深度学习(八)-CIFAR-10分类

  $CIFAR-10$ 数据集也是神经网络中一个非常经典的数据集，该数据集共有 60000 张彩色图像，这些图像是32*32，分为10个类 ${[}^{\prime }airplan{e}^{\prime }{,}^{\prime }automobil{e}^{\prime }{,}^{\prime }bir{d}^{\prime }{,}^{\prime }ca{t}^{\prime }{,}^{\prime }dee{r}^{\prime }{,}^{\prime }do{g}^{\prime }{,}^{\prime }fro{g}^{\prime }{,}^{\prime }hors{e}^{\prime }{,}^{\prime }shi{p}^{\prime }{,}^{\prime }truc{k}^{\prime }]$，如下图所示：

数据处理

  过程依然和深度学习(五)-全连接神经网络实现 $MNIST$ 手写数字分类相同，但是在处理时，因为是彩色图片，由 [R, G, B] 组成，所以需要使用三维，其他依然相同：

	transform = transforms.Compose([
	    transforms.ToTensor(),   # 将数据转为 tensor
	    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))   # 标准化
	])
	
	trainset = torchvision.datasets.CIFAR10(root="./data", train=True, download=False, transform=transform)
	testset = torchvision.datasets.CIFAR10(root="./data", train=False, download=False, transform=transform)
	
	trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True, num_workers=2)
	testloader = torch.utils.data.DataLoader(testset, batch_size=4, shuffle=False, num_workers=2)

  然后看看图片信息：

	classes = ("airplane", "automobile", "bird", "cat", "deer", "dog", "frog", "horse", "ship", "truck")
	(data, label) = trainset[100]
	
	print(classes[label], "\t", data.shape)
	show((data+1)/2).resize((100, 100))

模型创建

  模型中各个参数还是直接指定，也可以定义为变量，我这里偷懒，就直接自己填值了，大家可以自己设置，模型创建也都是大同小异：

	class Net(nn.Module):
	    def __init__(self):
	        super(Net, self).__init__()
	        self.player1 = nn.Sequential(   # [3, 32, 32]
	            nn.Conv2d(3, 6, 5),      # 卷积层 [6, 28, 28]
	            nn.ReLU(),     # 激活函数
	            nn.MaxPool2d(2)   # 池化  [6, 14, 14]
	        )
	        
	        self.player2 = nn.Sequential(   # [6, 14, 14]
	            nn.Conv2d(6, 16, 5),  # [16, 10, 10]
	            nn.ReLU(),
	            nn.MaxPool2d(2)   # [16, 5, 5]
	        )
	        
	        self.player3 = nn.Sequential(   # 全连接层
	            nn.Linear(16*5*5, 120),
	            nn.Linear(120, 84),
	            nn.Linear(84, 10)
	        )
	        
	    def forward(self, x):   # 传播过程
	        x = self.player1(x)
	        x = self.player2(x)
	        x = x.view(x.size()[0], -1)   # 平面展开
	        output = self.player3(x)
	
	        return output

  前面我们学习了怎么查看各层参数，这里我们也看看各层的权重与偏置信息：

	for name, parameters in model.named_parameters():
	    print(name, ": ", parameters.size())

  这里优化函数的学习率，暂时设置为 $1e-5$:

	criterion = nn.CrossEntropyLoss()   # 损失函数
	optim = torch.optim.SGD(model.parameters(), 1e-3)   # 优化器：调整参数，学习率

模型训练

  有了前面两个例子，模型训练相信大家也没啥问题了，我这里直接略过，这里训练 $20$ 次，有条件的小伙伴可以多训练几次，效果会更好。直接看训练的准确率情况：

  这里因为我对数据集的图片没有采取过多处理，而且训练次数太少，所以准确率只有 $66\%$。我们也可以测试一下效果。

效果测试

  这里就不和前面一样直接跑测试集了，我们直接使用测试集中几组图片测试一下，想跑测试集的童鞋可以自己试试：

	dataiter = iter(testloader)   # 显示4张图片
	images, labels = dataiter.next()
	print("实际类别: ", "  ".join("%11s"%classes[labels[j]] for j in range(4)))
	show(torchvision.utils.make_grid((images+1)/2)).resize((400, 100))   # resize: 图片缩放    make_grid:将多个图片拼到一个网格

  预测：

	outputs = model(Variable(images))
	_, predicted = torch.max(outputs.data, 1)
	print("预测类别: ", "  ".join("%11s"%classes[predicted[j]] for j in range(4)))

  很尴尬，四组图片全部分类正确，但是实际正确率并不会达到这么多。