Pytorch从零开始实战01

Pytorch从零开始实战——MNIST手写数字识别

本系列来源于365天深度学习训练营

原作者K同学

环境准备

本系列基于Jupyter notebook，使用Python3.7.12，Pytorch1.7.0+cu110，torchvision0.8.0，需读者自行配置好环境且有一些深度学习理论基础。

导入需要用到的包

import torch
import torch.nn as nn
import matplotlib.pyplot as plt
import torchvision
import torch.nn.functional as F
import random
from time import time
import random
import numpy as np
import pandas as pd
import datetime
import gc
import os
os.environ['KMP_DUPLICATE_LIB_OK']='True'  # 用于避免jupyter环境突然关闭
torch.backends.cudnn.benchmark=True  # 用于加速GPU运算的代码

创建设备对象

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

device(type=‘cuda’)

设置随机数种子

torch.manual_seed(428)
torch.cuda.manual_seed(428)
torch.cuda.manual_seed_all(428)
random.seed(428)
np.random.seed(428)

数据集

本次实战使用MNIST数据集，这是一个包含了手写数字的灰度图像的数据集，每个图像都是28x28像素大小，并且标记了相应的数字，也是很多计算机视觉初学者第一个使用的数据集。

导入训练集与测试集，使用torchvision.datasets可以在线下载很多常见数据集，只需要将后面参数设置download=True即可直接下载，train=True为训练集，train=False为测试集

# 导入训练集和测试集
train_data = torchvision.datasets.MNIST('data', train=True, 
                                        transform=torchvision.transforms.ToTensor(),
                                        download=True
                                       )
test_data = torchvision.datasets.MNIST('data', train=False, 
                                       transform=torchvision.transforms.ToTensor(),
                                       download=True
                                      )

定义一个函数，随机查看5张图片

# 随机展示5个图片 data = torchvision.datasets....  需要接受tensor格式的对象
def plotsample(data):
    fig, axs = plt.subplots(1, 5, figsize=(10, 10)) #建立子图
    for i in range(5):
        num = random.randint(0, len(data) - 1) #首先选取随机数，随机选取五次
        #抽取数据中对应的图像对象，make_grid函数可将任意格式的图像的通道数升为3，而不改变图像原始的数据
        #而展示图像用的imshow函数最常见的输入格式也是3通道
        npimg = torchvision.utils.make_grid(data[num][0]).numpy()
        nplabel = data[num][1] #提取标签 
        #将图像由(3, weight, height)转化为(weight, height, 3)，并放入imshow函数中读取
        axs[i].imshow(np.transpose(npimg, (1, 2, 0))) 
        axs[i].set_title(nplabel) #给每个子图加上标签
        axs[i].axis("off") #消除每个子图的坐标轴

plotsample(train_data)

使用DataLoder将它按照batch_size批量划分，并将训练集顺序打乱。

batch_size = 32
train_dl = torch.utils.data.DataLoader(train_data, batch_size=batch_size, shuffle=True)
test_dl = torch.utils.data.DataLoader(test_data, batch_size=batch_size)

模型选择

由于数据集较为简单，所以本次实验使用简单的卷积神经网络。

第一次卷积和池化：
self.conv1 是第一个卷积层，将输入特征图的通道数从1增加到32，同时使用3x3的卷积核进行卷积。由于没有填充（padding）操作，卷积后的特征图大小减小为原来的大小减2（28x28 -> 26x26）。
self.pool1 是第一个最大池化层，将特征图的大小减半，从26x26变为13x13。
第二次卷积和池化：
self.conv2 是第二个卷积层，将输入特征图的通道数从32增加到64，同样使用3x3的卷积核进行卷积。由于没有填充操作，卷积后的特征图大小再次减小为原来的大小减2（13x13 -> 11x11）。
self.pool2 是第二个最大池化层，将特征图的大小再次减半，从11x11变为5x5。
全连接层：
在进入全连接层之前，需要将最后一个池化层的输出拉平成一个一维向量。这是通过 torch.flatten(x, start_dim=1) 完成的，它将5x5x64的三维张量转换为长度为5x5x64 = 1600的一维向量。
然后，self.fc1 是第一个全连接层，将1600个输入特征映射到64个输出特征。
最后进行10分类输出结果。

num_classes = 10 # 10分类
class Model(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(1, 32, kernel_size=3)
        self.pool1 = nn.MaxPool2d(2)
        self.conv2 = nn.Conv2d(32, 64, kernel_size=3)
        self.pool2 = nn.MaxPool2d(2)
        
        self.fc1 = nn.Linear(1600, 64)
        self.fc2 = nn.Linear(64, num_classes)
    
    def forward(self, x):
        x = self.pool1(F.relu(self.conv1(x)))
        x = self.pool2(F.relu(self.conv2(x)))
        
        x = torch.flatten(x, start_dim=1) # 拉平
        x = F.relu(self.fc1(x))
        x = self.fc2(x)
        return x

将模型转移到GPU中，并使用summary查看模型

from torchinfo import summary
# 将模型转移到GPU中
model = Model().to(device)
summary(model)

模型训练

定义损失函数、学习率、优化算法

loss_fn = nn.CrossEntropyLoss()
learn_rate = 0.01
opt = torch.optim.SGD(model.parameters(), lr=learn_rate)

定义训练函数，返回一个epoch的模型的准确率和损失

def train(dataloader, model, loss_fn, optimizer):
    size = len(dataloader.dataset)
    num_batches = len(dataloader)
    train_loss, train_acc = 0, 0
    
    for X, y in dataloader:
        X, y = X.to(device), y.to(device)
        
        pred = model(X)
        loss = loss_fn(pred, y)
        
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()
        
        train_acc += (pred.argmax(1) == y).type(torch.float).sum().item()
        train_loss += loss.item()
        
    train_acc /= size
    train_loss /= num_batches
    return train_acc, train_loss

定义测试函数，与训练函数类似，只是停止梯度更新，节省计算内存消耗

def test (dataloader, model, loss_fn):
    size = len(dataloader.dataset) 
    num_batches = len(dataloader)         
    test_loss, test_acc = 0, 0
    
    with torch.no_grad():
        for X, target in dataloader:
            X, target = X.to(device), target.to(device)
            
            pred = model(X)
            loss = loss_fn(pred, target)
            
            test_acc += (pred.argmax(1) == target).type(torch.float).sum().item()
            test_loss += loss.item()

    test_acc /= size
    test_loss /= num_batches

    return test_acc, test_loss

开始训练，一共进行了5轮epoch，最后在训练集准确率可达97.7%，测试集准确率可达98.1%

epochs = 5
train_loss = []
train_acc = []
test_loss = []
test_acc = []

for epoch in range(epochs):
    model.train()
    epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, opt)
    
    model.eval() # 确保模型不会进行训练操作
    epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)
        
    train_acc.append(epoch_train_acc)
    train_loss.append(epoch_train_loss)
    test_acc.append(epoch_test_acc)
    test_loss.append(epoch_test_loss)
    
    print("epoch:%d, train_acc:%.1f%%, train_loss:%.3f, test_acc:%.1f%%, test_loss:%.3f"
          % (epoch + 1, epoch_train_acc * 100, epoch_train_loss, epoch_test_acc * 100, epoch_test_loss))
print("Done")

可视化展示

使用matplotlib进行训练、测试的可视化

plt.rcParams['font.sans-serif']    = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False      # 用来正常显示负号
plt.rcParams['figure.dpi']         = 100        #分辨率

epochs_range = range(epochs)

plt.figure(figsize=(12, 3))
plt.subplot(1, 2, 1)

plt.plot(epochs_range, train_acc, label='Training Accuracy')
plt.plot(epochs_range, test_acc, label='Test Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')

plt.subplot(1, 2, 2)
plt.plot(epochs_range, train_loss, label='Training Loss')
plt.plot(epochs_range, test_loss, label='Test Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()