目录
前言
- 🍨本文为[🔗365天深度学习训练营](https://mp.weixin.qq.com/s/0dvHCaOoFnW8SCp3JpzKxg) 中的学习记录博客
- 🍖 原作者:K同学啊
- 语言:python3、Pytorch框架
- 编辑器:pycharm2020
- 深度学习环境:torch1.12.1+cu113
一、前期准备
1.1 设置GPU
代码:
import torch
import torch.nn as nn
import matplotlib.pyplot as plt
import torchvision
import numpy as np
import torch.nn.functional as F
'''
一、前期准备
设置cpu or GPU
导入数据
数据可视化
'''
# 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)
这里遇到一个问题,由于我自己的电脑显卡型号是Intel(R) UHD Graphics 620,而CUDA是面向Nvidia的GPU的,所以,如果要搭建CUDA环境必须要有nvidia显卡。所以这里虽然我配置的环境是cuda版本的pytorch,但是上面这个代码运行的结果为cpu,不过最后也没有影响我把结果跑出来。
1.2 导入数据
使用dataset下载MNIST数据集,并划分好训练集和测试集,并使用dataloader加载数据,并设置好基本的batch_size
1.2.1 torchvision.datasets.MNIST介绍
torchvision.datasets是Pytorch自带的数据库,用户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。
#从pytorch自带的数据库torchvision.datasets中在线下载MNIST数据集。
train_ds = torchvision.datasets.MNIST('data',train=True,
transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
download=True)
test_ds = torchvision.datasets.MNIST('data',train=False,
transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
download=True)
1.2.2 torch.utils.data.DataLoader
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)
#数据加载器torch.utils.data.DataLoader
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)
#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
#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可以自己设定,channel,height和weight分别是图片的通道数,高度和宽度。
imgs, labels = next(iter(train_dl)) #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
print(imgs.shape)
输出:
代码解释:
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。
1.3 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, )
#数据可视化
plt.figure(figsize=(20, 5)) # 指定图片大小,图像大小为20宽、5高的绘图(单位为英寸inch)
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()
二、构建简单的CNN网络
2.1 预备知识
参考自K同学啊的有关储备知识的内容
2.1.1 卷积层
函数原型:torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)
关键参数:
- in_channels ( int ) – 输入图像中的通道数
- out_channels ( int ) – 卷积产生的通道数
- kernel_size ( int or tuple ) – 卷积核的大小
- stride ( int or tuple , optional ) -- 卷积的步幅。默认值:1
- padding ( int , tuple或str , optional ) – 添加到输入的所有四个边的填充。默认值:0
- padding_mode (字符串,可选) – 'zeros', 'reflect', 'replicate'或'circular'. 默认:'zeros'
示例过程:self.conv1 = nn.Conv2d(in_channels=3, out_channels=2, kernel_size=3, stride=2, padding=1)
2.1.2 池化层
在图像处理中,由于图像中存在较多冗余信息,可用某一区域子块的统计信息(如最大值或均值等)来刻画该区域中所有像素点呈现的空间分布模式,以替代区域子块中所有像素点取值,这就是卷积神经网络中池化(pooling)操作。
池化层可对提取到的特征信息进行降维,实现下采样,同时保留了特征图中主要信息,一方面使特征图变小,简化网络计算复杂度;另一方面进行特征压缩,提取主要特征,增加平移不变性,减少过拟合风险。但其实池化更多程度上是一种计算性能的一个妥协,强硬地压缩特征的同时也损失了一部分信息。
池化的几种常见方法包括:平均池化 与 最大池化。如下图所示
2.1.3 CNN网络结构介绍
- 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
2.2 网络结构图
此处使用的CNN模型由一个输入层、两个卷积层、两个池化层、一个Flatten层、一个全连接层和一个输出层构成,各层的大小形状已标记在图中
2.3 CNN网络的代码实现
'''
二、搭建简单的CNN模型
'''
num_class = 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_class)
#前向传播
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
这里首先定义一个类,在__init__()下定义好模型的基本结构,卷积层1->池化层1->卷积层2->池化层2->全连接层1->全连接层2;接着在forward里面定义前向传播的激活函数,均采用的ReLU
2.4 加载并打印模型
代码如下(示例):
from torchinfo import summary
# 将模型转移到GPU中(我们模型运行均在GPU中进行)
model = Model().to(device)
summary(model)
torchinfo 提供的信息与 PyTorch 中提供的信息相辅相成,类似于 Tensorflow 的 API,用于查看模型的可视化效果,这在调试网络时很有帮助。在这个项目中,我们在 PyTorch 中实现了类似的功能,并创建了一个干净、简单的界面来在你的项目中使用
模型打印如下:
三、训练模型
3.1 设置超参数
#3.1 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)
使用交叉熵函数作为损失函数(nn.CrossEntropyLoss()),优化器选用的SGD
3.2 编写训练函数
3.2.1 训练的几个关键函数
-
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。
-
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。 -
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
3.2.2 代码示例
#3.2 编写训练函数
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) #批次数目,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) #网络的输出
loss = loss_fn(pred, y) #计算网络输出和真实值之间的差距,y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和loss
train_acc += (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。
train_loss += loss.item()
train_acc /=size
train_loss /= num_batches
return train_acc, train_loss
其中(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
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
训练集的大小是60000张图片,因为设置的batch_size=32,所以一共有60000/32=1875个batch
3.3 编写测试函数
其实测试函数和训练函数基本相同,只不过测试函数因为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
#3.3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
测试集的大小为10000张图片,设置的batch_size=32,所以一共有10000/32=312.5,则batch的数目为313(向上取整这里是)
3.4 正式训练
3.4.1 基本概念介绍
-
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。 -
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。
3.4.2 模型训练代码
'''
3.4、正式训练
model.train()的作用是启用 Batch Normalization 和 Dropout
model.eval()的作用是不启用 Batch Normalization 和 Dropout
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
'''
epochs = 5
train_loss = []
train_acc = []
test_loss = []
test_acc = []
#遍历epoch,调用前面定义train和test函数
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')
训练过程主要就是在每个epoch中,分别调用前面定义的train和test函数,将最开始准备的训练数据和测试数据、定义的模型、损失函数等作为train和test函数的输入,就进行训练和测试阶段,同时将每个epoch的预测结果(精度acc和损失loss打印出来)
训练进程如下:
从上面的结果可以看出,随着epoch的增加,模型的结果是越来越好
四、结果可视化
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()
将训练集和测试集在不同epoch下的模型精度和损失打印出来如下图所示:
总结
根据本次实战跟练,首先熟悉了GPU和CPU的配置,接着初步明白了pytorch模型搭建和训练的框架(数据获取、数据加载、数据集划分、CNN模型的搭建、训练函数测试函数的搭建--(包含着优化器、超参数的设置)、正式训练过程),最后就是整个流程的走通可以大大提升对相关概念的理解。