PyTorch深度学习-跟着小土堆学习

学习视频链接

学习非一日之功，而我又是脑子转得慢，只有慢慢学起来呀！

先从第一个【小土堆】的视频学起来！

• PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】
• 《PyTorch深度学习实践》完结合集-刘二大人

---

【小土堆】给出的资料：（2021-5-31完结的）

个人公众号：土堆碎念

各种资料，请自取。
代码：https://github.com/xiaotudui/PyTorch-Tutorial
蚂蚁蜜蜂/练手数据集：链接: https://pan.baidu.com/s/1jZoTmoFzaTLWh4lKBHVbEA 密码: 5suq
课程资源：https://pan.baidu.com/s/1CvTIjuXT4tMonG0WltF-vQ?pwd=jnnp 提取码:jnnp

---

有用的链接：

• cv2、plt 、PIL显示图像
• 解决 OpenCV cv2.imread()、cv2.imwrite()函数无法读取、写入以中文命名的图像文件及含有中文路径的图像文件
• 图像的3种表示格式的每个维度的含义：
  • tensor：tensor.shape -> torch.Size([C, H, W])     # 在训练过程中通常会在0维上扩充一个维度来表示batchsize，即torch.Size([batchsize, C, H, W])
  • numpy.ndarray：ndarray.shape -> (H, W, C)     # 这个格式通常是用cv2.imread(img_path)读取到的，或者用np.array(PIL.Image)转换得到的。
  • PIL.Image：Image.size -> (W, H)     # 注意这个使用的是size而不是shape，而且是只有两个元素的tuple，且分别表示的宽W、高H。（而不似tensor、numpy那样有3个元素且先表示的高H，再表示的宽W）

一些问题

1. tensorboard中的x轴是step还是epoch？这是自己去设定的嘛？

P4：Python/PyTorch学习中两大法宝函数-dir()、help()

dir() 函数，打开工具箱（例如PyTorch，进一步打开某一些分隔区）

help() 函数，查看工具包中某一个工具函数的用法（说明书）

(1) 查看torch工具包有哪些分割区

dir(torch)
# ['AVG', 'AggregationType', 'AnyType', 'Argument', 'ArgumentSpec', 'BFloat16Storage', 'BFloat16Tensor',...]

(2) 查看torch.cuda有哪些分隔区

dir(torch.cuda)
# ['Any', 'BFloat16Storage', 'BFloat16Tensor', 'BoolStorage', 'BoolTensor', 'ByteStorage', ...]

(3) 查看torch.cuda.is_available()有哪些分隔区

dir(torch.cuda.is_available())	# 函数后面的()去掉，效果一样
# ['__abs__', '__add__', '__and__', '__bool__', '__ceil__', '__class__', ...]

此时发现前后都是带有两个下划线的：__这说明是规定好不可更改的，也就说明是torch.cuda.is_available不再是一个分隔区而是一个函数，因此可调用help()来查看该函数的基本作用。

help(torch.cuda.is_available) 	# 注意这后面不能跟有()

# 打印结果，该函数会返回一个bool值
# Help on function is_available in module torch.cuda:
# is_available() -> bool
#     Returns a bool indicating if CUDA is currently available.

P5：PyCharm及Jupyter使用及对比

在这个教程中获得了一个在指定环境中打开Jupyter的小tips：

打开cmd，然后依次键入以下两行命令，然后将cmd中出现的URL粘贴进浏览器打开即可：

activate yolov5
jupyter notebook

---------------------------------------------------------------------------

oh！从这里开始就在编写另外一个博客了：关于使用Jupyter的几个tips

继续学习！！！

---------------------------------------------------------------------------

P6：PyTorch加载数据初认识

P7：Dataset类代码实战

如果是小白的话，真的很建议去看看这个视频！UP主用了PyCharm + Python Console配合着来看结果的生成的，非常棒！

主要内容：

1. 手写加载数据集的类：MyData。主要是要重写__init__()、__getitem__()、__len()__这3个类。
2. get到一个小技巧，可以直接用+对两个Data类进行拼接（可用于数据集不足时，直接将两个数据集这样加起来一起使用）
3. new_path = os.path.join(path1,path2,...)将所有路径联合起来，返回一个整合路径（str）
4. file_name_list = os.listdir(path)读取path路径中的所有文件名称，返回一个名称列表（list）

read_data.py:

from torch.utils.data import Dataset
from PIL import Image
import os

# 构造一个子文件夹数据集类MyData
class MyData(Dataset):
    def __init__(self, root_dir, label_dir):    # root_dir是指整个数据集的根目录，label_dir是指具体某一个类的子目录
        # 在init初始化函数中，定义一些类中的全局变量，即跟在self.后的变量们
        self.root_dir = root_dir
        self.label_dir = label_dir
        self.path = os.path.join(self.root_dir, self.label_dir)
        self.img_list = os.listdir(self.path)

    def __getitem__(self, index):   # 传入下标获取元素
        img_name = self.img_list[index]
        img_item_path = os.path.join(self.path, img_name)
        img = Image.open(img_item_path)
        label = self.label_dir
        return img, label[:-6]	# 返回的是一个元组
        # 这里进行了截取，因为我不想要label_dir最后面的'_image'这6个元素

    def __len__(self):
        return len(self.img_list)

# --------------实例化ants_data和bees_data------------- #
root_dir = 'dataset/train'
ants_dir = 'ants_image'
bees_dir = 'bees_image'
ants_data = MyData(root_dir, ants_dir)
bees_data = MyData(root_dir, bees_dir)
# ---------------------------------------------------- #

# -------------返回一个元组，分别赋值给img和label------- #
img, label = ants_data[0]
# ----------------------------------------------------- #

# ---因为是元组，所以可用[0]、[1]直接提取出img、label---- #
print(label == ants_data[0][1])		# true
# ----------------------------------------------------- #

# ----------将ants_data和bees_data相加起来使用---------- #
y = ants_data + bees_data
len_ants = len(ants_data)	# 124
len_bees = len(bees_data)	# 121
len_y = len(y)				# 245
print(len_y == len_ants+len_bees)	# True
print(y[123][1])			# ants
print(y[124][1])			# bees

P8：TensorBoard的使用（一）

之前写过一篇文章，可能会有点帮助：tensorboard初体验

主要内容：

1. 调用SummaryWriter类：from torch.utils.tensorboard import SummaryWriter（摘要编写器）

Writes entries directly to event files in the log_dir to be consumed by TensorBoard.
The SummaryWriter class provides a high-level API to create an event file in a given directory and add summaries and events to it. The class updates the file contents asynchronously. This allows a training program to call methods to add data to the file directly from the training loop, without slowing down training.
将条目直接写入log_dir中的事件文件，供TensorBoard使用。
“SummaryWriter”类提供了一个高级API，用于在给定目录中创建事件文件，并向其中添加摘要和事件。该类异步更新文件内容。这允许训练程序调用方法直接从训练循环中向文件添加数据，而不会降低训练速度。

如果调用SummaryWriter类没有传入log_dir参数的话，会默认在当前目录下新建一个runs文件夹用于存放训练过程中的event事件文件。（SummaryWriter的其他参数一般用不到）

官方给出的例子：

(1) 使用自动生成的文件夹名称runs创建SummaryWriter()。

writer = SummaryWriter()
# folder location: runs/May04_22-14-54_s-MacBook-Pro.local/

(2) 使用指定的文件夹名称my_experiment创建SummaryWriter()。

writer = SummaryWriter("my_experiment")
# folder location: my_experiment

(3) 创建一个附加注释的SummaryWriter()。

writer = SummaryWriter(comment="LR_0.1_BATCH_16")
# folder location: runs/May04_22-14-54_s-MacBook-Pro.localLR_0.1_BATCH_16/

2. 主要会用到两种方法：
   writer.add_image(tag, tensor, step) # 添加图像（模型图像，观察训练结果）
   writer.add_scalar(tag, tensor, step) # 添加标量（就是一些数据的变化曲线，比如loss）
   writer.add_graph(model, input) # 查看模型计算图（在P22有使用到）

(1) writer.add_image() # 添加图像（模型图像，观察训练结果）

def add_image(self, tag, img_tensor, global_step=None, walltime=None, dataformats='CHW'):

     Note that this requires the ``pillow`` package.

     Args:
         tag (string): Data identifier	# 数据标识符（就是图标的title）
         img_tensor (torch.Tensor, numpy.array, or string/blobname): Image data	# 图像数据（指明传入的数据类型只能是torch.Tensor，numpy.array，string）
         global_step (int): Global step value to record	# 要训练多少步（就是x轴）
         walltime (float): Optional override default walltime (time.time())
           seconds after epoch of event
           
     Shape:
         img_tensor: Default is :math:`(3, H, W)`. You can use ``torchvision.utils.make_grid()`` to
         convert a batch of tensor into 3xHxW format or call ``add_images`` and let us do the job.
         Tensor with :math:`(1, H, W)`, :math:`(H, W)`, :math:`(H, W, 3)` is also suitable as long as
         corresponding ``dataformats`` argument is passed, e.g. ``CHW``, ``HWC``, ``HW``.

     Examples::
         from torch.utils.tensorboard import SummaryWriter
         import numpy as np
         img = np.zeros((3, 100, 100))
         img[0] = np.arange(0, 10000).reshape(100, 100) / 10000
         img[1] = 1 - np.arange(0, 10000).reshape(100, 100) / 10000

         img_HWC = np.zeros((100, 100, 3))
         img_HWC[:, :, 0] = np.arange(0, 10000).reshape(100, 100) / 10000
         img_HWC[:, :, 1] = 1 - np.arange(0, 10000).reshape(100, 100) / 10000

         writer = SummaryWriter()
         writer.add_image('my_image', img, 0)

         # If you have non-default dimension setting, set the dataformats argument.
         writer.add_image('my_image_HWC', img_HWC, 0, dataformats='HWC')
         writer.close()

     Expected result:

     .. image:: _static/img/tensorboard/add_image.png
        :scale: 50 %

(2) writer.add_scalar() # 添加标量（就是一些数据的变化曲线，比如loss）

def add_scalar(self, tag, scalar_value, global_step=None, walltime=None):

    Args:
        tag (string): Data identifier	# 数据标识符（就是图标的title）
        scalar_value (float or string/blobname): Value to save	# 要保存的数值（就是y轴）
        global_step (int): Global step value to record	# 要训练多少步（就是x轴）
        walltime (float): Optional override default walltime (time.time())
          with seconds after epoch of event
          
	Examples::
        from torch.utils.tensorboard import SummaryWriter
        writer = SummaryWriter()
        x = range(100)
        for i in x:
            writer.add_scalar('y=2x', i * 2, i)
        writer.close()
        
    Expected result:
	.. image:: _static/img/tensorboard/add_scalar.png
	    :scale: 50 %

3. 最后还需要关闭：writer.close()
4. 打开tensorboard观察图表的方式：在pycharm的终端Terminal中键入tensorboard --logdir=logs --port=6007（最后指定端口的操作是可选的，这里指定端口是为了避免：当前有多人在使用同一个服务器的默认端口进行训练而造成的拥塞）
   注意：
   1）当前面3步运行完之后，再通过第4步指定event文件的存放路径，将event文件们显示进行观察。
   2）如果同一logdir下存放了多个相同tag的event文件，则绘图时会发生混乱。解决方案：将此logdir下的文件全部删除，然后重新运行。or构建子文件夹，也就是说创建新的SummaryWriter(‘新文件夹’)

本节例子只使用到了writer.scalar()：

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter('logs')  # 实例化一个SummaryWriter为writer，并指定event的保存路径为logs
for i in range(10):
    writer.add_scalar('y=2x', 2 * i, i)
writer.close()  # 最后还需要将这个writer关闭

P9：TensorBoard的使用（二）

主要内容：

1. 运用writer.add_image()。由上节 P8 可知，add_image能处理的图像数据类型是：torch.Tensor、numpy.array、String。
   （而在 P7 中运用的 PIL.Image 读取的数据类型是PIL.JpegImagePlugin.JpegImageFile，所以需要转换成 numpy.array 才可放进 add_image 中使用。本节课直接采用的opencv读取numpy数据）

2. 利用numpy.array() 将 PIL 转为 numpy.ndarray

from PIL import Image
image_path = 'dataset/train/ants_image/0013035.jpg'
img = Image.open(image_path)
print(type(img))	# 

import numpy as np
img_array = np.array(img)	
print(type(img_array))	# 

3. 又是一个重点，由 P8 可知，img_tensor的shape是有要求的！

img_tensor: Default is :math:(3, H, W). You can use torchvision.utils.make_grid() to convert a batch of tensor into 3xHxW format or call add_images and let us do the job.
Tensor with :math:(1, H, W), :math:(H, W), :math:(H, W, 3) is also suitable as long as corresponding dataformats argument is passed, e.g. CHW, HWC, HW.

要求：

• img_tensor的默认shape是(3, H, W)
• 如果要使用其他的shape，则需要通过dataformats来指明一下，即：dataformats=‘CHW’、dataformats=‘HWC’、dataformats=‘HW’

通过方式2将PIL转换为numpy后，虽然满足了img_tensor的数据类型要求，但是没有满足img_tensor的默认shape要求。

因为转换后的numpy的shape是(H,W,C)，也就是说channel=3在最后一维，所以还需要在add_image()中添加参数dataformats=(H,W,C)（或者手动调整一下维度，代码为img_array = img_array.transepose(2, 0, 1)，然后就不用添加dataformats参数了）。

print(img_array.shape)	# (512, 768, 3)

opencv是按照BGR读取的图像，记得转换为RGB：cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

整体代码为：

from torch.utils.tensorboard import SummaryWriter
from PIL import Image
import numpy as np

writer = SummaryWriter('logs_3')  # 实例化一个SummaryWriter为writer，并指定event的保存路径为logs

image_path1 = 'dataset/train/ants_image/0013035.jpg'
image_path2 = 'dataset/train/bees_image/16838648_415acd9e3f.jpg'

img = Image.open(image_path2)	# image_path1
img_array = np.array(img)
print(type(img))  # 
print(type(img_array))  # 
print(img_array.shape)

# 这里的add_image中的tag为'test_image'没有变化，所以在tensorboard中可通过拖动滑块来展示这两张图像
# writer.add_image('test_image', img_array, 1, dataformats='HWC')
writer.add_image('test_image', img_array, 2, dataformats='HWC')

for i in range(10):	# 这个add_scalar暂时没有管它，虽然tag没有变，但是因为每次写入的数据都是y=3x所以曲线没有显示混乱
    writer.add_scalar('y=3x', 3 * i, i)

writer.close()  # 最后还需要将这个writer关闭

（1）同一个tag显示多张图像（拖动滑条）

（2）多个tag显示

P10-11：Transeforms的使用（一）（二）

主要内容：

1. torchvision中的transeforms，主要是对图像进行变换（预处理）。from torchvision import transforms

2. transeforms中常用的就是以下几种方法：（Alt+7可唤出左侧的Structure结构）

“Compose”, “ToTensor”, “PILToTensor”, “ConvertImageDtype”, “ToPILImage”, “Normalize”, “Resize”, “Scale”,“CenterCrop”

• Compose: Composes several transforms together. Args:list of transforms to compose.将几个变换组合在一起。参数：[Transform对象列表]，例如transforms.Compose([transforms.CenterCrop(10),transforms.ToTensor(),…])
• ToTensor: Convert a PIL Image or numpy.ndarray to tensor.
• ToPILImage: Convert a tensor or an ndarray to PIL Image.
• Normalize(torch.nn.Module): Normalize a tensor image with mean and standard deviation.This transform does not support PIL Image.用平均值和标准偏差归一化张量图像。此转换不支持PIL图像。（为n个维度给定mean:(mean[1],…,mean[n])和std:(std[1],…,std[n])，此转换将对每个channel进行归一化）
• Resize(torch.nn.Module): Resize the input image (PIL Image or Tensor) to the given size.Return PIL Image or Tensor: Rescaled image.将输入的图像(PIL Image or Tensor)的大小缩放到指定的size尺寸。size (sequence or int)，当是sequence时则调整到指定的(h, w)；当是int时，就将原图的min(h,w)调整到size大小，然后另一条边进行等比例缩放。
• RandomCrop(torch.nn.Module): Crop the given image (PIL Image or Tensor) at a random location.在随机位置裁剪给定的size大小的图像（size的输入要求跟Resize一样）。

3. python的用法 -> tensor数据类型

通过transforms.ToTensor去看两个问题：
（1）transforms该如何使用（python）
（2）为什么我们需要Tensor数据类型：因为在tensor中封装了许多训练神经网络中会用到的参数，例如requires_grad等。

（1）用ToTensor()将PIL Image转为tensor

也可以用 ToTensor() 将 numpy.ndarray 转为tensor（用opencv读入的数据类型是numpy.ndarray）

import numpy as np
from torchvision import transforms
from PIL import Image

image_path = 'dataset/train/ants_image/0013035.jpg'
image = Image.open(image_path)

# 1.transforms该如何使用(python)
tensor_trans = transforms.ToTensor()	# ToTensor()中不带参数
tensor_img = tensor_trans(image)		# 不能直接写成transforms.ToTensor(image)

print(np.array(image).shape)	# (512, 768, 3)
print(tensor_img.shape)			# torch.Size([3, 512, 768])，通道数变到第0维了

（2）ToTensor与Tensorboard配合使用

import numpy as np
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms
from PIL import Image

image_path = 'dataset/train/ants_image/0013035.jpg'
image = Image.open(image_path)

# 1.transforms该如何使用(python)
tensor_trans = transforms.ToTensor()
tensor_img = tensor_trans(image)

print(np.array(image).shape)
print(tensor_img.shape)

# 写入tensorboard
writer = SummaryWriter('logs')
writer.add_image('tag', tensor_img, 1)
writer.close()

P12-13：常见的transforms（一）（二）

这张图挺棒的！因为图像的数据类型在不同场景往往不同，很容易出错，需要转换为特定格式才能使用！

主要内容：

1. 了解python中某个类的内置函数__call__的用法（用__表示是内置函数）

参考链接：详解Python的__call__()方法

• __call__()方法的作用：把一个类的实例化对象变成了可调用对象。调用该实例对象就是执行__call__()方法中的代码。
• 可以通过内置函数callable来判断是否是可调用对象。例如判断p是否为可调用对象：print(callable(p))返回 True 或 False。

CallTest.py

class Person:
    def __call__(self, name):
        print('__call__' + ' Hello ' + name)

    def hello(self, name):
        print('hello ' + name)


person = Person()               # 实例化一个对象person
person('zhangsan')              # 像调用函数一样调用person对象
person.__call__('zhangshan_2')  # 也可像调用类函数调用
person.hello('wangwu')          # 调用类函数person

# __call__ Hello zhangsan
# __call__ Hello zhangshan_2
# hello wangwu

2. 例子ToTensor、Normalize、Resize、Compose

• Compose: Composes several transforms together. Args:list of transforms to compose.将几个变换组合在一起。参数：[Transform对象列表]，例如transforms.Compose([transforms.CenterCrop(10),transforms.ToTensor(),…])
  注意：Compose的参数列表是会按照参数的顺序来对图像进行操作的，相当于list[0]的输出会作为list[1]的输入，以此类推，要注意每种transforms函数的输入数据格式要求，有些是要求为tensor，有些是PIL。
• ToTensor: Convert a PIL Image or numpy.ndarray to tensor.
• ToPILImage: Convert a tensor or an ndarray to PIL Image.
• Normalize(torch.nn.Module): Normalize a tensor image with mean and standard deviation.This transform does not support PIL Image.用平均值和标准偏差归一化张量图像。此转换不支持PIL图像。（为n个维度给定mean:(mean[1],…,mean[n])和std:(std[1],…,std[n])，此转换将对每个channel进行归一化）
• Resize(torch.nn.Module): Resize the input image (PIL Image or Tensor) to the given size.Return PIL Image or Tensor: Rescaled image.将输入的图像(PIL Image or Tensor)的大小缩放到指定的size尺寸。size (sequence or int)，当是sequence时则调整到指定的(h, w)；当是int时，就将原图的min(h,w)调整到size大小，然后另一条边进行等比例缩放。
• RandomCrop(torch.nn.Module): Crop the given image (PIL Image or Tensor) at a random location.在随机位置裁剪给定的size大小的图像（size的输入要求跟Resize一样）。

总结使用方法：

1. 查看函数的官方文档（Ctrl+点击进去）：主要关注它的输入和输出是什么数据格式、所需的输入参数、作用是什么。
2. 配合使用Debug：不清楚到变量image某一步的时候值或类型是什么的时候，可以打上断点，用Debug，然后在Debug的console执行type(image)、image.shape等操作进行查看。（可看下我的这篇文章：PyCharm的Debug和中断方法）

use_transforms.py

from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms
from PIL import Image

image_path = 'images/cat2.jpg'
image = Image.open(image_path)

writer = SummaryWriter('logs_2')

# 1.Totensor
trans_totensor = transforms.ToTensor()
img_tensor = trans_totensor(image)
writer.add_image('ToTensor', img_tensor)  # 这里只传入了tag和image_tensor，没有写入第3个参数global_step，则会默认是第0步

# 2.Normalize 可以改变色调
trans_norm = transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])
img_norm = trans_norm(img_tensor)
writer.add_image('Normalize', img_norm)

trans_norm = transforms.Normalize([1, 3, 5], [3, 2, 1])
img_norm_2 = trans_norm(img_tensor)
writer.add_image('Normalize', img_norm_2, 1)

trans_norm = transforms.Normalize([2, 0.5, 3], [5, 2.6, 1.5])
img_norm_3 = trans_norm(img_tensor)
writer.add_image('Normalize', img_norm_3, 2)

# 3.Resize 将PIL或者tensor缩放为指定大小然后输出PIL或者tensor
w, h = image.size   # PIL.Image的size先表示的宽再表示的高

trans_resize = transforms.Resize(min(w, h) // 2)    # 缩放为原来的1/2
img_resize = trans_resize(image)  # 对PIL进行缩放
writer.add_image('Resize', trans_totensor(img_resize))  # 因为在tensorboard中显示，所以需要转换为tensor或numpy类型

trans_resize = transforms.Resize(min(w, h) // 4)    # 缩放为原来的1/4
img_resize_tensor = trans_resize(img_tensor)
writer.add_image('Resize', img_resize_tensor, 1)

# 4.compose 组合这些操作
trans_compose = transforms.Compose(
    [transforms.Resize(min(w, h) // 2), transforms.ToTensor(), transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])])
img_campose = trans_compose(image)  # image是PIL.Image格式
writer.add_image('Compose', img_campose)

# 5.Randomcrop 随机裁剪
trans_randomcrop = transforms.RandomCrop(min(w, h) // 4)    # 从原图中任意位置裁剪1/4
# img_ranomcrop = trans_randomcrop(img_tensor)
for i in range(10):
    img_ranomcrop = trans_randomcrop(img_tensor)
    writer.add_image('RandomCrop', img_ranomcrop, i)

# close()一定要记得写啊！
writer.close()

P14：torchvision中的数据集使用

主要内容：

之前的课程中transforams是对单张图片进行处理，而制作数据集的时候，是需要对图像进行批量处理的。因此本节是将torchvision中的datasets和transforms联合使用对数据集进行预处理操作。

1. （torchvision官方文档地址：https://pytorch.org/vision/stable/index.html）
2. torchvision.datasets中提供了内置数据集和自定义数据集所需的函数（DatasetFolder、ImageFolder、VisionDataset）。（torchvision.datasets官方文档地址：https://pytorch.org/vision/stable/datasets.html）
3. torchvision.models中包含了已经训练好的图像分类、图像分割、目标检测的神经网络模型。（torchvision.models的官方文档地址：https://pytorch.org/vision/stable/models.html）
   （图像分类还比较全面，目标检测不太全，没有包含yolo，可以去下载mmdetection包：https://github.com/open-mmlab/mmdetection）
4. torchvision.transforms对图像进行转换和增强。（torchvision.transforms的官方文档地址：https://pytorch.org/vision/stable/transforms.html）
5. torchvision.utils包含各种实用工具,主要用于可视化（tensorboard是在torch.utils.tensorboard中）。（torchvision.utils的官方文档地址：https://pytorch.org/vision/stable/utils.html）

太宝藏的UP主了，迅雷下载也教！源代码中会提供数据集的下载链接。例如用Ctrl+点击CIFAR10跳进其源码，往上翻一下就能看到下载链接是url = "https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz"。然后将这个链接粘贴进迅雷中就可以快速下载了！

import torchvision
from torch.utils.tensorboard import SummaryWriter
from torchvision.transforms import transforms

# 1. 用transforms设置图片转换方式
data_transform = transforms.Compose([  # 用Compose将所有转换操作集合起来
    transforms.ToTensor()  # 因为CIFAR10数据集的每张图像size=(32,32)比较小，所以只进行ToTensor的操作
])

# 2. 加载内置数据集CIFAR10，并设置transforms（download最好一直设置成True）
#   1. root:（若要下载的话）表示数据集存放的根目录
#   2. train=True 或者 False，分别表示是构造训练集train_set还是测试集test_set
#   3. transform = data_transform，用自定义的data_transform对数据集中的每张图像进行预处理
#   4. download=True 或者 False，分别表示是否从网上下载数据集到root中（如果root下已有数据集，尽管设置成True也不会再下载了，所以download最好一直设置成True）
train_set = torchvision.datasets.CIFAR10('./dataset', train=True, transform=data_transform, download=True)
test_set = torchvision.datasets.CIFAR10('./dataset', train=False, transform=data_transform, download=True)

# 3. 写进tensorboard查看
writer = SummaryWriter('CIFAR10')
for i in range(10):
    img, label = test_set[i]    # test_set[i]返回的依次是图像(PIL.Image)和类别(int)
    writer.add_image('test_set', img, i)

writer.close()

P15：DataLoader的使用

官方文档地址：torch.utils.data.DataLoader

CLASS torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=False, 
	sampler=None, batch_sampler=None, num_workers=0, collate_fn=None, 
	pin_memory=False, drop_last=False, timeout=0, worker_init_fn=None, 
	multiprocessing_context=None, generator=None, *, prefetch_factor=2, 
	persistent_workers=False)

除了dataset（指明数据集的位置）之外的参数都设置了默认值。

torch.utils.data.DataLoader重点关注的参数有：

• dataset (Dataset)：指明从哪个数据集加载数据（如上节中自定义的train_set）
• batch_size (int)：每个批次（batch）加载多少样本。
• shuffle (bool)：每轮（epoch）是否打乱样本的顺序。（最好设置成True）
• num_workers (int)：有多少个子流程用于数据加载。0表示主进程加载。（在Windows下只能设置成0，不然会出错！虽然default=0，但是最好还是手动再设置一下num_workers=0）
• drop_last (bool)：如果数据集大小不能被batch_size整除，则最后一个批次将会不完整（即样本数（默认为False，即会保存最后那个不完整的批次）。

P16：神经网络的基本骨架-nn.Module的使用

主要内容：

1. 搭建Neural Network骨架主要用到的包是torch.nn，官方文档网址：https://pytorch.org/docs/stable/nn.html，其中torch.nn.Module很重要，是所有所有神经网络模块的基类（即自己搭建的网络必须继承torch.nn.Module基类），官方文档地址：https://pytorch.org/docs/stable/generated/torch.nn.Module.html#torch.nn.Module。
2. 自己搭建模型时，集成torch.nn.Module后必须要重写两个函数：__init__()和forward()。

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

class Model(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(1, 20, 5)
        self.conv2 = nn.Conv2d(20, 20, 5)

    def forward(self, x):
        x = F.relu(self.conv1(x))
        return F.relu(self.conv2(x))

P17：土堆说卷积操作（可选看）torch.nn.functional.conv2d

主要内容：

1. torch.nn包含了torch.nn.functional，两者中都包含了Conv、Pool等层操作，且用法和效果都是一样的（但是具体的输入参数有所不同）。本节是用的torch.nn.functional.conv2d举例，但其实在以后使用中，torch.nn.Conv2d更常用。

torch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1) → Tensor

CLASS torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode=‘zeros’, device=None, dtype=None)

torch.nn.functional.conv2d中的Input、weight（也就是kernel）都必须是4维张量，每维的含义是[batch_size, C, H, W]，必要的时候，可用reshape()或unsqueeze()对张量进行扩维。
(1) reshape是对改变tensor的形状，各维度的乘积与原本保持一致。
(2) unsqueeze是在指定维度上扩充一个1维。

import torch

x = torch.arange(15)
x2 = torch.reshape(x, [3, 5])	# 用list或tuple表示形状都可以
y1_reshape = torch.reshape(x, [1, 1, 3, 5])  # reshape:只要所有维度乘在一起的积不变，就可以任意扩充多个维度
y2_unsqueeze = torch.unsqueeze(x2, 2)	# unsequeeze:第二个参数的数据类型是int，所以只能在指定维度上扩充一个1维(升维)
c_squeeze = torch.squeeze(y1_reshape)	# sequeeze:只传入一个tensor参数，然后将tensor的所有1维删掉(降维)

print('x.shape:{}'.format(x.shape))
print('x2.shape:{}'.format(x2.shape))
print('y1_reshape.shape:{}'.format(y1_reshape.shape))
print('y2_unsqueeze.shape:{}'.format(y2_unsqueeze.shape))
print('c_squeeze.shape:{}'.format(c_squeeze.shape))

2. 代码

import torch
import torch.nn.functional as F

input = torch.tensor([[1, 2, 0, 3, 1],
                      [0, 1, 2, 3, 1],
                      [1, 2, 1, 0, 0],
                      [5, 2, 3, 1, 1],
                      [2, 1, 0, 1, 1]])
kernel = torch.tensor([[1, 2, 1],
                       [0, 1, 0],
                       [2, 1, 0]])

print(input.shape)
print(kernel.shape)

# input、kernel都扩充到4维
input = torch.reshape(input, (1, 1, 5, 5))
kernel = torch.reshape(kernel, (1, 1, 3, 3))

out = F.conv2d(input, kernel, stride=1)
print('out={}'.format(out))

out2 = F.conv2d(input, kernel, stride=2)
print('out2={}'.format(out2))

out3 = F.conv2d(input, kernel, stride=1, padding=1)
print('out3={}'.format(out3))

P18：神经网络-卷积层 torch.nn.Conv2d

torch.nn.Conv2d的官方文档地址

CLASS torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode=‘zeros’, device=None, dtype=None)

卷积动画的链接：https://github.com/vdumoulin/conv_arithmetic/blob/master/README.md

注意：

• 默认bias=True，这说明PyTorch中Con2d是默认给卷积操作加了偏置的。
• 还有一些默认值：stride=1，padding=0等。
• out_channels输出通道数，相当于就是卷积核的个数。
• dilation：需要使用空洞卷积时再进行设置。

import torch
from torch import nn
from torch.nn import Conv2d
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter
from torchvision import datasets
from torchvision.transforms import transforms

# 1. 加载数据
dataset = datasets.CIFAR10('./dataset', train=False, transform=transforms.ToTensor(), download=True)
dataloader = DataLoader(dataset, batch_size=64, shuffle=True, num_workers=0, drop_last=False)


# 2. 构造模型
class Model(nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.conv1 = Conv2d(in_channels=3, out_channels=6, kernel_size=3, stride=1)

    def forward(self, x):
        return self.conv1(x)


writer = SummaryWriter('./logs/Conv2d')

# 3. 实例化一个模型对象，进行卷积
model = Model()
step = 0

for data in dataloader:
    imgs, targets = data
    writer.add_images('imgs_ch3', imgs, step)

# 4. 用tensorboard打开查看图像。但是注意，add_images的输入图像的通道数只能是3
#    所以如果通道数>3，则可以先采用小土堆的这个不严谨的做法，在tensorboard中查看一下图片
    outputs = model(imgs)
    outputs = torch.reshape(outputs, (-1, 3, 30, 30))
    writer.add_images('imgs_ch6', outputs, step)

    step += 1

writer.close()

P19：神经网络-最大池化的使用 torch.nn.MaxPool2d

池化也可成为下采样（就是缩小输入图像尺寸，但是不会改变输入图像的通道数）。常见的有MaxPool2d、AvgPool2d等。相反有上采样MaxUnPool2d。

MaxPool2d的官方文档地址：https://pytorch.org/docs/stable/generated/torch.nn.MaxPool2d.html#torch.nn.MaxPool2d

CLASS torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)

注意：

• stride默认=kernel_size
• ceil_mode默认是False，也就是说事向下取整

pool和conv后的图像尺寸N计算公式是一样的：$N=(W-F+2\ast P)/S+1$，且都是默认N向下取整。

主要内容：

1. 在构造tensor的时候，最好指定元素的数据类型是float，即在最后加上dtype=torch.float32，这样后面有些操作才不会出错。
2. 池化的作用：保持输入图像的特征，且减小输入量，能加快训练。
   （就类似于B站视频有10080P的也会有720P的，720P虽然不如1080P那么高清，但是仍然能够看出视频中物体的特征信息，有点像打了马赛克一样）
3. 代码：

import torch
import torchvision.datasets
from torch import nn
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter


class Model(nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.maxpool1 = nn.MaxPool2d(kernel_size=3)  # 默认:stride=kernel_size,ceil_mode=False
        self.maxpool2 = nn.MaxPool2d(kernel_size=3, ceil_mode=True)

    def forward(self, x):
        return self.maxpool1(x), self.maxpool2(x)


model = Model()

# -------------1.上图例子，查看ceil_mode为True或False的池化结果--------------- #
input = torch.tensor([[1, 2, 0, 3, 1],
                      [0, 1, 2, 3, 1],
                      [1, 2, 1, 0, 0],
                      [5, 2, 3, 1, 1],
                      [2, 1, 0, 1, 1]], dtype=torch.float32)

input = torch.reshape(input, (-1, 1, 5, 5))
out1, out2 = model(input)
print('out1={}\nout2={}'.format(out1, out2))

# --------------2.加载数据集，并放入tensorboard查看图片----------------------- #
dataset = torchvision.datasets.CIFAR10('dataset', train=False, transform=torchvision.transforms.ToTensor(),
                                       download=True)
dataloader = DataLoader(dataset, batch_size=64, shuffle=True)

writer = SummaryWriter('./logs/maxpool')
step = 0
for data in dataloader:
    imgs, targets = data
    writer.add_images('imgs', imgs, step)

    imgs, _ = model(imgs)
    writer.add_images('imgs_maxpool', imgs, step)
    step += 1

writer.close()

P20：神经网络-非线性激活

官方文档地址：https://pytorch.org/docs/stable/nn.html#non-linear-activations-weighted-sum-nonlinearity

1. 常用的：Sigmoid、ReLU、LeakyReLU等。
   (1) $\mathrm{Sigmoid}(x)=\sigma (x)=\frac{1}{1+\exp (-x)}$
   (2) $ReLU(x)=(x{)}^{+}=max(0,x)$
   (3) $\mathrm{LeakyRELU}(x)=\{\begin{array}{ll}x,& \text{ if }x\ge 0\\ \text{ negative\_slope }\times x,& \text{ otherwise }\end{array}$
2. 作用：为模型引入非线性特征，这样才能在训练过程中训练出符合更多特征的模型。
3. 其中有个参数是inplace，默认为False，表示是否就地改变输入值，True则表示直接改变了input不再有另外的返回值；False则没有直接改变input并有返回值（建议是inplace=False）。

import torch
from torch import nn

input = torch.tensor([[3, -1],
                      [-0.5, 1]])
input = torch.reshape(input, (1, 1, 2, 2))

relu = nn.ReLU()
input_relu = relu(input)

print('input={}\ninput_relu:{}'.format(input, input_relu))

# input=tensor([[[[ 3.0000, -1.0000],
#           [-0.5000,  1.0000]]]])
# input_relu:tensor([[[[3., 0.],
#           [0., 1.]]]])

P21：神经网络-线形层及其他层介绍

主要内容：

1. 本节课主要讲Linear Layers中的torch.nn.Linear(in_features, out_features, bias=True)。默认bias=True。

对传入数据应用线性变换：$y=x{A}^T+b$

Parameters：

• in_features – size of each input sample（每个输入样本的大小）
• out_features – size of each output sample（每个输出样本的大小）
• bias – If set to False, the layer will not learn an additive bias. Default: True（如果为False，则该层不会学习加法偏置，默认为true）

Shape：（相当于$H_{in}$和$H_{out}$都是只分别关注输入、输出的最后一个维度的大小，在训练过程中，nn.Linear往往是当作的展平为一维后最后几步的全连接层，所以此时就只关注了通道数，即往往Input和Outputs是一维的）

• Input：$(\ast ,H_{in})$ where $\ast$ means any number of dimensions including none and $H_{in}=in\_features$.
• Outputs：$(\ast ,H_{out})$ where all but the last dimension are the same shape as the input and $H_{out}=out\_features$.

“展平为一维”经常用到torch.nn.Flatten(start_dim=1, end_dim=- 1)

想说一下start_dim，它表示“从start_dim开始把后面的维度都展平到同一维度上”，默认是是1，在实际训练中从start_dim=1开始展平，因为在训练中的tensor是4维的，分别是[batch_size, C, H, W]，而第0维的batch_size不能动它，所以是从1开始的。

2. 还比较重要的有：torch.nn.BatchNorm2d、torch.nn.Dropout、Loss Functions（之后再讲）。其它的Transformer Layers、Recurrent Layers都不是很常用。

import torch

# 对4维tensor展平，start_dim=1

input = torch.arange(54)
input = torch.reshape(input, (2, 3, 3, 3))

y_0 = torch.flatten(input)
y_1 = torch.flatten(input, start_dim=1)

print(input.shape)
print(y_0.shape)
print(y_1.shape)

# torch.Size([2, 3, 3, 3])
# torch.Size([54])
# torch.Size([2, 27])

P22：神经网络-搭建小实战和Sequential的使用

主要内容：

1. torch.nn.Sequential的官方文档地址，模块将按照它们在构造函数中传递的顺序添加。
2. 本节代码实现的是下图：

版本1——未用Sequential

import torch
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear


class Model(nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        # 3,32,32 ---> 32,32,32
        self.conv1 = Conv2d(in_channels=3, out_channels=32, kernel_size=5, stride=1, padding=2)
        # 32,32,32 ---> 32,16,16
        self.maxpool1 = MaxPool2d(kernel_size=2, stride=2)
        # 32,16,16 ---> 32,16,16
        self.conv2 = Conv2d(in_channels=32, out_channels=32, kernel_size=5, stride=1, padding=2)
        # 32,16,16 ---> 32,8,8
        self.maxpool2 = MaxPool2d(kernel_size=2, stride=2)
        # 32,8,8 ---> 64,8,8
        self.conv3 = Conv2d(in_channels=32, out_channels=64, kernel_size=5, stride=1, padding=2)
        # 64,8,8 ---> 64,4,4
        self.maxpool3 = MaxPool2d(kernel_size=2, stride=2)
        # 64,4,4 ---> 1024
        self.flatten = Flatten()  # 因为start_dim默认为1，所以可不再另外设置
        # 1024 ---> 64
        self.linear1 = Linear(1024, 64)
        # 64 ---> 10
        self.linear2 = Linear(64, 10)

    def forward(self, x):
        x = self.conv1(x)
        x = self.maxpool1(x)
        x = self.conv2(x)
        x = self.maxpool2(x)
        x = self.conv3(x)
        x = self.maxpool3(x)
        x = self.flatten(x)
        x = self.linear1(x)
        x = self.linear2(x)
        return x


model = Model()
print(model)

input = torch.ones((64, 3, 32, 32))
out = model(input)
print(out.shape)	# torch.Size([64, 10])

版本2——用Sequential

代码更简洁，而且会给每层自动从0开始编序。

import torch
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential


class Model(nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.model = Sequential(
            Conv2d(in_channels=3, out_channels=32, kernel_size=5, stride=1, padding=2),
            MaxPool2d(kernel_size=2, stride=2),
            Conv2d(in_channels=32, out_channels=32, kernel_size=5, stride=1, padding=2),
            MaxPool2d(kernel_size=2, stride=2),
            Conv2d(in_channels=32, out_channels=64, kernel_size=5, stride=1, padding=2),
            MaxPool2d(kernel_size=2, stride=2),
            Flatten(),
            Linear(1024, 64),
            Linear(64, 10)
        )

    def forward(self, x):
        return self.model(x)


model = Model()
print(model)

input = torch.ones((64, 3, 32, 32))
out = model(input)
print(out.shape)	# torch.Size([64, 10])

在代码最末尾加上writer.add_gragh(model, input)就可看到模型计算图，可放大查看。

writer = SummaryWriter('./logs/Seq')
writer.add_graph(model, input)
writer.close()

P23：损失函数与反向传播

害，不是很能理解每一个损失函数的计算过程，先放一个在这儿，只有在结合官方文档学习一下吧！pytorch损失函数之nn.CrossEntropyLoss()、nn.NLLLoss()

主要内容：

1. 概念

2. 所需的Loss计算函数都在torch.nn的LossFunctions中，官方网址是：https://pytorch.org/docs/stable/nn.html#loss-functions。本节课举例了L1Loss、MSELoss、CrossEntropyLoss。
3. 在这些Loss函数的使用中，有以下注意的点：
   (1) 参数reduction='mean'，默认是'mean'表示对差值的和求均值，还可以是'sum'则不会求均值。
   (2) 一定要注意Input和target的shape。

L1Loss

创建一个标准，用于测量中每个元素之间的Input: $x$ 和 target: $y$。

创建一个标准，用来测量Input: $x$ 和 target: $y$ 中的每个元素之间的平均绝对误差(MAE)（$L_1$范数）。

Shape:

• Input: ($\ast$), where $\ast$ means any number of dimensions. 会对所有维度的loss求均值
• Target: ($\ast$), same shape as the input. 与Input的shape相同
• Output: scalar.返回值是标量。

假设 $a$ 是标量，则有：

• type(a) = torch.Tensor
• a.shape = torch.Size([])
• a.dim = 0

MSELOSS

创建一个标准，用来测量Input: $x$ 和 target: $y$ 中的每个元素之间的均方误差(平方L2范数)。

Shape:

• Input: ($\ast$), where $\ast$ means any number of dimensions. 会对所有维度求loss
• Target: ($\ast$), same shape as the input. 与Input的shape相同
• Output: scalar.返回值是标量。

CrossEntropyLoss

----------以下是自己对官方文档不准确的翻译----------

CLASS torch.nn.CrossEntropyLoss(weight=None, size_average=None, ignore_index=- 100, reduce=None, reduction='mean', label_smoothing=0.0)

该标准计算 input 和 target 之间的交叉熵损失。

非常适用于当训练 $C$ 类的分类问题（即多分类问题，若是二分类问题，可采用BCELoss）。如果要提供可选参数 $weight$ ，那 $weight$ 应设置为1维tensor去为每个类分配权重。这在训练集不平衡时特别有用。

期望的 input应包含每个类的原始的、未标准化的分数。input必须是大小为$C$(input未分批)、($minibatch,C$) or ($minibatch,C,d_1,d_2,...d_k$)的Tensor。最后一种方法适用于高维输入，例如计算2D图像的每像素交叉熵损失。

期望的 target应包含以下内容之一：

(1) （target包含了）在$[0,C)$区间的类别索引，$C$是类别总数量。如果指定了 ignore_index，则此损失也接受此类索引（此索引不一定在类别范围内）。reduction='none'情况下的loss为：

注意：$log$默认是以10为底的。

$$\ell (x,y)=L={\left\{l_1,\dots ,l_N\right\}}^{\top },l_n=-w_{y_n}\log \frac{\exp \left(x_{n,y_n}\right)}{{\sum }_{c=1}^C\exp \left(x_{n,c}\right)}\cdot 1\left\{y_n\ne \text{ ignore\_index }\right\}$$

$x$是input，$y$是target，$w$是权重weight，$C$是类别数量，$N$涵盖minibatch维度且$d_1,d_2...,d_k$分别表示第k个维度。（N太难翻译了，总感觉没翻译对）如果reduction='mean'或'sum'，则公式为：

$$\ell (x,y)=\{\begin{array}{ll}{\sum }_{n=1}^N\frac{1}{{\sum }_{n=1}^N{w}_{y_n}\cdot 1\left\{y_n\ne \text{ ignore\_index }\right\}}{l}_n,& \text{ if reduction }=\text{ ’mean’; }\\ {\sum }_{n=1}^N{l}_n,& \text{ if reduction }=\text{ ’sum’ }\end{array}$$

Note that this case is equivalent to the combination of LogSoftmax and NLLLoss.
nn.CrossEntropyLoss()是nn.logSoftmax()和nn.NLLLoss()的整合,可以直接使用它来替换网络中的这两个操作。（softmax输出，所有输出概率和为1。NLLLoss:The negative log likelihood loss 负数对数似然损失）

(2) Probabilities for each class。这种不常用，官方也更建议使用第一种方式，那就不写了。

Shape：

好像一般采用的是：input.shape=(N,C)，target.shape=(N)

---

import torch
import torchvision
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential
from torch.utils.data import DataLoader
from torchvision.transforms import transforms

dataset = torchvision.datasets.CIFAR10('./dataset', train=False, transform=transforms.ToTensor(), download=True)
dataloader = DataLoader(dataset, batch_size=2, shuffle=True)


class Model(nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.model = Sequential(
            Conv2d(in_channels=3, out_channels=32, kernel_size=5, stride=1, padding=2),
            MaxPool2d(kernel_size=2, stride=2),
            Conv2d(in_channels=32, out_channels=32, kernel_size=5, stride=1, padding=2),
            MaxPool2d(kernel_size=2, stride=2),
            Conv2d(in_channels=32, out_channels=64, kernel_size=5, stride=1, padding=2),
            MaxPool2d(kernel_size=2, stride=2),
            Flatten(),
            Linear(1024, 64),
            Linear(64, 10)
        )

    def forward(self, x):  # 模型前向传播
        return self.model(x)


model = Model()  # 定义模型
loss_cross = nn.CrossEntropyLoss()  # 定义损失函数

for data in dataloader:
    imgs, targets = data
    outputs = model(imgs)
    # print(outputs)    # 先打印查看一下结果。outputs.shape=(2, 10) 即(N,C)
    # print(targets)    # target.shape=(2) 即(N)
    # 观察outputs和target的shape，然后选择使用哪个损失函数
    res_loss = loss_cross(outputs, targets)
    res_loss.backward()  # 损失反向传播
    print(res_loss)

#
# inputs = torch.tensor([1, 2, 3], dtype=torch.float32)
# targets = torch.tensor([1, 2, 5], dtype=torch.float32)
#
# inputs = torch.reshape(inputs, (1, 1, 1, 3))
# targets = torch.reshape(targets, (1, 1, 1, 3))
#
# # -------------L1Loss--------------- #
# loss = nn.L1Loss()
# res = loss(inputs, targets)  # 返回的是一个标量,ndim=0
# print(res)  # tensor(1.6667)
#
# # -------------MSELoss--------------- #
# loss_mse = nn.MSELoss()
# res_mse = loss_mse(inputs, targets)
# print(res_mse)
#
# # -------------CrossEntropyLoss--------------- #
# x = torch.tensor([0.1, 0.2, 0.3])  # (N,C)
# x = torch.reshape(x, (1, 3))
# y = torch.tensor([1])  # (N)
# loss_cross = nn.CrossEntropyLoss()
# res_cross = loss_cross(x, y)
# print(res_cross)

P24：优化器（一）

官方文档地址：torch.optim

Debug过程中查看的grad所在的位置：

model --> Protected Atributes --> _modules --> ‘model’ --> Protected Atributes --> _modules --> ‘0’（任选一个conv层） --> weight（查看weight下的data和grad的变化）

简易训练代码，添加了Loss、Optim。

import torch
import torchvision
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential
from torch.utils.data import DataLoader
from torchvision.transforms import transforms

dataset = torchvision.datasets.CIFAR10('./dataset', train=False, transform=transforms.ToTensor(), download=True)
dataloader = DataLoader(dataset, batch_size=2, shuffle=True)


class Model(nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.model = Sequential(
            Conv2d(in_channels=3, out_channels=32, kernel_size=5, stride=1, padding=2),
            MaxPool2d(kernel_size=2, stride=2),
            Conv2d(in_channels=32, out_channels=32, kernel_size=5, stride=1, padding=2),
            MaxPool2d(kernel_size=2, stride=2),
            Conv2d(in_channels=32, out_channels=64, kernel_size=5, stride=1, padding=2),
            MaxPool2d(kernel_size=2, stride=2),
            Flatten(),
            Linear(1024, 64),
            Linear(64, 10)
        )

    def forward(self, x):  # 模型前向传播
        return self.model(x)


model = Model()  # 定义模型
loss_cross = nn.CrossEntropyLoss()  # 定义损失函数
optim = torch.optim.SGD(model.parameters(), lr=0.01)  # lr不能过大或者过小。刚开始的lr可设置得较大一点，后面再对lr进行调节
len = len(dataloader)

for epoch in range(20):
    total_loss = 0.0
    for imgs, targets in dataloader:
        outputs = model(imgs)
        res_loss = loss_cross(outputs, targets)

        optim.zero_grad()  # 优化器对model中的每一个参数进行梯度清零
        res_loss.backward()  # 损失反向传播
        optim.step()  # 对model参数开始调优
        total_loss += res_loss
    print('epoch:{}\ttotal_loss:{}\tmean_loss:{}.'.format(epoch, total_loss, total_loss / len))
# epoch:0	total_loss:9374.806640625	mean_loss:1.8749613761901855.
# epoch:1	total_loss:7721.240234375	mean_loss:1.544248104095459.
# epoch:2	total_loss:6830.775390625	mean_loss:1.3661550283432007.

P25：现有网络模型的使用及修改

这节课以VGG为例，官方文档地址为：torchvision.models中的vgg。常用的是VGG16、VGG19。

注意：参数pretrained=True表示加载模型架构+训练好的参数，pretrained=False(default)表示只加载模型架构。一般最好设定为true。

预训练权重自己就默认下载到C:\Users\dadandan\.cache\torch\hub\checkpoints\vgg16-397923af.pth中了，大小为528MB。（想要更改pth默认下载位置，可参考这篇文章：Pytorch中更改预训练权重文件的下载位置）

VGG16是在ImageNet数据集中训练的，对1000种物体分类。那如何对自己的数据集分类呢？以CIFAR10为例，需要分出10个类别。

（嗨呀！真可恶！本来开弹幕是想看能不能学到另外的好方法，结果全是在说“早就没跟着写代码了，写代码太费时间了”，我就是老老实实跟着写代码，学了一个星期还没学完！本就心情不好了，还看到这样的话，就仿佛我跟着写代码是一种很蠢的行为一样！我不管，我要坚持把最后几节也学了！TMD）

方法1：直接在VGG16的模型架构后面再添加一层全连接层nn.Linear(1000,10)，其中1000表示ImageNet分1000个类别，10表示CIFAR10要分出10个类别。

import torchvision
from torch import nn

# 1.加载现有模型，并通过设置pretrained是否选择也加载预训练权重参数
# 下载到C:\Users\dadandan\.cache\torch\hub\checkpoints\vgg16-397923af.pth
vgg16_false = torchvision.models.vgg16(pretrained=False)
vgg16_true = torchvision.models.vgg16(pretrained=True)

train_data = torchvision.datasets.CIFAR10('./dataset', train=True, transform=torchvision.transforms.ToTensor(),
                                          download=True)

# 在vgg16最后面添加一层，取名叫'add_linear'
vgg16_true.add_module('add_linear', nn.Linear(1000, 10))

print(vgg16_true)

方法2：直接在VGG16的模型架构classifier中的后面再添加一层全连接层nn.Linear(1000,10)。可直接索引下标查看：print(vgg16_true.classifier[7])（'add_linear’层在classifier中下标排序是7）。

# classifier的最后面添加一层，取名叫'add_linear'
vgg16_true.classifier.add_module('add_linear', nn.Linear(1000, 10))

方法3：直接更改VGG16的模型架构classifier中的最后一层。

# 直接更改classifier的最后面一层
cls_len = len(vgg16_true.classifier)    # 获取classifier共有多少层
vgg16_true.classifier[cls_len - 1] = nn.Linear(4096, 10)

P26：自定义的网络模型的保存与读取

模型保存：model_save.py

import torch
from torch import nn
from torch.nn import Sequential, Conv2d, MaxPool2d, Flatten, Linear

# 自定义的模型Model
class Model(nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.model = Sequential(
            Conv2d(in_channels=3, out_channels=32, kernel_size=5, stride=1, padding=2),
            MaxPool2d(kernel_size=2, stride=2),
            Conv2d(in_channels=32, out_channels=32, kernel_size=5, stride=1, padding=2),
            MaxPool2d(kernel_size=2, stride=2),
            Conv2d(in_channels=32, out_channels=64, kernel_size=5, stride=1, padding=2),
            MaxPool2d(kernel_size=2, stride=2),
            Flatten(),
            Linear(1024, 64),
            Linear(64, 10)
        )

    def forward(self, x):  # 模型前向传播
        return self.model(x)


# 加载和保存自定义的模型
model = Model()  # 还没有训练过，所以还没有参数，因此以下两种方式保存的文件大小应该是差不多的

# 保存方式1，保存模型 + 参数，文件体积会比方法2大
torch.save(model, './model/model1.pth')

# 保存方式2，保存参数为字典模式，文件体积会稍微小一些（官方推荐）
torch.save(model.state_dict(), './model/model2.pth')

模型加载：model_load.py

import torch
from model_save import Model  # 导入自定义的模型

# way1：直接加载 模型+参数
model1 = torch.load('./model/model1.pth')
print(model1)

# way2：先构建模型，再加载参数（字典类型）
model2 = Model()
model2.load_state_dict(torch.load('./model/model2.pth'))
print(model2)

way1通过from model_save import Model导入自定义模型，但是这句话仍然会是灰色的。但是没有这句话就会报下面的错误。

P27：完整的模型训练套路（一）~（四）

在P30和P31，老师讲了怎么用Google Colab进行GPU加速，很值得看看！

注意：

• 加在代码中训练和验证阶段的model.train()和model.eval()的意思分别是：将模块设置为训练模式、验证模式。这只对某些模块有影响（Doprout和batchNormalize）可详见官方文档解释。
  （但是以防万一，还是加上model.train()、model.eval()比较好，因为就算没有Dropout和BatchNorm模块，加上也不会有错和不好的影响）

• argmax(1) 行方向 或 argmax(0)列方向 取最大值

import torch
# axis=0 行方向
# axis=1 列方向

output = torch.tensor([[0.1, 0.2],
                       [0.5, 0]])
target = torch.tensor([1, 0])
pred = output.argmax(1)

print(pred == target)
# 得到对应位置相等（为True）的个数
num = (pred == target).sum()
print(num)

• to(device)利用GPU训练：网络模型、数据（输入、标注）、损失函数，loss和model可以直接写成loss.to(device)、model.to(device)，但是数据必须要再接收一次：imgs = imgs.to(deivce)、targets = targets.to(device)。（为了减少记忆，就直接loss、model、imgs、targets全都再赋值回去吧）

# 定义训练的设备
device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')

• 计时，导入包import time，再打点计时start = time.time()，end = time.time()，时间差t1 = end-start，是s级。

• 转换RGB三通道：image=image.convert('RGB')。png是4通道，除了RGB外还有一个透明度通道；jpg是RGB三通道。

• 在test.py中需要先对图像大小Resize成符合模型的输入大小32x32。

• 在train.py的验证阶段和test.py中，一定要记得使用with torch.no_grad()，因为不用再优化梯度，这样可以节约内存、节约性能。

• 模型训练的数据集CIFAR10组成：

P27的完整代码：

迅雷网盘分享：

链接：https://pan.xunlei.com/s/VN2LZwrGbf20guxIWpLph6WXA1
提取码：aggh

(1) model.py

import torch
from torch import nn
import torchvision
from torch.utils.data import DataLoader
from torchvision.transforms import transforms
from torch.utils.tensorboard import SummaryWriter


# 写模型
class Model(nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.model = nn.Sequential(
            nn.Conv2d(3, 32, 5, 1, 2),
            nn.MaxPool2d(2),
            nn.Conv2d(32, 32, 5, 1, 2),
            nn.MaxPool2d(2),
            nn.Conv2d(32, 64, 5, 1, 2),
            nn.MaxPool2d(2),
            nn.Flatten(),
            nn.Linear(64 * 4 * 4, 64),
            nn.Linear(64, 10)
        )

    def forward(self, x):
        return self.model(x)


if __name__ == '__main__':
    model = Model()
    print(model)
    input = torch.ones((64, 3, 32, 32))
    out = model(input)
    print(out.shape)

(2) train.py

import os
import torch
from torch import nn
import torchvision
from torch.utils.data import DataLoader
from torchvision.transforms import transforms
from model import Model
from torch.utils.tensorboard import SummaryWriter

# ------------------1. 一些定义---------------- #
# 定义训练的设备
device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')
print('device: {}'.format(device))

# 指定pth存储文件夹
pth_dir = './model_pth'
if not os.path.exists(pth_dir):  # os模块判断并创建
    os.mkdir(pth_dir)

# 训练的轮数
epoch = 10
train_step = 0
test_step = 0
lr = 1e-2

# ------------------2.构建数据集----------------- #
trans = transforms.Compose([
    transforms.Resize(32),
    transforms.ToTensor()
])

train_data = torchvision.datasets.CIFAR10('../dataset', train=True, transform=trans, download=True)
test_data = torchvision.datasets.CIFAR10('../dataset', train=False, transform=trans, download=True)

# 数据集的长度
len_train = len(train_data)
len_test = len(test_data)

# -----------------3. 加载数据集（按照batchsize=64打包）-------------- #
train_load = DataLoader(train_data, 64, shuffle=True)
test_load = DataLoader(test_data, 64, shuffle=True)

# -----------------4. 模型、损失函数、优化器、摘要器------------- #
# 构建模型
model = Model()
model.to(device)  # 用gpu训练

# 损失函数
loss_fn = nn.CrossEntropyLoss()
loss_fn.to(device)

# 优化器
optim = torch.optim.SGD(model.parameters(), lr=lr)
# 构建tensoroboard摘要器
writer = SummaryWriter('logs_train')

# 开始训练
for i in range(epoch):
    print('-----------第 {} 轮训练开始-------------'.format(i + 1))

    # 训练步骤开始
    model.train()
    for data in train_load:  # train_load，每个循环包含了64张
        imgs, targets = data
        imgs = imgs.to(device)
        targets = targets.to(device)
        out = model(imgs)
        loss = loss_fn(out, targets)

        # optim 优化模型
        optim.zero_grad()  # 梯度清零
        loss.backward()  # 损失反向传播
        optim.step()  # 优化

        # writer
        if train_step % 200 == 0:
            print('训练步数: {}, Loss: {}'.format(train_step, loss.item()))
            writer.add_scalar('train_loss', loss.item(), train_step)

        train_step += 1

    # 验证步骤开始
    model.eval()
    total_test_loss = 0
    total_test_accuracy = 0
    with torch.no_grad():  # 没有梯度，不会对其进行调优
        for data in test_load:
            imgs, targets = data
            imgs = imgs.to(device)
            targets = targets.to(device)
            out = model(imgs)
            loss = loss_fn(out, targets)
            total_test_loss += loss.item()
            accuracy = (out.argmax(1) == targets).sum().item()
            total_test_accuracy += accuracy

    print('整体测试集上的Loss: {}'.format(total_test_loss))
    print('整体数据集上的准确率Acc: {}'.format(total_test_accuracy / len_test))
    writer.add_scalar('test_loss', total_test_loss, test_step)
    writer.add_scalar('test_Acc', total_test_accuracy / len_test, test_step)
    test_step += 1

    # 保存方式1
    torch.save(model, pth_dir + '/model_{}.pth'.format(i))
    # 保存方式2（官方推荐）
    # torch.save(model.state_dict(), pth_dir + '/model_{}.pth'.format(i))
    print('model_{}.pth 已保存'.format(i))

writer.close()

(3) test.py：对整个文件夹中的图像分类，并打印出类别，如’dog’。

注意看这里面的注释，写的挺清楚的，hhh~

import os
import torch
import torchvision
from PIL import Image
import time

device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')
classes = ['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']

# Resize成符合模型的输入大小
transform = torchvision.transforms.Compose([
    torchvision.transforms.Resize((32, 32)),
    torchvision.transforms.ToTensor()
])

imagetype = ['bmp', 'dib', 'png', 'jpg', 'jpeg', 'pbm', 'pgm', 'ppm', 'tif', 'tiff']
imagelist_path = 'images'
imagelist = os.listdir(imagelist_path)

for imagename in imagelist:
    start = time.perf_counter()
    if imagename.split('.')[1] not in imagetype:
        print('{} is not an image.'.format(imagename))
    else:
        # ----------------读取图像---------------- #
        image_path = os.path.join(imagelist_path, imagename)
        image = Image.open(image_path)

        # ----------------调整图像---------------- #
        image = image.convert('RGB')  # 1.转为3通道图像
        image = transform(image)  # 2.调整图像尺寸为model输入的32x32
        image = torch.unsqueeze(image, 0)  # 3.升维为4维张量：[batchsize, C, H,W]
        image = image.to(device)  # 4.因为模型使用gpu训练的，所以验证时报错，让我也用gpu验证

        # ----------------加载模型-------------- #
        model = torch.load('./model_pth/model_9.pth')
        model.to(device)  # 5.model也用gpu加载，好像要比cpu快些

        # ----------------开始测试-------------- #
        model.eval()
        with torch.no_grad():
            output = model(image)  # 输出的是各类别得分

        # ----------------打印类别-------------- #
        index = output.argmax(1).item()
        print('这张图象的类别是：{}'.format(classes[index]))

        end = time.perf_counter()
        print('这张图像测试用时：{} s'.format(end - start))

完结，撒花❀❀❀❀❀❀❀❀❀❀❀