- 🍨 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
一、前期准备
1.设置GPU(如果使用的是CPU可以忽略这步)
import torch
import torch.nn as nn
import matplotlib.pyplot as plt
import torchvision
## 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")
device
device(type='cpu')
2.导入数据
train_ds = torchvision.datasets.MNIST('data',
train=True,
transform=torchvision.transforms.ToTensor(),
download=True)
test_ds = torchvision.datasets.MNIST('data',
train=False,
transform=torchvision.transforms.ToTensor(),
download=True)
torch.utils.data.DataLoader
batch_size = 32
train_dl = torch.utils.data.DataLoader(train_ds,
batch_size=batch_size,
shuffle=True)
##train_dl: PyTorch数据加载器(DataLoader),用于加载训练数据集。通常数据加载器会将数据集分成小批量(batches)进行处理
test_dl = torch.utils.data.DataLoader(test_ds,
batch_size=batch_size)
##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为自己设定,channel是图片的通道数,height和weight分别是高度和宽度
imgs, labels = next(iter(train_dl))
imgs.shape
## 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中的next()函数来逐个访问数据加载器中的元素
## next()函数用于迭代器的下一个元素。在这里,他被用来获取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。
torch.Size([32, 1, 28, 28])
3.数据可视化
import numpy as np
plt.figure(figsize=(20,5))
for i, imgs in enumerate(imgs[:20]):
## 维度缩减
## squeeze()函数用于从矩阵shape中去除维度为1的轴。可以让数据更加紧凑,减少不必要的维度。(如果原始矩阵中没有长度为1的轴,调用squeeze函数不会对矩阵的shape产生任何影响)
npimg = np.squeeze(imgs.numpy())
## 将整个figure分成两行十列,绘制第i+1个子图。
plt.subplot(2, 10, i+1)
plt.imshow(npimg, cmap=plt.cm.binary)
plt.axis('off')
二、构建简单的CNN网络
对于一般的CNN网络,都是由特征提取网络和分类网络构成,其中特征提取网络用于提取图片的特征,分类网络用于将图片进行分类。
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,进行向下采样,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.Liner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字
和输出特征和输出特征数(输入特征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,不需要在向前传播中再写一遍
import torch.nn.functional as F
num_classes = 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,卷积核大小为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,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_classes)
# 向前传播
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
打印并加载模型
from torchinfo import summary
# 将模型转移到cpu中
model = Model().to(device)
summary(model)
=================================================================
Layer (type:depth-idx) Param #
=================================================================
Model --
├─Conv2d: 1-1 320
├─MaxPool2d: 1-2 --
├─Conv2d: 1-3 18,496
├─MaxPool2d: 1-4 --
├─Linear: 1-5 102,464
├─Linear: 1-6 650
=================================================================
Total params: 121,930
Trainable params: 121,930
Non-trainable params: 0
=================================================================
三、训练模型
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)
2.编写训练函数
1.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,再将每个参数的提督设置为0,即上一次的梯度记录被清空。
2.loss.backward()
3.optimizer.step()
def train(dataloader, model, loss_fn, optimizer):
size = len(dataloader.dataset)
num_batches = len(dataloader)
train_loss, train_acc = 0, 0
for X, y in dataloader: ## 遍历加载器中每一个批次数据
X, y = X.to(device), y.to(device) ## 将数据和标签移动到计算机设备(CPU或GPU),以便加速计算
## 计算预测误差(前向传播)
pred = model(X)
loss = loss_fn(pred, y)
## 反向传播
optimizer.zero_grad() ## grad属性归零 每次反向传播之前,将优化器的梯度清零,以免累加上一个批次的提督
loss.backward() ## 反向传播计算梯度
optimizer.step() ## 每一步自动更新
# 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。
train_acc += (pred.argmax(1) == y).type(torch.float).sum().item()
## 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。
train_loss += loss.item()
train_acc /= size ## 计算训练数据集上的平均准确度
train_loss /= num_batches ## 计算每个批次的平均损失
return train_acc, train_loss
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,向上去取整)
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)
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
4.正式训练
epochs = 5
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')
Epoch: 1, Train_acc:94.1%, Train_loss:0.194, Test_acc:96.2%, Test_loss:0.126
Epoch: 2, Train_acc:96.4%, Train_loss:0.119, Test_acc:96.8%, Test_loss:0.097
Epoch: 3, Train_acc:97.2%, Train_loss:0.091, Test_acc:97.9%, Test_loss:0.070
Epoch: 4, Train_acc:97.6%, Train_loss:0.076, Test_acc:98.1%, Test_loss:0.061
Epoch: 5, Train_acc:98.0%, Train_loss:0.066, Test_acc:98.3%, Test_loss:0.057
Done
四、结果可视化
import matplotlib.pyplot as plt
# 隐藏警告
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 Accurary')
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()
总结:
本周做了一个简单的CNN项目(实现手写数字识别),主要了解了CNN项目的相关步骤。
前期的准备工作中,可以使用dataset下载数据集,划分训练集和测试集;使用dataloader加载数据,设置batch_size;在数据可视化的步骤中可以使用squeeze()函数除去矩阵中维度为1的轴,这样可以让数据更加紧凑,减少不必要的维度。
对于构建CNN网络,一般的的CNN网络都是由提取网络和分类网络构成,特征网络用于提取图片特征,分类网络用于将图片进行分类。
在编写训练函数时需要注意使用optimizer.zero_grad():将优化器中的梯度清零,以免累加上一个批次的梯度。
在编写测试时,由于不进行训练,可以通过with torch.no_grad():停止梯度更新,节省计算内存消耗。
通过正式训练以及结果可视化,可以通过图像了解到我们所训练的模型性能如何。