用PyTorch实现一个卷积神经网络进行图像分类
1. 回顾
在进入这一篇博客的内容之前，我们先确保已经成功安装好PyTorch，可以参考我之前的一篇博客“Ubuntu12.04下PyTorch详细安装记录”：
http://blog.csdn.net/wblgers1234/article/details/72902016接下来，我们用设计一个简单的卷积神经网络的方式来熟悉PyTorch的用法。
2. 设计卷积神经网络
在设计复杂的神经网络之前，我们依然考虑按照斯坦福大学的“UFLDL Tutorial”的CNN部分来构建一个简单的卷积神经网络，即按照以下的设计：
输入层->二维特征卷积->sigmoid激励->均值池化->全连接网络->softmax输出按照下面的代码对应来看神经网络的结构。注释得很清晰，有不清楚的可以留言，这里就不再赘述。
class CNN_net(nn.Module):
def __init__(self):
# 先运行nn.Module的初始化函数
super(CNN_net, self).__init__()
# 卷积层的定义，输入为1channel的灰度图，输出为4特征，每个卷积kernal为9*9
self.conv = nn.Conv2d(1, 4, 9)
# 均值池化
self.pool = nn.AvgPool2d(2, 2)
# 全连接后接softmax
self.fc = nn.Linear(10*10*4, 10)
self.softmax = nn.Softmax()
def forward(self, x):
# 卷积层，分别是二维卷积->sigmoid激励->池化
out = self.conv(x)
out = F.sigmoid(out)
out = self.pool(out)
print(out.size())
# 将特征的维度进行变化(batchSize*filterDim*featureDim*featureDim->batchSize*flat_features)
out = out.view(-1, self.num_flat_features(out))
# 全连接层和softmax处理
out = self.fc(out)
out = self.softmax(out)
return out
def num_flat_features(self, x):
# 四维特征，第一维是batchSize
size = x.size()[1:]
num_features = 1
for s in size:
num_features *= s
return num_features3. 数据准备
还记得torchvision吗？我们在做和图像有关的实验时会更多地与它打交道。这次我们选择最简单也是最广为人知的MNIST数据库来训练和测试CNN。同时在torchvision中有一个torchvision.datasets，它为很多常用的图像数据库提供接口，其中就包括MNIST。
from torchvision.datasets import MNIST需要先下载MNIST，并且转换为PyTorch可以识别的数据格式：
# MNIST图像数据的转换函数
trans_img = transforms.Compose([
transforms.ToTensor()
])
# 下载MNIST的训练集和测试集
trainset = MNIST('./MNIST', train=True, transform=trans_img, download=True)
testset = MNIST('./MNIST', train=False, transform=trans_img, download=True)我们查看transforms.ToTensor()的解释，将原本的二维图像格式转换为PyTorch的基本单位torch.FloatTensor。
Converts a PIL.Image or numpy.ndarray (H x W x C) in the range [0, 255] to a torch.FloatTensor of shape (C x H x W) in the range [0.0, 1.0].4. 训练和测试
4.1 训练数据集
从代码中可以清晰的看见“前向传播”，“反向传播”，optimizer的求解。
# 训练过程
for i in range(epoches):
running_loss = 0.
running_acc = 0.
for (img, label) in trainloader:
# 转换为Variable类型
img = Variable(img)
label = Variable(label)
optimizer.zero_grad()
# feedforward
output = net(img)
loss = criterian(output, label)
# backward
loss.backward()
optimizer.step()
# 记录当前的lost以及batchSize数据对应的分类准确数量
running_loss += loss.data[0]
_, predict = torch.max(output, 1)
correct_num = (predict == label).sum()
running_acc += correct_num.data[0]
# 计算并打印训练的分类准确率
running_loss /= len(trainset)
running_acc /= len(trainset)
print("[%d/%d] Loss: %.5f, Acc: %.2f" %(i+1, epoches, running_loss, 100*running_acc))在训练完成之后，有一个处理很重要，需要将当前的网络设置为“测试模式”，然后才可以进行测试集的验证。
# 将当前模型设置到测试模式
net.eval()4.2 测试数据集
在测试过程中，只有“前向传播”过程对输入的图像进行分类预测。
# 测试过程
testloss = 0.
testacc = 0.
for (img, label) in testloader:
# 转换为Variable类型
img = Variable(img)
label = Variable(label)
# feedforward
output = net(img)
loss = criterian(output, label)
# 记录当前的lost以及累加分类正确的样本数
testloss += loss.data[0]
_, predict = torch.max(output, 1)
num_correct = (predict == label).sum()
testacc += num_correct.data[0]
# 计算并打印测试集的分类准确率
testloss /= len(testset)
testacc /= len(testset)
print("Test: Loss: %.5f, Acc: %.2f %%" %(testloss, 100*testacc))4.3 代码运行结果
从下面的结果，可以看到迭代10次的训练分类准确率和测试分类准确率：
CNN_net (
(conv): Conv2d(1, 4, kernel_size=(9, 9), stride=(1, 1))
(pool): AvgPool2d (
)
(fc): Linear (400 -> 10)
(softmax): Softmax ()
)
[1/10] Loss: 1.78497, Acc: 68.79
[2/10] Loss: 1.54269, Acc: 93.10
[3/10] Loss: 1.52096, Acc: 94.93
[4/10] Loss: 1.51040, Acc: 95.82
[5/10] Loss: 1.50393, Acc: 96.45
[6/10] Loss: 1.49967, Acc: 96.77
[7/10] Loss: 1.49655, Acc: 97.02
[8/10] Loss: 1.49401, Acc: 97.24
[9/10] Loss: 1.49192, Acc: 97.45
[10/10] Loss: 1.49050, Acc: 97.56
Test: Loss: 1.48912, Acc: 97.62 %该工程完整的代码我已经放到github上，有兴趣的可以去下载试试：
https://github.com/wblgers/stanford_dl_cnn/tree/master/PyTorch