手写数字识别原理
每张照片用长28宽28个像元的灰度信息表示
将28*28[28,28]的矩阵打平(flat)成784个像素[784],则可以忽略二维位置相关性,再插入一个维度变成[1,784]
使用三个线性函数y=wx+b的嵌套来解决手写数字识别问题
H1 = XW1 + b1 W1: [d1, dx],b1: [d1]
H2 = H1W2 + b2 W2: [d2, d1],b2: [d2]
H3 = H2W3 + b3 W3: [d3, d2],b3: [d3]
H1,H2,H3的维度分别为[1,d1], [1,d2], [1,d3]
H3中1表示照片数量,d3表示0-9数字
使用one-hot编码方式Y: [0/1/…/9],避免label之间有大小属性的关系,如果分10类就是一个十维的向量
预测值𝑝𝑟𝑒𝑑 = 𝑊3 ∗ [𝑊2 (𝑊1𝑋 + 𝑏1) + 𝑏2] + 𝑏3
三个嵌套的线性函数也很难模拟出手写数字的识别,因此需要添加非线性部分(模仿生物上的神经元),即激活函数(如sigmoid函数、ReLU函数),给予非线性的表达能力
H1 = relu(XW1 + b1)
H2 =relu(H1W2 + b2)
H3 =f(H2W3 + 3) 最后一层可不加激活函数
梯度下降
手写数字识别实战
步骤:加载数据→建模→训练→测试
utils.py
import torch
from matplotlib import pyplot as plt
def plot_curve(data):
fig = plt.figure()
plt.plot(range(len(data)), data, color='blue')
plt.legend(['value'], loc='upper right')
plt.xlabel('step')
plt.ylabel('value')
plt.show()
def plot_image(img, label, name):
fig = plt.figure()
for i in range(6):
plt.subplot(2, 3, i + 1)
plt.tight_layout()
plt.imshow(img[i][0]*0.3081+0.1307, cmap='gray', interpolation='none')
plt.title("{}: {}".format(name, label[i].item()))
plt.xticks([])
plt.yticks([])
plt.show()
def one_hot(label, depth=10):
out = torch.zeros(label.size(0), depth)
idx = torch.LongTensor(label).view(-1, 1)
out.scatter_(dim=1, index=idx, value=1)
return out
mnist_train.py
from matplotlib.colors import Normalize
import torch
from torch import nn # 神经网络相关工作
from torch.nn import functional as F # 常用函数
from torch import optim # 优化工具包
#计算机视觉
import torchvision
from matplotlib import pyplot as plt
from torchvision import transforms
from utils import plot_image, plot_curve, one_hot
batch_size = 512 #一次处理多张图片
#step1.load_dataset
train_loader = torch.utils.data.DataLoader(
torchvision.datasets.MNIST('mnist_data', train=True, download=True,
transform=torchvision.transforms.Compose([
torchvision.transforms.ToTensor(),
torchvision.transforms.Normalize(
(0.1307,),(0.3081,))
])),
# 下载的数据为numpy格式转换为tensor格式,正则化使原本[0,1]的数据在0附近均匀分布
batch_size=batch_size,shuffle=True) # shuffle把数据随机打散
test_loader = torch.utils.data.DataLoader(
torchvision.datasets.MNIST('mnist_data/', train=False, download=True,
transform=torchvision.transforms.Compose([
torchvision.transforms.ToTensor(),
torchvision.transforms.Normalize(
(0.1307,),(0.3081,))
])),
# 下载的数据为numpy格式转换为tensor格式,正则化使原本[0,1]的数据在0附近均匀分布
batch_size=batch_size,shuffle=False) # shuffle把数据随机打散
#显示加载图片
x, y = next(iter(train_loader))
print(x.shape,y.shape,x.min(),x.max())
plot_image(x,y,'image sample')
#step2.创建网络
class Net(nn.Module):
def __init__(self):
super(Net,self).__init__() #初始化函数为网络
# 每一层为xw+b
self.fc1 = nn.Linear(28*28,256) #第一层28*28是由图片像元数决定的,256为经验决定的
self.fc2 = nn.Linear(256,64) #输入层256与上一层输出值对应,64为经验决定的
self.fc3 = nn.Linear(64,10) #最后一层的输出值为10(因为10分类,输出必须为10)
def forward (self, x): #创建计算过程
# x: [b,1,28,28] b张图片
# h1 = relu(xw1+b1)
x = F.relu(self.fc1(x))
# h2 = relu(h1w2+b2)
x = F.relu(self.fc2(x))
# h3 = h2w3+b3 最后一次不加激活函数,使用均方差来计算
x = self.fc3(x)
return x
#step3.做数据集训练(每次求导、更新)
net = Net() # 创建一个网络对象
optimizer = optim.SGD(net.parameters(), lr=0.01, momentum=0.9) #优化器,优化[w1,b1,w2,b2,w3,b3]六个权值
train_loss = []
for epoch in range(3): # 对整个数据集迭代3次
for batch_idx, (x,y) in enumerate(train_loader): # 每次从整个train数据集中sample一个batch(512张图片)
# x: [b,1,28,28], y:[512]
#网络是全连接层,只能接收[b,feature]这种dimension为2的tensor,需要把思维的x打平为2维[b,1,28,28]→[b,feature]
x = x.view(x.size(0),28*28) #→[b,10]
out = net(x)
# [b,10]
y_onehot = one_hot(y) # 希望out能接近于真实的y_onehot
#loss = mse(out,y_onehot)
loss = F.mse_loss(out, y_onehot)
optimizer.zero_grad() #清零梯度
loss.backward() #计算梯度
# w' = w - lr*grad
optimizer.step() #更新梯度
train_loss.append(loss.item())
if batch_idx % 10==0:
print(epoch, batch_idx, loss.item())
plot_curve(train_loss)
# we get optimal [w1,b1,w2,b2,w3,b3]
#step4.准确度测试
total_correct = 0
for x,y in test_loader:
x = x.view(x.size(0),28*28) # 打平
out = net(x) # out:[b,10] → pred:[b]
pred = out.argmax(dim=1) # dimension=1的最大值作为预测值
correct = pred.eq(y).sum().float().item() # correct值为pred与真实y值对等的数量,item把Tensor类型转化为数值
total_correct += correct
total_num = len(test_loader.dataset)
acc = total_correct / total_num
print('test acc:', acc)
#可视化预测结果
x, y = next(iter(test_loader))
out = net(x.view(x.size(0),28*28))
pred = out.argmax(dim=1)
plot_image(x,pred,'test')
train样本:
loss函数可视化:
预测准确度:
预测结果可视化: