[深度学习]使用torchvison经典模型训练cifar10(AlexNet,VGG,Inception,ResNet等)

代码是参考pytorch上面的官方教程，教程给出了一个简单了卷积网络训练，前半部分是卷积，后半部分全连接的类型，用来分类cifar10. https://pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html#sphx-glr-beginner-blitz-cifar10-tutorial-py

而我想看看torchvison里经典模型的性能如何，所以就做了一些修改。因为torchvison是在imagenet上训练，所以对于输入输出的大小需要修改，cifar10比imagenet数据简单得多，而且可以直接从网上下载而不用申请。

最好是在jupyter notebook上运行。推荐谷歌的conlab免费的GPU服务，可以自己百度怎么使用。

 

首先是导入必要的 包，看一下当前是否具备gpu cuda环境，代码在cpu也能运行。

import torch
import torchvision
import torchvision.transforms as transforms


# Assume that we are on a CUDA machine, then this should print a CUDA device:
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

  
print(device)

然后transfrom是对数据集进行预处理，它可以是多个操作，resize是为了匹配imagenet的输入大小，本来cifar10的数据集只有32*32，为了匹配（256*256）就要resize。 后面还有totensor变成张量和normalize归一化处理。

torchvision.datasets.CIFAR10是torchvison为我们写好，可以下载数据集到指定的root路径，具体的参数可以去官网上找，其实也不难理解，train就是是否为训练数据，shuffle是否洗牌，num_workers是多少个进程一起工作，0就是只有一个进程。

loader可以看做是一个容器，把训练和测试的数据放入一个容器里，后面会根据batchsize大小取出来。

classes里面代表了分类的类别有哪些。

transform = transforms.Compose(
    [transforms.Resize(252),
     transforms.ToTensor(),
     transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

batch_size = 8

trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
                                        download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=batch_size,
                                          shuffle=True, num_workers=0)

testset = torchvision.datasets.CIFAR10(root='./data', train=False,
                                       download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=batch_size,
                                         shuffle=False, num_workers=0)

classes = ('plane', 'car', 'bird', 'cat',
           'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

下面这一段是我们可以看一下其中一个batch是什么样子的图片。注意在imshow之前不能把数据传入cuda（如果用gpu），因为imshow只能响应cpu里面的tensor。 

import matplotlib.pyplot as plt
import numpy as np

# functions to show an image


def imshow(img):
    img = img / 2 + 0.5     # unnormalize
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg, (1, 2, 0)))


# get some random training images
dataiter = iter(trainloader)
images, labels = dataiter.next()


# show images
imshow(torchvision.utils.make_grid(images))
# print labels
print(' '.join('%5s' % classes[labels[j]] for j in range(batch_size)))
images, labels = images.to(device), labels.to(device)

结果是这样的。

这里就是我们使用经典的models定义神经网络了，关于源码的解读你可以查看我的博客：

【1】pytorch torchvision源码解读之Alexnet

https://blog.csdn.net/sinat_33487968/article/details/83582299

【2】pytorch torchvision源码解读之VGG 

https://blog.csdn.net/sinat_33487968/article/details/83584289

【3】pytorch torchvision源码解读之Inception V3

https://blog.csdn.net/sinat_33487968/article/details/83622128

【4】pytorch torchvision源码解读之ResNet

https://blog.csdn.net/sinat_33487968/article/details/83656388

请注意，因为是十分类，所以num_classes=10,imagenet训练的原始模型都是1000分类输出的。

import torch.nn as nn
import torch.nn.functional as F


# net = torchvision.models.alexnet(num_classes = 10)

# net = torchvision.models.vgg11(num_classes = 10)

# net = torchvision.models.inception_v3(num_classes = 10)

# net = torchvision.models.resnet18(num_classes = 10)

net = torchvision.models.densenet121(num_classes = 10)


net.to(device)

 定义损失函数，你也可以尝试不同的，adam等等。

import torch.optim as optim

criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.01, momentum=0.9)

接下来就是训练的过程了，第一个循环就是遍历多少次数据集，第二个循环就是对于每一个minibatch做数值前向传播梯度反向传播的过程，然后就是权重的更新。每两百个minibatch就输出一次loss。

for epoch in range(10):  # loop over the dataset multiple times

    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        # get the inputs
        inputs, labels = data
        inputs, labels = inputs.to(device), labels.to(device)

        # zero the parameter gradients
        optimizer.zero_grad()

        # forward + backward + optimize
        outputs = net(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()      
        # print statistics
        running_loss += loss.item()
        if i % 200 == 199:    # print every 2000 mini-batches
            print('[%d, %5d] loss: %.3f' %
                  (epoch + 1, i + 1, running_loss / 200))
            running_loss = 0.0


print('Finished Training')

下图是还没训练完的网络。 

 

接下来就是测试的部分了，我们先从testloader取出一个 batch,打印他们看看。

dataiter = iter(testloader)
images, labels = dataiter.next()

# print images
imshow(torchvision.utils.make_grid(images))
print('GroundTruth: ', ' '.join('%5s' % classes[labels[j]] for j in range(batch_size)))
images, labels = images.to(device), labels.to(device)

把他们送到网络里，测试一下他们的结果看看怎么样。

outputs = net(images)
_, predicted = torch.max(outputs, 1)

print('Predicted: ', ' '.join('%5s' % classes[predicted[j]]
                              for j in range(batch_size)))

 

接下来是大规模的测试。

correct = 0
total = 0
with torch.no_grad():
    for data in testloader:
        images, labels = data
        images, labels = images.to(device), labels.to(device)
        outputs = net(images)
        _, predicted = torch.max(outputs.data, 1)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()

print('Accuracy of the network on the 10000 test images: %d %%' % (
    100 * correct / total))

 Accuracy of the network on the 10000 test images: 34 %。

有些准有些不准，这是我在还没训练完全就预测的，一般达到饱和准确率都能达到百分之八十多。

再来看看什么是表现良好的类，以及表现不佳的类。

class_correct = list(0. for i in range(10))
class_total = list(0. for i in range(10))
with torch.no_grad():
    for data in testloader:
        images, labels = data
        images, labels = images.to(device), labels.to(device)
        outputs = net(images)
        _, predicted = torch.max(outputs, 1)
        c = (predicted == labels).squeeze()
        for i in range(batch_size):
            label = labels[i]
            class_correct[label] += c[i].item()
            class_total[label] += 1


for i in range(10):
    print('Accuracy of %5s : %2d %%' % (
        classes[i], 100 * class_correct[i] / class_total[i]))

总结一下，这里我们使用了经典的model，包括alexnet，vgg，resnet，inceptionv3等网络用于训练cifar数据集。其实还能用于transfer learning，使用自己的数据集合预训练的models权重。接下来会慢慢更新。