图像分类呆呆地(二)——动手训练入门级别图像分类模型

在上一篇博客中我们自己动手搭建了入门级别的分类网络架构，有了它，我们只需简单几步就可以训练自己的分类模型了～～

学习前言

这是我的哔哩哔哩讲解视频，欢迎大家一键三连～～～

Bilibili主页：https://space.bilibili.com/481802918

1. PyTorch训练模型流程

1. 图像预处理
2. 设计一个卷积神经网络
3. 设计一个损失函数和优化器
4. 在训练集上训练网络
   4.1. 在每批训练开始时初始化梯度
   4.2. 前向传播
   4.3. 反向传播
   4.4. 计算损失并更新权重
5. 在测试集上测试神经网络模型性能

2. 开始训练

2.1 读取数据集并作归一化处理

PyTorch对计算机视觉任务非常的友好，特地创建了一个torchvision库来供Cvers使用。具体的使用方法可以参考我的另一篇博客torch:)——torchvision pytorch图形库详解

首先，我们先利用torchvision库来载入数据集，这里我们使用的是CIFAR10数据集，并作归一化处理。

import torch
import torchvision
import torchvision.transforms as transforms


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')

其中，有关torchvision.transforms有不懂的地方，也可以参考我的另一篇博客torch:)——PyTorch：transforms用法详解

2.2 设计一个卷积神经网络

这里，我们可以将入门级别的卷积网络稍微改改拿来使用。注意： 数据集为灰度图时，Input的通道数为1，为正常的RGB图像时，Input通道数为3(也就是R红，G绿，B蓝)。

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


net = Net()

2.3 设计一个损失函数和优化器

这里我们可以使用经典的交叉熵损失函数，以及随机梯度下降SGD来作为优化器。

import torch.optim as optim

criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

2.4 在训练集上进行训练

大体流程：

1. 在每批训练开始时初始化梯度
2. 前向传播
3. 反向传播
4. 计算损失并更新权重

for epoch in range(2):  # 在训练集上循环训练2次

    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        # get the inputs; data is a list of [inputs, labels]
        inputs, labels = data

        # 归零参数梯度
        optimizer.zero_grad()

        # 向前传播 + 反向传播 + 优化
        outputs = net(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()# 优化器优化

        # 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')

保存模型：

PATH = './cifar_net.pth'
torch.save(net.state_dict(), PATH)

2.5 在测试集上测试模型性能

correct = 0
total = 0
with torch.no_grad():
    for data in testloader:
        images, labels = data
        outputs = net(images)
        _, predicted = torch.max(outputs.data, 1)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()

print('Accuracy of the network on the 10000 test images: %d %%' % (
    100 * correct / total))

3. 进行预测

dataiter = iter(testloader)
images, labels = dataiter.next()

# print images
imshow(torchvision.utils.make_grid(images))
print('GroundTruth: ', ' '.join('%5s' % classes[labels[j]] for j in range(4)))

net = Net()
net.load_state_dict(torch.load(PATH))#装载模型

outputs = net(images)#将images传入模型中进行处理，得到outputs

_, predicted = torch.max(outputs, 1)#将outputs中概率最大的种类打印输出

print('Predicted: ', ' '.join('%5s' % classes[predicted[j]]
                              for j in range(4)))

这里我们也可以对自己的图片进行预测，将images读取自己的图片就可以。