Lenet 进行手写数字识别(pytorch)

注：初入门深度学习，记录自己第一个成功的小实验，无参考意义

在我的Python项目下一共两个文件，一个用来定义模型，一个用来训练

定义模型

注意：由于Minist 手写数字是灰色图片即单通道，所以我们在经过两个卷积层之后只有16个通道，并且我在Lenet 的网络中加入了BatchNormal 正则化，经实验可以提高模型精度这里提出一个值得注意的点： x = x.view(-1, 16 x 4 x 4)，这里是将卷积层展开为全连接层，但是我看到网上都是写的(16 x 5 x 5)，我将自己图片经过卷积层后的输出通过计算得到的是(16 x 4 x 4)，于是我将它写为（16 x 4 x 4）并成功运行，经过实验我的想法是对的(原来我发现我的第一层卷积填充padding=0,所以计算后是(16 x 4 x4))，所以有些东西一定要自己思考且实践验证，这里给出一个计算卷积后输出大小的公式 ⌊(nh − kh + ph + sh)/sh⌋ × ⌊(nw − kw + pw + sw)/sw⌋. 即：输入高或宽nh 卷积核大小kernal_size(kh) 填充 padding(ph) 步幅 strid(sh) ,一定要对应好输出

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

class LeNet(nn.Module):
    def __init__(self):
        super(LeNet, self).__init__()
        self.conv1 = nn.Conv2d(1, 6, kernel_size=5)
        self.pool1 = nn.AvgPool2d(kernel_size=2, stride=2)
        self.conv2 = nn.Conv2d(6, 16, kernel_size=5)
        self.pool2 = nn.AvgPool2d(kernel_size=2, stride=2)
        self.bn1 = nn.BatchNorm2d(6)
        self.bn2 = nn.BatchNorm2d(16)
        self.fc1 = nn.Linear(16*4*4, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):       # ⌊(nh − kh + ph + sh)/sh⌋ × ⌊(nw − kw + pw + sw)/sw⌋.
        x = F.relu(self.bn1(self.conv1(x)))  # input(1, 28, 28) output(6, 24, 24)
        x = self.pool1(x)          # output(6, 12, 12)
        x = F.relu(self.bn2(self.conv2(x)))  # output(16, 8, 8)
        x = self.pool2(x)          # output(16, 4, 4)
        x = x.view(-1, 16*4*4)     # output(256)
        x = F.relu(self.fc1(x))    # output(120)
        x = F.relu(self.fc2(x))    # output(84)
        x = self.fc3(x)            # output(10)
        return x

训练函数

这里可以给出一个常用的步骤：
1.数据预处理，由于 minist 手写数字已经内嵌在了pytorch中，我们只需要简单的调用函数即可，无需复杂的数据预处理 transform 是一个比较重要的步骤，我们需要在这里定义读数据的处理方式，值得注意的是，Minist是灰度图像，所以Normalize里面只能对一个维度进行处理，RGB是对三个维度处理例如：将数据转换为tensor类型（必要的），对数据进行标准化（正则化）处理，图像增广（翻转，改变色调，缩放），以训练集为例： train_set = torchvision.datasets.MNIST(root='./data', train=True, download=False, transform=transform)

` 这一步是将数据加载，如果没有下载数据集，download选项需等于True

train_loader = torch.utils.data.DataLoader(train_set, batch_size=32, shuffle=True, num_workers=0) 这一步是将数据加载到内存中，batch_size 表示每次加载多少，shuffle表示是否打乱顺序
2.定义模型，损失函数，优化函数，这里无需多言
3.训练，同样无需多言

import torch
import torchvision
import torch.nn as nn
from model import LeNet
import torch.optim as optim
import torchvision.transforms as transforms


def main():
    transform = transforms.Compose(
        [transforms.ToTensor(),
         transforms.Normalize(mean=[0.5], std=[0.5])]
    )
    train_set = torchvision.datasets.MNIST(root='./data', train=True,
                                           download=False, transform=transform)
    train_loader = torch.utils.data.DataLoader(train_set, batch_size=32,
                                               shuffle=True, num_workers=0)
    val_set = torchvision.datasets.MNIST(root='./data', train=False,
                                         download=False, transform=transform)
    val_loader = torch.utils.data.DataLoader(val_set, batch_size=1000,
                                             shuffle=False, num_workers=0)
    val_data_iter = iter(val_loader)
    val_images, val_labels = val_data_iter.next()
    net = LeNet()
    loss_function = nn.CrossEntropyLoss()
    optimizer = optim.Adam(net.parameters(), lr=0.0001)

    for epoch in range(5):

        running_loss = 0.0

        for step, (images, labels) in enumerate(train_loader, start=0):
            optimizer.zero_grad()
            outputs = net(images)
            loss = loss_function(outputs, labels)
            loss.backward()
            optimizer.step()

            running_loss += loss.item()

            if step % 500 == 499:
                with torch.no_grad():
                    outputs = net(val_images)
                    predict_y = torch.max(outputs, dim=1)[1]
                    accuracy = torch.eq(predict_y, val_labels).sum().item() / val_labels.size(0)

                    print('[%d, %5d] train_loss: %.3f  test_accuracy: %.3f' %
                      (epoch + 1, step + 1, running_loss / 500, accuracy))
                    running_loss = 0.0
    print('Finished Training')

    save_path = './Lenet.pth'
    torch.save(net.state_dict(), save_path)


if __name__=='__main__':
    main()

实验效果

这里可以给出一个对比一个是没有在网络里面加 BatchNormal , 一个是添加 BatchNormal

图一，无正则化

图二，加上正则化

可以很明显的看到精度有提升