数据:
当我们需要处理图片,文档,音频或者视频数据时,可以使用python的包将数据加载到numpy数组。然后将numpy 数组转换成torch.*Tensor
对于计算机视觉,官方创建了一个torchvision包,这里包含了对于常见数据集(如Imagenet,CIFAR10,MNIST等)的数据加载器,图片数据转换等。torchvision.datasets,torchvision.data.DataLoader
这里使用CIFAR10数据集,隶属于十个类别: ‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’. CIFAR-10数据集中的图片尺寸为3*32*32,即三通道 32*32像素的彩色图片
为了训练一个图片分类器,我们将遵循如下顺序:
1. 用torchvision 加载和归一化CIFAR10的训练,测试数据集
2. 定义一个卷积神经网络
3. 在训练集上训练网络
4. 在测试集上测试网络
下面开始第一步:
(1)加载和归一化CIFAR-10数据
import torch
import torchvision
import torchvision.transforms as transforms
torchvision数据集的输出是PILImage 图片,范围是[0,1].我们需要将其转换成[-1,1]区间的Tensor
transform=transforms.Compose(
[transforms.ToTensor(),
transforms.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5))])
trainset=torchvision.datasets.CIFAR10(root='./data',train=True,
download=True,transform=transform)
trainloader=torch.utils.data.DataLoader(trainset,batch_size=4,shuffle=True,num_workers=2)
testset=torchvision.datasets.CIFAR10(root='./data',train=False,download=True,transform=transform)
testloader=torch.utils.data.DataLoader(testset,batch_size=4,shuffle=False,num_workers=2)
classes=('plane','car','bird','cat','deer','dog','frog','horse','ship','truck')
可以看部分的训练数据集
import matplotlib.pyplot as plt
import numpy as np
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(4)))
2.定义卷积神经网络
将神经网络那一部分的代码(点击打开链接)复制过来,修改通道数为3
import torch.nn as nn
import torch.nn.functional as F
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.conv1 = nn.Conv2d(3, 6, 5)
self.pool = nn.MaxPool2d(2, 2)
self.conv2 = nn.Conv2d(6, 16, 5)
self.fc1 = nn.Linear(16 * 5 * 5, 120)
self.fc2 = nn.Linear(120, 84)
self.fc3 = nn.Linear(84, 10)
def forward(self, x):
x = self.pool(F.relu(self.conv1(x)))
x = self.pool(F.relu(self.conv2(x)))
x = x.view(-1, 16 * 5 * 5)
x = F.relu(self.fc1(x))
x = F.relu(self.fc2(x))
x = self.fc3(x)
return x
3.定义损失函数
使用分类的交叉熵损失函数核随机梯度下降
import torch.optim as optim
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)
4.训练神经网络
for epoch in range(2):
running_loss = 0.0
for i, data in enumerate(trainloader, 0):
# get the inputs
inputs, labels = data
# 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 % 2000 == 1999: # print every 2000 mini-batches
print('[%d, %5d] loss: %.3f' %
(epoch + 1, i + 1, running_loss / 2000))
running_loss = 0.0
print('Finished Training')
5. 测试数据
首先看一下测试数据是什么样子的
接下来,我们看看神经网络是怎么预测这些样本的标签的
outputs=net(images)
print(outputs[:2])
outputs是10个类别的能量值,某一个类别的能量值越大,神经网络就认为该图片属于该类别。下面我们获取最大能量值的索引值。
这个结果看起来还不错
让我们看看神经网络在整体数据集上的表现
correct=0
total=0
with torch.no_grad():
for data in testloader:
images,labels=data
outputs=net(images)
_,predicted=torch.max(outputs,1)
total+=labels.size(0)
correct+=(predicted==labels).sum().item()
print('Accuracy of the network on the 1000 test images:%d %%'%(100*correct/total))