = self.conv1(x)
# show_graph(x,'conv1')
x = self.conv2(x)
# show_graph(x,'conv2')
x = x.view(x.size()[0], -1)
x = self.fc1(x)
x = self.fc2(x)
x = self.fc3(x)
return x
前向传播内容:
- 首先经过 self.conv1() 和 self.conv2() 进行卷积处理
- 然后进行 x = x.view(x.size()[0], -1),对参数实现扁平化(便于后面全连接层输入)
- 最后通过 self.fc1() 和 self.fc2() 定义的全连接层进行最后的分类
训练模型
#定义学习率
LR = 0.001
#定义是否使用GPU
device = torch.device('cuda' if torch.cuda.is_available else 'cpu')
# 定义损失函数loss function 和优化方式(采用SGD)
net = LeNet().to(device)
criterion = nn.CrossEntropyLoss() # 交叉熵损失函数
optimizer = optim.SGD(net.parameters(), lr=LR, momentum=0.9)
def train(net,criterion,optimizer):
writer = SummaryWriter('./homework1/LeNet-5')
for epoch in range(EPOCH):
sum_loss = 0.0
# 数据读取
for i, data in enumerate(trainloader):
inputs, labels = data
inputs, labels = inputs.to(device), labels.to(device)
# 梯度清零
optimizer.zero_grad()
# forward + backward
outputs = net(inputs)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
# 每训练100个batch打印一次平均loss
sum_loss += loss.item()
if i % 100 == 99:
print('[%d, %d] loss: %.03f'
% (epoch + 1, i + 1, sum_loss / 100))
writer.add_scalar('epoch%d-batch_loss'%(epoch+1),sum_loss/100,i/100)
sum_loss = 0.0
# 每跑完一次epoch测试一下准确率
with torch.no_grad():
correct = 0
total = 0
for data in testloader:
images, labels = data
images, labels = images.to(device), labels.to(device)
outputs = net(images)
# print(outputs.shape)
# 取得分最高的那个类
_, predicted = torch.max(outputs.data, 1)
total += labels.size(0)
correct += (predicted == labels).sum()
print('第%d个epoch的识别准确率为:%d%%' % (epoch + 1, (100 * torch.true_divide(correct,total))))
#模型参数保存
torch.save(net, './homework1/weights/model.pth')
测试模型
def test(weights,index):
model = torch.load(weights)
img = testset.__getitem__(index)[0].reshape(1,1,28,28).cuda()
label = testset.targets[index]
output = model(img)
_, predicted = torch.max(output.data, 1)
print('predicted:{},label:{}'.format(predicted.item(),label.data))
训练以及测试情况
从结果上看98%的准确率还是可以的。
拓展
1.运用tensorboardX可视化loss变化情况
导入相应的依赖库
from tensorboardX import SummaryWriter
-
第一次epoch训练后loss
-
第二次epoch训练后loss
-
第八次epoch训练后loss
2.运用tensorboardX展示LeNet-5网络结构
3.展示中间层特征图
函数定义
def show_graph(x, string)
其中x为中间层输出的结果
效果展示
-
原图
-
一次卷积过后(卷积,relu,池化)
-
两次卷积过后(卷积,relu,池化)