Training a classifier
本篇文章是本人对Pytorch官方教程的原创翻译(原文链接)仅供学习交流使用，转载请注明出处！
现在我们已经掌握了如何去定义神经网络、计算误差、更新权重。但在前面的章节中，我们用到的数据集都是自己构造的虚拟数据，那么如何真正地处理数据呢？
通常，我们处理图像、文本、音频、视频等数据时，可以使用一些Python的标准库，将输入导入为numpy格式，然后我们将导入的numpy数组转化为tensor。
- 处理图像数据，用
Pillow、OpenCV - 处理音频，用
scipy、librosa - 处理文本，既可以使用Python/Cython的原生方法，也可以使用
NLTK和Spacy
pytorch为计算机视觉任务特别提供了一个torchvision包，内含Imagenet、CIFAR10、MNIST等常用数据集，以及数据集的转换器。他们分别包含在torchvision.datasets和torch.utils.data.DataLoader中。这就极大地避免了编写大量重复的代码。
本篇教程会使用CIFAR10数据集。它由10类图片组成，每张图片都是32x32,3通道像素。
Training an image classifier
创建一个图像分类器共需5个步骤：
- 用
torchvision加载CIFAR10数据集并标准化。 - 定义一个卷积神经网络
- 定义损失函数
- 用训练集训练网络
- 用测试集测试网络
步骤1 加载CIFAR10数据集并标准化。
import torch
import torchvision
import torchvision.transforms as transforms
torchvision.datasets提供的图像是PILImage，像素在[0, 1] 区间，我们需要将其标准化，得到的是[-1, 1]的数据。
transform = transforms.Compose([transforms.ToTensor(),
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))]) # (样本-均值) / 标准差, 需要分别指定3个通道的均值和标注差
'''
加载训练集
root:数据集根目录
train:是否为训练集
download:是否需要下载
transform:transform对象，对数据集进行转换
'''
trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)
# shuffle：是否打乱 num_workers: 多线程数量 如果在windows下报错请改为0
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True, num_workers=2)
# 加载测试集，与上面同理
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
Extracting ./data/cifar-10-python.tar.gz to ./data
Files already downloaded and verified
import matplotlib.pyplot as plt
import numpy as np
def imshow(img):
img = img / 2 + 0.5
npimg = img.numpy()
plt.imshow(np.transpose(npimg, (1, 2, 0))) # 原始数据是PILimage，BGR格式，plot只能显示RGB格式，必须要转置
plt.show()
# 用迭代器来访问数据，一次访问的数据量是一个batch
dataiter = iter(trainloader)
images, labels = dataiter.next()
imshow(torchvision.utils.make_grid(images)) # make_grid用于给图像加上边框
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))
horse car dog plane
步骤2 定义神经网络
前面的章节我们已经定义过神经网络了，直接将代码复用，修改为输入3通道即可。
import torch
import torch.nn as nn
import torch.nn.functional as F # nn.functional提供了各种激励函数
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
# 这里将输入通道改为3
self.conv1 = nn.Conv2d(3, 6, 5)
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 = F.max_pool2d(F.relu(self.conv1(x)), (2, 2))
x = F.max_pool2d(F.relu(self.conv2(x)), 2)
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()
步骤3 误差计算和参数更新
import torch.optim as optim
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9) # momentum表示动量, 一般设为0.9，带动量的梯度下降法收敛更快
步骤4 训练神经网络
for epoch in range(2): # epoch表示在整个数据集上循环训练的次数
running_loss = 0.0
for i, data in enumerate(trainloader, 0): #enumerate()将会给可迭代对象的元素标上序号，返回(序号, 元素)
# 这里的data是以batch为单位的
inputs, labels = data # data的特征和标签分开
# 清空梯度
optimizer.zero_grad()
# 处理输入、计算误差、更新权重
outputs = net(inputs)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
# 做一些统计
running_loss += loss.item() # loss是 1x1的Tenor，可以用item直接访问数据
if i % 2000 == 1999: # 每2000batch输出一次
print('[%d, %5d] loss: %.3f' % (epoch + 1, i + 1, running_loss / 2000))
running_loss = 0.0
print('Finished Training.')
[1, 2000] loss: 2.271
[1, 4000] loss: 1.946
[1, 6000] loss: 1.725
[1, 8000] loss: 1.598
[1, 10000] loss: 1.535
[1, 12000] loss: 1.477
[2, 2000] loss: 1.411
[2, 4000] loss: 1.389
[2, 6000] loss: 1.359
[2, 8000] loss: 1.340
[2, 10000] loss: 1.307
[2, 12000] loss: 1.280
Finished Training.
训练完成后，要记得保存训练好的模型：
PATH = './cifar_net.pth'
torch.save(net.state_dict(), PATH)
步骤5 测试神经网络
我们已经用数据集对神经网络训练了2遍，接下来要检验一下神经网络是否学到了东西。
检验的方法就是让神经网络再产生一些输出，并且和它们的标签做比对。
首先我们来看一组图片的标签：
dataiter = iter(testloader)
images, labels = dataiter.next()
imshow(torchvision.utils.make_grid(images))
print('GroundTruth: ', ' '.join('%5s' % classes[labels[j]] for j in range(4)))
GroundTruth: cat ship ship plane
接下来我们导入保存好的模型，看看模型认为这些图片是什么。模型的输出是图片的“能量”，能量共有10个值，分别表示这场图片属于对应类别的可能性，能量越大，代表我们的分类器认为图片越属于一个类。
net = Net()
net.load_state_dict(torch.load(PATH))
outputs = net(images)
# torch.max不仅可以返回最大值，还可以返回最大值的索引（第二个返回值），我们不需要知道能量的具体值，只需要知道图片归属哪一类即可，最大能量对应的索引即是它被归为的类
_, predicted = torch.max(outputs, 1)
print('Predicted: ', ' '.join('%5s' % classes[predicted[j]] for j in range(4)))
Predicted: cat ship ship ship
结果还算不错，接下来我们把网络应用到完整数据集上试一试：
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))
Accuracy of the network on the 10000 test images: 55 %
再按类别做一次统计，看一看我们的网络的优势和短板是什么：
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 : 70 %
Accuracy of car : 67 %
Accuracy of bird : 34 %
Accuracy of cat : 43 %
Accuracy of deer : 52 %
Accuracy of dog : 52 %
Accuracy of frog : 67 %
Accuracy of horse : 58 %
Accuracy of ship : 60 %
Accuracy of truck : 51 %
Training on GPU
在GPU上进行训练也非常简单，怎么把Tensor转到GPU，就怎么把网络转到GPU：
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print(device)
cuda:0
接下来我们直接使用net.to(device)即可把网络迁移到GPU上，程序会自动识别所有的参数，将他们转化为CUDA Tensor。
需要注意的是，我们必须把输入的数据和标签也都迁移至GPU:
inputs, labels = data[0].to(device), data[1].to(device)