链接:https://pan.baidu.com/s/1mvvjY-ErtgjAkcUkK6p_Fw
提取码:xsa4
最近要对编码器解码器有一些学习,就从最简单的手写体数字识别切入,完成的效果还行吧,自己写完留个记录省着找不着
数据集
数据集就是直接从官方下载,batch_size我根据电脑设置为64
import torchvision as tv
from torch.utils.data import DataLoader
def get_data_loaders(batch_size=64, data_dir="dataset"):
train_data = tv.datasets.MNIST(root=data_dir, train=True, transform=tv.transforms.ToTensor(), download=True)
test_data = tv.datasets.MNIST(root=data_dir, train=False, transform=tv.transforms.ToTensor(), download=True)
train_loader = DataLoader(train_data, batch_size=batch_size, shuffle=True)
test_loader = DataLoader(test_data, batch_size=batch_size, shuffle=False)
return train_loader, test_loader
模型
模型的话(讲真的我不知道她到底能怎么样,编码结构就是卷积,池化,卷积,池化,全连接,解码器结构就是,反全连接,两个反卷积)模型就是这样的,PS:其实在这里我有个疑问,如果将编码器解码器拆开,那编码器是不是就可以直接进行分类,对于手写体数字识别来说,最后只要有十个特征向量就可以了,我是这么觉得的,过后我把中间全连接的十个数据打印出来看一看怎么事,模型就是这么写的,其实很简单
self.encode = nn.Sequential(
nn.Conv2d(in_channels=1, out_channels=32, kernel_size=3),
nn.ReLU(True),
nn.MaxPool2d(2),
nn.Conv2d(in_channels=32, out_channels=64, kernel_size=3),
nn.ReLU(True),
nn.MaxPool2d(2),
nn.Flatten(),
nn.Linear(1600, 400),
nn.ReLU(True),
nn.Linear(400 , 10)
)
self.decode = nn.Sequential(
nn.Linear(10,400),
nn.ReLU(True),
nn.Linear(400,1600),
nn.Unflatten(1,(64,5,5)),
nn.ConvTranspose2d(64, 32, kernel_size=3, stride=3, padding=1, output_padding=1), # 上采样
nn.ReLU(True),
nn.ConvTranspose2d(32, 1, kernel_size=3, stride=2, padding=1, output_padding=1), # 上采样到原始图像大小
nn.Sigmoid()
)
训练
优化器和损失函数
optimizer = torch.optim.Adam(model.parameters(),lr = 0.001)
loss_function = torch.nn.MSELoss().to(device)
训练过程就是一个循环
for data in train_loader:
imgs,_ = data
imgs = imgs.to(device)
out_img = model(imgs)
loss = loss_function(out_img,imgs)
optimizer.zero_grad()
loss.backward()
optimizer.step()
我让他跑50轮,咋说呢50轮的时候他也没收敛,但是看着效果还行
评估(测试)
评估的话是我找的手写体的图片
找了3个都还可以,就是对数据预处理这块有些问题,需要将咱们自己的图片转化成模型需要的格式
transform = tv.transforms.Compose([
tv.transforms.Grayscale(),
tv.transforms.Resize((28,28)),
tv.transforms.ToTensor()
])
img = torch.reshape(img,(1,1,28,28))
最后把他送到咱们的模型里面就ok了,不过你是用matlab的那个库直接打印出来,还是用tensorboard都可以,我用的是后者。
emmm百度网盘链接放这里了,写的挺烂,对付看吧兄弟们(实现的效果还可以嘿嘿)
要是哪块有疑问了,请留言,哪里有问题也请直接指出
链接:https://pan.baidu.com/s/1mvvjY-ErtgjAkcUkK6p_Fw
提取码:xsa4