🍨 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 | 接辅导、项目定制]
我的环境:
语言环境:Anaconda3 (Python3)
编译器:jupyter notebook
深度学习环境:Pytorch
torch == 1.12.1+cu116
torchvision == 0.13.1+cu116
1. 准备
1.1 设置GPU
import torch
import torch.nn as nn
import matplotlib.pyplot as plt
import torchvision
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
device
输出
device(type='cuda')
1.2 导入数据
torchv
ision.datasets.MNIST
:这是专门设计用于加载MNIST数据集的PyTorch数据集类。
'data'
:这是数据集将被存储或检索的目录。如果目录不存在,将会被创建。在这里,设置为'data'。
train=True
:这表示应加载MNIST数据集的训练部分。
train=False
,用于加载测试部分。
transform=torchvision.transforms.ToTensor()
:这是应用于数据集中每个样本的转换。在这种情况下,使用ToTensor()
将图像转换为PyTorch张量。MNIST图像最初是PIL图像的形式,而此转换将其转换为PyTorch张量。
download=True
:这指定如果目录中不存在数据集,则应下载数据集。
变量train_ds
将保存MNIST的训练集,变量test_ds
将保存MNIST的测试集。
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)
总的来说,这些代码行设置并加载了MNIST数据集的训练和测试集,确保图像被转换为PyTorch张量。
batch_size
:这是每个训练或测试批次中包含的图像数量。在这里,设置为10,但根据你的电脑内存情况,你可以调整这个值以更好地适应你的硬件。
torch.utils.data.DataLoader
:这是PyTorch中用于创建数据加载器的类。
train_ds
:这是之前加载的MNIST训练数据集。
batch_size=batch_size
:这是指定每个批次中包含的图像数量,即上面定义的batch_size
。
shuffle=True
:这是表示在每个时期(epoch)开始前是否对数据进行随机重排。设置为True
可以帮助模型更好地学习,因为它可以在每个时期中看到不同的数据顺序。
总的来说,这段代码创建了用于训练和测试的数据加载器,以便以批次的方式有效地加载MNIST数据集。
batch_size = 10 # 根据电脑内存调整大小
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)
:这是创建了一个迭代器,允许我们逐个获取训练数据加载器中的批次。
next(...)
:这是用于获取迭代器的下一个元素,即训练数据加载器的下一个批次。
imgs, labels
:这是将批次中的图像和标签分别赋值给变量 imgs
和 labels。
imgs.shape
:这是显示图像张量的形状。在这里,输出的形状是 [10, 1, 28, 28]
,解释如下:
10
:这是批次大小,表示一批中有10张图像。
1
:这是通道数,表示图像是单通道的(灰度图像)。
28
:这是图像的高度。
28
:这是图像的宽度。
这说明了图像数据张量的结构,有助于理解神经网络的输入。
# 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,height和weight分别是图片的通道数,高度和宽度。
imgs, labels = next(iter(train_dl))
imgs.shape
输出
torch.Size([10, 1, 28, 28])
1.3 数据可视化
这段代码使用Matplotlib库绘制图像,展示从训练数据加载器中获取的一个批次的图像。
import numpy as np
:这是导入NumPy库,并使用别名np
。NumPy通常用于处理和操作数组数据。
plt.figure(figsize=(20, 5))
:这是创建一个新的图形窗口,设置图形的大小为宽20英寸、高5英寸。这个图形窗口将用于绘制图像。
for i, imgs in enumerate(imgs[:20]):
:这是一个循环,遍历批次中的前20张图像。enumerate
同时返回索引i
和对应的元素imgs
。
np.squeeze(imgs.numpy())
:这是将PyTorch张量转换为NumPy数组,并使用np.squeeze
函数将维度为1的维度去除。这是因为Matplotlib期望的图像是三维数组,而原始数据可能是四维的。
plt.subplot(2, 10, i+1)
:这是在图形窗口中创建一个子图,将整个图形窗口分成2行10列,然后选择第i+1
个子图进行绘制。
plt.imshow(npimg, cmap=plt.cm.binary)
:这是用Matplotlib的imshow
函数绘制图像。cmap=plt.cm.binary
表示使用二进制(黑白)的颜色映射。
plt.axis('off')
:这是关闭坐标轴,使图像更清晰。
plt.show()
:这是显示绘制的图形。如果你使用的是PyCharm编译器,需要添加这一行代码以确保图形显示。
import numpy as np
# 指定图片大小,图像大小为20宽、5高的绘图(单位为英寸inch)
plt.figure(figsize=(20, 5))
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() 如果你使用的是Pycharm编译器,请加上这行代码
输出
2. 构建简单的CNN网络
对于一般的CNN网络来说,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
网络结构图:
这段代码定义了一个简单的卷积神经网络(CNN)模型,用于分类图像。
import torch.nn.functional as F
:导入PyTorch的函数模块
torch.nn.functional
,通常用于定义神经网络的各种操作函数。
num_classes = 10
:定义图像的类别数量,这里是10,因为MNIST数据集包含10个数字类别。
class Model(nn.Module):
:定义了一个继承自nn.Module
的模型类。
super().__init__()
:调用父类的初始化方法。
self.conv1 = nn.Conv2d(1, 32, kernel_size=3)
:定义第一层卷积层,输入通道数为1(灰度图像),输出通道数为32,卷积核大小为3x3。
self.pool1 = nn.MaxPool2d(2)
:定义第一层池化层,使用最大池化,池化核大小为2x2。
self.conv2 = nn.Conv2d(32, 64, kernel_size=3)
:定义第二层卷积层,输入通道数为32,输出通道数为64,卷积核大小为3x3。
self.pool2 = nn.MaxPool2d(2)
:定义第二层池化层,使用最大池化,池化核大小为2x2。
self.fc1 = nn.Linear(1600, 64)
:定义全连接层1,输入大小为1600(由于两次最大池化,图像尺寸减小到原来的1/4,再乘以64个通道),输出大小为64。
self.fc2 = nn.Linear(64, num_classes)
:定义全连接层2,输入大小为64,输出大小为类别数num_classes
。
def forward(self, x):
:定义了前向传播方法,描述了数据在网络中的流动。
x = self.pool1(F.relu(self.conv1(x)))
:应用第一层卷积、激活函数ReLU和池化。
x = self.pool2(F.relu(self.conv2(x)))
:应用第二层卷积、激活函数ReLU和池化。
x = torch.flatten(x, start_dim=1)
:将特征图展平为一维张量,以便输入全连接层。
x = F.relu(self.fc1(x))
:应用全连接层1和激活函数ReLU。
x = self.fc2(x)
:应用全连接层2,得到最终输出。
最终,该模型通过这个前向传播方法,将输入的图像数据经过卷积、池化、全连接等操作,得到最终的分类输出。这个模型结构适用于处理28x28像素大小的灰度图像,并输出属于10个类别中的一个。
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)
# 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
这段代码使用了torchinfo
库中的summary
函数来输出关于神经网络模型的详细信息。
from torchinfo import summary
:这一行导入了torchinfo
库中的summary
函数。torchinfo
库提供了有关PyTorch模型的详细信息摘要。
model = Model().to(device)
:这一行创建了一个模型实例并将其移动到指定的设备(这里是GPU)。Model()
是前面定义的神经网络模型类的实例化。to(device)
的目的是将模型参数和计算都放在指定的设备上进行,这有助于加速模型的训练和推断。
summary(model)
:这一行调用了torchinfo
库中的summary
函数,用于输出模型的详细信息摘要。该函数会显示模型的层次结构、输入和输出的形状,以及模型的总参数数量等信息。
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)
输出
这段代码输出了一个神经网络模型的详细结构信息,包括各个层次的类型、深度索引、参数数量等。
Layer (type:depth-idx)
:这一列显示了网络中每一层的类型以及深度索引。例如,Conv2d: 1-1
表示第一层卷积层的深度索引为1。
Param #
:这一列显示了每一层的参数数量。
Model
:表示整个模型,深度索引为0。
Conv2d
:表示卷积层。
MaxPool2d
:表示最大池化层。
Linear
:表示全连接层。
Total params
:总参数数量,即网络中所有层的参数之和。
Trainable params
:可训练参数数量,指的是在训练过程中可以更新的参数数量。
Non-trainable params
:不可训练参数数量,指的是在训练过程中不会更新的参数数量,比如某些层的权重初始化。
=================================================================
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
=================================================================
3. 训练模型
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)
3.2 编写训练函数
# 训练循环
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) # 网络输出
loss = loss_fn(pred, y) # 计算网络输出和真实值之间的差距,targets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与loss
train_acc += (pred.argmax(1) == y).type(torch.float).sum().item()
train_loss += loss.item()
train_acc /= size
train_loss /= num_batches
return train_acc, train_loss
3.3 编写测试函数
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
3.4 正式训练
这段代码是一个训练循环,用于训练神经网络模型,并在每个训练周期结束后记录并输出模型的性能指标。
epochs = 5
:定义了训练循环的总训练周期数,这里设置为5。
train_loss
、train_acc
、test_loss
、test_acc
:分别定义了四个空列表,用于存储每个训练周期结束后的训练损失、训练准确率、测试损失和测试准确率。
for epoch in range(epochs):
:这是一个循环,遍历每个训练周期。
model.train()
:将模型切换到训练模式,启用训练时的特定操作,例如使用Dropout。
epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, opt)
:调用train
函数执行一次训练,得到当前训练周期的准确率和损失。
model.eval()
:将模型切换到评估模式,禁用特定于训练的操作,以便进行测试。
epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)
:调用test
函数执行一次测试,得到当前训练周期的测试准确率和测试损失。
train_acc.append(epoch_train_acc)
、train_loss.append(epoch_train_loss)
、test_acc.append(epoch_test_acc)
、test_loss.append(epoch_test_loss)
:将当前训练周期的性能指标添加到相应的列表中。
template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%,Test_loss:{:.3f}')
:定义了一个字符串模板,用于输出训练周期的性能指标。
print(template.format(epoch+1, epoch_train_acc*100, epoch_train_loss, epoch_test_acc*100, epoch_test_loss))
:使用模板输出当前训练周期的性能指标,包括训练准确率、训练损失、测试准确率和测试损失。
print('Done')
:在所有训练周期结束后输出'Done',表示训练循环完成。
综合起来,这段代码实现了一个简单的神经网络训练循环,通过多次迭代训练,记录每个训练周期的性能指标,并输出这些指标,以监测模型的训练过程。
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')
输出
这段代码输出了神经网络模型在每个训练周期(Epoch)结束时的性能指标,包括训练准确率、训练损失、测试准确率和测试损失。
Epoch: 1
:表示第1个训练周期。
Train_acc:88.7%
:表示训练准确率为88.7%。
Train_loss:0.360
:表示训练损失为0.360。
Test_acc:96.7%
:表示测试准确率为96.7%。
Test_loss:0.100
:表示测试损失为0.100。
Epoch: 1, Train_acc:88.7%, Train_loss:0.360, Test_acc:96.7%,Test_loss:0.100
Epoch: 2, Train_acc:97.2%, Train_loss:0.089, Test_acc:98.2%,Test_loss:0.058
Epoch: 3, Train_acc:98.0%, Train_loss:0.063, Test_acc:98.4%,Test_loss:0.051
Epoch: 4, Train_acc:98.5%, Train_loss:0.050, Test_acc:98.5%,Test_loss:0.047
Epoch: 5, Train_acc:98.8%, Train_loss:0.041, Test_acc:98.9%,Test_loss:0.033
Done
4. 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 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()