PyTorch 如何从头开始训练分类器【附完整代码】

训练分类器

1.数据处理

通常，我们会遇到处理图像，文本，音频或视频数据时，可以使用Python标准包将数据加载到 NumPy 数组中。 然后，您可以将该数组转换为torch.*Tensor格式的数据。

• 对于图像，Pillow，OpenCV 包
• 对于音频，使用 SciPy 和 librosa 等包
• 对于文本，基于 Python 或 Cython 的原始加载，或者 NLTK 和 SpaCy

另外，pytorch针对视觉，还创建了一个torchvision的包，其中包含常见的数据集集（例如Imagenet,GIFAR10,MNIST）的数据加载器以及用于图像（即torchvision.datasets和torch.utils.data.DataLoader）的数据转换器。

本文讲解用CIFAR10数据，完成分类问题。它具有以下类别：“飞机”，“汽车”，“鸟”，“猫”，“鹿”，“狗”，“青蛙”，“马”，“船”，“卡车”。 CIFAR-10 中的图像尺寸为3x32x32，即尺寸为32x32像素的 3 通道彩色图像。

2.训练图像分类器

步骤：

1. 使用torchvision加载并标准化 CIFAR10 训练和测试数据集
2. 定义卷积神经网络
3. 定义损失函数
4. 根据训练数据训练网络
5. 在测试数据上测试网络

2.1 读取CIFAR10数据，做标准化

import torch
import torchvision
import torchvision.transforms as transforms
# transforms将三通道(0,1)区间的数据转换成(-1,1)的数据

TorchVision数据集的输出是[0, 1]范围的PILImage图像。 我们将它们转换为归一化范围[-1, 1]的张量。

transform = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
# 存取数据
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')

Downloading https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./data\cifar-10-python.tar.gz

HBox(children=(FloatProgress(value=1.0, bar_style='info', max=1.0), HTML(value='')))


Extracting ./data\cifar-10-python.tar.gz to ./data
Files already downloaded and verified

展示部分图片：

import matplotlib.pyplot as plt
import numpy as np

# functions to show an image

def imshow(img):
    img = img / 2 + 0.5     # unnormalize
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg, (1, 2, 0)))
    plt.show()

# get some random training images
dataiter = iter(trainloader)
images, labels = dataiter.next()

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

 bird   cat   cat  deer

2.2 定义卷积神经网络

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定义损失函数和优化器

这里我们使用分类交叉熵损失和带有动量的 SGD。

import torch.optim as optim

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

2.4训练网络

只需要遍历数据迭代器，然后将输入馈送到网络并进行优化即可。

for epoch in range(2):  # 训练两次

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

        # zero the parameter gradients
        optimizer.zero_grad()

        # forward + backward + optimize
        outputs = net(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

        # 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')

[1,  2000] loss: 2.175
[1,  4000] loss: 1.889
[1,  6000] loss: 1.697
[1,  8000] loss: 1.594
[1, 10000] loss: 1.527
[1, 12000] loss: 1.476
[2,  2000] loss: 1.383
[2,  4000] loss: 1.362
[2,  6000] loss: 1.330
[2,  8000] loss: 1.348
[2, 10000] loss: 1.316
[2, 12000] loss: 1.316
Finished Training

保存模型：

# 保存在当前文件夹下，pth文件
PATH = './cifar_net.pth'
torch.save(net.state_dict(), PATH)

2.5 根据测试数据测试网络

我们已经在训练数据集中对网络进行了 2 次训练。 但是我们需要检查网络是否学到了什么。

我们将通过预测神经网络输出的类别标签并根据实际情况进行检查来进行检查。 如果预测正确，则将样本添加到正确预测列表中。

# 显示测试集中的图像
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)))

GroundTruth:    cat  ship  ship plane

加载模型：

net = Net()
net.load_state_dict(torch.load(PATH))

outputs = net(images)
print(outputs)

tensor([[-2.1010, -3.0878,  1.4055,  3.2283,  0.0129,  1.6000,  3.7093, -1.6727,
         -1.0253, -2.4035],
        [ 4.8515,  5.2974, -1.5895, -2.5089, -2.3749, -4.2794, -4.5515, -4.6212,
          8.2107,  3.2727],
        [ 2.6539,  1.8801,  0.0768, -1.7280, -0.6224, -2.2073, -2.3949, -1.8895,
          3.7800,  0.6642],
        [ 2.4435,  0.5671, -0.2488, -0.9293, -0.1690, -1.8434, -1.9284, -1.1686,
          3.3121,  0.1381]], grad_fn=)

上面的输出是四个test例子在10个类别上的能量，能量越高，网络就认为是该类概率越大。

_, predicted = torch.max(outputs, 1)

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

Predicted:   frog  ship  ship  ship

网络在整个数据集上的表现：

correct = 0
total = 0
with torch.no_grad(): # 不需要梯度
    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))

Accuracy of the network on the 10000 test images: 54 %

具体看一些网络在那些类上表现良好，在那些类上表现不佳：

class_correct = list(0. for i in range(10))
class_total = list(0. for i in range(10))
with torch.no_grad():
    for data in testloader:
        images, labels = data
        outputs = net(images)
        _, predicted = torch.max(outputs, 1)
        c = (predicted == labels).squeeze()
        for i in range(4):
            label = labels[i]
            class_correct[label] += c[i].item()
            class_total[label] += 1


for i in range(10):
    print('Accuracy of %5s : %2d %%' % (
        classes[i], 100 * class_correct[i] / class_total[i]))

Accuracy of plane : 58 %
Accuracy of   car : 81 %
Accuracy of  bird : 42 %
Accuracy of   cat : 33 %
Accuracy of  deer : 37 %
Accuracy of   dog : 34 %
Accuracy of  frog : 82 %
Accuracy of horse : 51 %
Accuracy of  ship : 78 %
Accuracy of truck : 46 %

判断GPU是否可用

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

# Assuming that we are on a CUDA machine, this should print a CUDA device:

print(device)

cpu

如过GPU可用的话：

# 把网络传到GPU
net.to(device)
# 把输入和lables传入GPU
inputs, labels = data[0].to(device), data[1].to(device)