pytorch——官网入门demo——实现一个图像分类器
目录
demo的流程
1. model.py
卷积 Conv2d
公式
池化 MaxPool2d
特点如果输入是三维的，那么输出也是三维的
Tensor的展平：view()
全连接 Linear
2. train.py
导包
下载数据集：
导入、加载 训练集
导入、加载 测试集
类别
开始训练
名词解释
训练结果
3. predict.py
预测结果
pytorch官网:Training a Classifier — PyTorch Tutorials 1.10.1+cu102 documentation
宝藏博主：霹雳吧啦Wz_太阳花的小绿豆_CSDN博客-深度学习,Tensorflow,软件安装领域博主
demo的流程
- model.py ——定义LeNet网络模型
- train.py ——加载数据集并训练，训练集计算loss（损失值），测试集计算accuracy，保存训练好的网络参数
- predict.py——得到训练好的网络参数后，用自己找的图像进行分类测试
1. model.py
先给出代码，模型是基于LeNet做简单修改，很容易理解：
import torch.nn as nn
import torch.nn.functional as F
class LeNet(nn.Module): # 继承于nn.Module这个父类
def __init__(self):
super(LeNet, self).__init__()
self.conv1 = nn.Conv2d(3, 16, 5)
self.pool1 = nn.MaxPool2d(2, 2)
self.conv2 = nn.Conv2d(16, 32, 5)
self.pool2 = nn.MaxPool2d(2, 2)
self.fc1 = nn.Linear(32*5*5, 120)
self.fc2 = nn.Linear(120, 84)
self.fc3 = nn.Linear(84, 10)
def forward(self, x):
x = F.relu(self.conv1(x)) # input(3, 32, 32) output(16, 28, 28)
x = self.pool1(x) # output(16, 14, 14)
x = F.relu(self.conv2(x)) # output(32, 10, 10)
x = self.pool2(x) # output(32, 5, 5)
x = x.view(-1, 32*5*5) # output(32*5*5)
x = F.relu(self.fc1(x)) # output(120)
x = F.relu(self.fc2(x)) # output(84)
x = self.fc3(x) # output(10)
return x
过程如下
- pytorch 中 tensor（也就是输入输出层）的 通道排序为：
[batch, channel, height, width]
nn.Conv2d 卷积层
nn.MaxPool2d 下采样层
nn.Linear 全连接层
卷积 Conv2d
我们常用的卷积（Conv2d）在pytorch中对应的函数是：
torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros')
一般使用时关注以下几个参数即可：
in_channels：输入特征矩阵的深度。如输入一张RGB彩色图像，那in_channels=3（三通道）
out_channels：输入特征矩阵的深度。也等于卷积核的个数，使用n个卷积核输出的特征矩阵深度就是n
kernel_size：卷积核的尺寸（大小）。可以是int类型，如3 代表卷积核的height=width=3，也可以是tuple类型如(3, 5)代表卷积核的height=3，width=5
stride：卷积核的步长。默认为1，和kernel_size一样输入可以是int型，也可以是tuple类型
padding：补零操作，默认为0。可以为int型如1即补一圈0，如果输入为tuple型如(2, 1) 代表在上下补2行，左右补1列。
公式
输入图片大小 W×W（一般情况下Width=Height）
Filter大小 F×F
步长 S
padding的像素数 P
参考：pytorch中的卷积操作详解_霹雳吧啦Wz-CSDN博客_pytorch 卷积
池化 MaxPool2d
最大池化（MaxPool2d）的意思就是卷积网络也经常使用池化层来缩减模型的大小，提高计算速度，同时提高所提取特征的鲁棒性
self.pool1 = nn.MaxPool2d(2, 2)特点如果输入是三维的，那么输出也是三维的
参考卷积神经网络——池化层学习——最大池化_Alex-CSDN博客_最大池化
Tensor的展平：view()
注意到，在经过第二个池化层后，数据还是一个三维的Tensor (32, 5, 5)，需要先经过展平后(32*5*5)再传到全连接层：
x = self.pool2(x) # output(32, 5, 5)
x = x.view(-1, 32*5*5) # output(32*5*5)
全连接 Linear
全连接（ Linear）在 pytorch 中对应的函数是：
bias 偏置
Linear(in_features, out_features, bias=True)
2. train.py
导包
import torch
import torchvision
import torch.nn as nn
from model import LeNet
import torch.optim as optim
import torchvision.transforms as transforms
下载数据集：
CIFAR-10 数据集可视化详细讲解（附代码）_G果的博客-CSDN博客_cifar10数据集
导入、加载 训练集
def main():
transform = transforms.Compose(
[transforms.ToTensor(),
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
# 50000张训练图片
# 第一次使用时要将download设置为True才会自动去下载数据集
train_set = torchvision.datasets.CIFAR10(root='./data', train=True,
download=False, transform=transform)
train_loader = torch.utils.data.DataLoader(train_set, batch_size=36,
shuffle=True, num_workers=0)
导入、加载 测试集
# 10000张验证图片
# 第一次使用时要将download设置为True才会自动去下载数据集
val_set = torchvision.datasets.CIFAR10(root='./data', train=False,
download=False, transform=transform)
val_loader = torch.utils.data.DataLoader(val_set, batch_size=5000,
shuffle=False, num_workers=0)
# 获取测试集中的图像和标签，用于accuracy计算
val_data_iter = iter(val_loader)
val_image, val_label = val_data_iter.next()类别
classes = ('plane', 'car', 'bird', 'cat',
'deer', 'dog', 'frog', 'horse', 'ship', 'truck')开始训练
net = LeNet()
loss_function = nn.CrossEntropyLoss()
optimizer = optim.Adam(net.parameters(), lr=0.001)
for epoch in range(5): # loop over the dataset multiple times
running_loss = 0.0
for step, data in enumerate(train_loader, start=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 = loss_function(outputs, labels)
loss.backward()
optimizer.step()
# print statistics
running_loss += loss.item()
if step % 500 == 499: # print every 500 mini-batches
with torch.no_grad():
outputs = net(val_image) # [batch, 10]
predict_y = torch.max(outputs, dim=1)[1]
accuracy = torch.eq(predict_y, val_label).sum().item() / val_label.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()
名词解释 
训练结果
这个是我们看我们的目录多出个pth文件类型（这个就是我们的模型）
3. predict.py
用来预测，根据训练的模型预测东西
import torch
import torchvision.transforms as transforms
from PIL import Image
from model import LeNet
def main(): #我们首先需resize成跟训练集图像一样的大小
transform = transforms.Compose(
[transforms.Resize((32, 32)),
transforms.ToTensor(),
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
classes = ('plane', 'car', 'bird', 'cat',
'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
# 实例化网络，加载训练好的模型参数
net = LeNet()
net.load_state_dict(torch.load('Lenet.pth'))
# 导入要测试的图像（自己找的，不在数据集中），放在源文件目录下
im = Image.open('3.jpeg')
im = transform(im) # [C, H, W]
im = torch.unsqueeze(im, dim=0) '''对数据增加一个新维度，因为tensor的参数是[batch,
channel, height, width]'''
#预测
with torch.no_grad():
outputs = net(im)
predict = torch.max(outputs, dim=1)[1].data.numpy()
print(classes[int(predict)])
if __name__ == '__main__':
main()
图片3.jepg
预测结果