[pytorch入门] 6. 神经网络

基本介绍

• torch.nn：
  
  • Containers：基本骨架
  • Convolution Layers： 卷积层
  • Pooling layers：池化层
  • Non-linear Activations (weighted sum, nonlinearity)：非线性激活
  • Normalization Layers：正则化层

Containers类

介绍

containers相对重要的一个类，主要给神经网络定义了一些骨架、一些结构，后面那些类都是要向骨架中填充的东西
里面有6个模块，其中module模块是里面最重要的一个模块

一般自己定义类，然后继承nn.module
里面一定要写的两个函数：__init__()和forward函数（前向传播）

from torch import nn
import torch
class Test(nn.Module):
    def __init__(self):
        super().__init__()

    def forward(self,input):
        output = input+1
        return output

test = Test()
# print(test.forward(1))
x = torch.tensor(1)
print(test(x))

Sequential 序列

将网络序列放到sequential里面，这样就可以调用一个模块连续使用自己定义的网络
这样会让代码更加简洁易懂

model = nn.Sequential(
          nn.Conv2d(1,20,5),
          nn.ReLU(),
          nn.Conv2d(20,64,5),
          nn.ReLU()
        )

# Using Sequential with OrderedDict. This is functionally the
# same as the above code
model = nn.Sequential(OrderedDict([
          ('conv1', nn.Conv2d(1,20,5)),
          ('relu1', nn.ReLU()),
          ('conv2', nn.Conv2d(20,64,5)),
          ('relu2', nn.ReLU())
        ]))

在下节实战中进行实例演示

Convolution 卷积

基础理解

import torch
import torch.nn.functional as F

input = torch.tensor([[1,2,0,3,1],
                      [0,1,2,3,1],
                      [1,2,1,0,0],
                      [5,2,3,1,1],
                      [2,1,0,1,1]])
kernel = torch.tensor([
                        [1,2,1],
                        [0,1,0],
                        [2,1,0]
                    ])

# output = torch.nn.Conv2d(input)
# print(input.shape)
# print(kernel.shape)  # 目前不符合Con2d的尺寸要求，需要进行尺寸变换

input = torch.reshape(input, (1,1,5,5))  # 1个通道，1个样本，5行5列
kernel = torch.reshape(kernel, (1,1,3,3))  # 1个通道，1个样本，3行3列

print(input.shape)
print(kernel.shape)

# 之后进行卷积操作
output1 = F.conv2d(input, kernel, stride=1, padding=0) # stride步长，padding在输入图像的四周进行填充
print(output1)

output2 = F.conv2d(input, kernel, stride=2) # stride步长，padding填充
print(output2)

output3 = F.conv2d(input, kernel, stride=1, padding=1) # stride步长，padding在输入图像的四周进行填充
print(output3)   # 会发现比padding=0时大了一圈，因为padding=1时，会在输入图像的四周填充一圈0

output4 = F.conv2d(input, kernel, stride=1, padding=2) # stride步长，padding在输入图像的四周进行填充
print(output4)   # 会发现比padding=1时大了一圈，因为padding=2时，会在输入图像的四周填充两圈0

参数概念

def torch.nn.Conv2d(in_channels, out_channels, kernel_size,
 stride=1, padding=0, dilation=1, groups=1, bias=True, 
 padding_mode='zeros', device=None, dtype=None)

# in_channels：int，输入通道
# out_channels ：int，输出通道
# kernel_size ：int或元祖，卷积核的大小
# stride：int or tuple, optional。横向纵向的步径大小 默认为1
# padding (int, tuple or str, optional) 是否需要在输入图像的边缘进行填充，默认为0 不填充
# padding_mode (str, optional) – 'zeros', 'reflect', 'replicate' or 'circular' 控制如何填充，Default: 'zeros'即全部填充为0
# dilation (int or tuple, optional) – Spacing between kernel elements. Default: 1 卷积核之间的距离，一般为空洞卷积，不常用
# groups (int, optional) – Number of blocked connections from input channels to output channels. Default: 1
# bias (bool, optional) – If True, adds a learnable bias to the output. Default: True

实际上不需要自己写卷积核，他是会自己在输入图像中采样获得，只需要定义卷积核大小即可

使用

import torch
import torchvision
from torch.utils.data import DataLoader
from torch import nn
from torch.utils.tensorboard import SummaryWriter

dataset = torchvision.datasets.CIFAR10("./dataset",train = False, transform=torchvision.transforms.ToTensor(),download=True)

dataloader = DataLoader(dataset, batch_size=64, shuffle=True)

# 搭建简单神经网络
class Test(nn.Module):
    def __init__(self):
        super(Test,self).__init__()
        self.conv1 = nn.Conv2d(in_channels=3,out_channels=6,kernel_size=3,stride=1,padding=0)

    def forward(self,x):
        x = self.conv1(x)
        return x
    
net = Test()


writer = SummaryWriter('logs')
step = 0
for data in dataloader:    # 一次性取出一个batch_size的数据，daaloader的使用见前面文章
    imgs, targets = data
    output = net(imgs)
    print(imgs.shape)
    print(output.shape)
    # print(output)
    print('-------')
    writer.add_images("input", imgs, step)

    # 但是这里output的shape是[64,6,30,30]，6个通道没办法显示
    # 因此需要对output进行处理，使其变成[64,3,30,30]
    # 比较简单的方案是6个通道直接切开，变成两个bitch，每个bitch有3个通道（不是很严谨)
    # 当不知道batch_size的大小时，可以使用-1来代替，他会根据后面的数据直接计算
    output = torch.reshape(output,(-1,3,30,30))
    writer.add_images("output", output, step)
    step = step+1

辨析：nn 与 nn.functional

上面卷积操作的两个代码中，一个用的torch.nn.functional中的conv2d，一个用的torch.nn中的conv2d
nn 与 nn.functional有很多相同的函数，同时也有很多差异

相同点

• 实际功能相同，即nn.Conv2d和nn.functional.conv2d 都是进行卷积，nn.Dropout 和nn.functional.dropout都是进行dropout等
• 运行效率近乎相同

不同点

• nn.functional.xxx是函数接口，而nn.XXX是nn.functional.xxx的类封装，并且nn.xxx都集成于同一个祖先nn.Module。这一点导致了nn.XXX除了具有nn.functional.xxx的功能之外，内部附带了nn.Module相关的属性和方法，例如train(), eval(),load_state_dict, state_dict 等。
• 两者的调用方式不同

  • nn.xxx需要先实例化并传入参数，然后以函数调用的方式调用实例化的对象并传入输入数据

    input = img
    conv = nn.Conv2d(in_channels=3, out_channels=64, kernel_size=3, padding=1)  # 实例化
    out = conv(input) # 以函数调用的方式调用实例化的对象并传入输入数据
    

  • nn.functional.xxx同时传入输入数据和weight、bias等其他参数

    weight = torch.rand(64,3,3,3)
    bias = torch.rand(64)
    out = nn.functional.conv2d(inputs, weight, bias, padding=1) # 调用函数的同时传入数据与参数
    

• nn.Xxx继承于nn.Module， 能够很好的与nn.Sequential结合使用， 而nn.functional.xxx无法与nn.Sequential结合使用。

  fm_layer = nn.Sequential(
              nn.Conv2d(3, 64, kernel_size=3, padding=1),
              nn.BatchNorm2d(num_features=64),
              nn.ReLU(),
              nn.MaxPool2d(kernel_size=2),
              nn.Dropout(0.2)
    
  

• nn.xxx不需要自己定义和管理weight，而functional.xxx需要自己定义weight，每次调用的时候都需要手动传入weight，不利于代码复用
  • 使用nn.xxx定义一个CNN

    class CNN(nn.Module):
        def __init__(self):
            super(CNN, self).__init__()
            
            self.cnn1 = nn.Conv2d(in_channels=1,  out_channels=16, kernel_size=5,padding=0)
            self.relu1 = nn.ReLU()
            self.maxpool1 = nn.MaxPool2d(kernel_size=2)
            
            self.cnn2 = nn.Conv2d(in_channels=16, out_channels=32, kernel_size=5,  padding=0)
            self.relu2 = nn.ReLU()
            self.maxpool2 = nn.MaxPool2d(kernel_size=2)
            
            self.linear1 = nn.Linear(4 * 4 * 32, 10)
            
        def forward(self, x):
            x = x.view(x.size(0), -1)
            out = self.maxpool1(self.relu1(self.cnn1(x)))
            out = self.maxpool2(self.relu2(self.cnn2(out)))
            out = self.linear1(out.view(x.size(0), -1))
            return out
    

  • 用nn.function.xxx的写法

    class CNN(nn.Module):
        
        
        def __init__(self):
            super(CNN, self).__init__()
            
            self.cnn1_weight = nn.Parameter(torch.rand(16, 1, 5, 5))
            self.bias1_weight = nn.Parameter(torch.rand(16))
            
            self.cnn2_weight = nn.Parameter(torch.rand(32, 16, 5, 5))
            self.bias2_weight = nn.Parameter(torch.rand(32))
            
            self.linear1_weight = nn.Parameter(torch.rand(4 * 4 * 32, 10))
            self.bias3_weight = nn.Parameter(torch.rand(10))
            
        def forward(self, x):
            x = x.view(x.size(0), -1)
            out = F.conv2d(x, self.cnn1_weight, self.bias1_weight)
            out = F.relu(out)
            out = F.max_pool2d(out)
            
            out = F.conv2d(x, self.cnn2_weight, self.bias2_weight)
            out = F.relu(out)
            out = F.max_pool2d(out)
            
            out = F.linear(x, self.linear1_weight, self.bias3_weight)
            return out
    

选择

根据问题的复杂度和个人风格喜好决定
一般在能使用nn.xxx的情况下尽量使用，因为这样更能显示出网络间的层次关系，也更加纯粹

在nn.xxx不能满足功能需求时可以使用nn.functional.xxx，因为nn.functional.xxx更接近底层，更灵活

• pytorch官方推荐：具有学习参数的（例如，conv2d, linear, batch_norm)采用nn.Xxx方式，没有学习参数的（例如，maxpool, loss func, activation func）等根据个人选择使用nn.functional.xxx或者nn.Xxx方式。

最大池化

介绍

池化的目的是保存主要内容的同时减少数据大小

用的比较多的为MaxPool2d，取kernel覆盖范围中最大的值输出

def MaxPool2d（kernel_size， stride=None， padding=0， dilation=1， return_indices=Flse，ceil_mode=False)

• kernel_size：采样窗口大小
• stride：步幅，注意这里默认值不一样了，卷积层为1，这里为kernel_size的大小
• padding：填充值
• dilation：kernel中每个格子中间是否存在间隔，一般不对其进行设置，有间隔时也称为空洞卷积
• ceil_mode：设置为True时使用ceil模式，设置为False时使用floor模式
  • ceil模式：kernel覆盖不足时（边界越界时），保留获取的数值
  • floor模式：kernel覆盖不足时，不保留获取的数值

使用方法

import torch
from torch import nn
input = torch.tensor([[1,2,0,3,1],
                      [0,1,2,3,1],
                      [1,2,1,0,0],
                      [5,2,3,1,1],
                      [2,1,0,1,1]],
                    #   dtype=torch.float32  # 如果报错时，可以尝试加上这一行
                      )

input = torch.reshape(input,(1,1,5,5)) # 使之满足输入要求

class Test(nn.Module):
    def __init__(self):
        super(Test,self).__init__()
        self.maxpool = nn.MaxPool2d(kernel_size=3,padding=0,ceil_mode=False)

    def forward(self,input):
        output = self.maxpool(input)
        return output

net = Test()
output = net(input)
print(output)

实例

import torch
from torch import nn
import torchvision
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter


dataset = torchvision.datasets.CIFAR10('./dataset',train=False,transform=torchvision.transforms.ToTensor())
dataloader = DataLoader(dataset, batch_size=4)

class Test(nn.Module):
    def __init__(self):
        super(Test,self).__init__()
        self.maxpool = nn.MaxPool2d(kernel_size=3,padding=0,ceil_mode=False)

    def forward(self,input):
        output = self.maxpool(input)
        return output

net = Test()
writer = SummaryWriter('logs')
step = 0

for data in dataloader:
    imgs, targets = data
    writer.add_images('input',imgs, step)
    output = net(imgs)   # 池化不会改变channel的数量，因此不需要reshape
    writer.add_images('output',output, step)
    step = step+1
writer.close()

非线性激活

官方文档有很多非线性函数，这里举几个例子

ReLU

ReLU有一个参数inplace：用于指明是否修改原值

• inplace=True：没有返回值，直接修改原值
• inplace=False：不修改原值，有结果作为返回值返回

from torch import nn
import torch

class Test(nn.Module):
    def __init__(self):
        super(Test, self).__init__()
        self.relu1 = nn.ReLU(inplace=False)

    def forward(self, input):
        output = self.relu1(input)
        return output

net = Test()

input = torch.tensor([[1,2,0,-3,1],
                      [0,1,-2,3,1],
                      [1,2,1,0,0],
                      [-5,2,3,1,1],
                      [-2,1,0,1,1]])

output = net(input)
print(output)

Sigmod

ReLU对图像的处理不明显，这里用sigmod举例

from torch import nn
import torch
from torch.utils.tensorboard import SummaryWriter
import torchvision
from torch.utils.data import DataLoader

dataset = torchvision.datasets.CIFAR10('./dataset',train=False,transform=torchvision.transforms.ToTensor())
dataloader = DataLoader(dataset=dataset, batch_size=64)

class Test(nn.Module):
    def __init__(self):
        super(Test, self).__init__()
        self.sigmoid1 = nn.Sigmoid()

    def forward(self, input):
        output = self.sigmoid1(input)
        return output

net = Test()
writer = SummaryWriter('logs')
step=0
for data in dataloader:
    imgs, targets = data
    writer.add_images('input',imgs,step)
    output = net(imgs)
    writer.add_images('output',output,step)
    step = step+1
writer.close()

Linear Layers：线性层

比较常见的这种图实际上就是由线性层一个一个搭建出来的

def torch.nn.Linear(in_features, out_features, bias=True, device=None, dtype=None

参数中的in_features指的就是上面输入层数据的个数（即d），out_features即为输出层个数（前半部分的输出层为中间的隐藏层），bias=True时，计算会加上偏置b

# 例：将图片（如5*5）展开成一行（如1*25），经过线性层转换为x个

import torchvision
import torch
from torch import nn
from torch.utils.data import DataLoader


datasets = torchvision.datasets.CIFAR10("./dataset",train=False,transform=torchvision.transforms.ToTensor(),download=True)
dataloader = DataLoader(datasets, batch_size=64)

class Test(nn.Module):
    def __init__(self):
        super(Test, self).__init__()
        self.liner1 = nn.Linear(196608,10)
    
    def forward(self, input):
        output = self.liner1(input)
        return output

net = Test()

for data in dataloader:
    imgs, targets = data
    print("原始大小：",imgs.shape) 

    # output = torch.reshape(imgs,(1,1,1,-1)) # 将imgs展开成一行 输出效果见第一张图
    # 这里也可以直接用torch.flatten(imgs)来展开
    output = torch.flatten(imgs)  # 输出效果见第二张图
    print("转化为一维", output.shape)  # 先用这个来看一下展开后的大小，这是决定了线性层的输入大小
    # break
    
    output2 = net(output)
    print("线性层转化后", output2.shape)
    break

使用reshape：

使用torch.flatten：

其它层

Normalization 正则化层： 采用正则化的话会提高神经网络的训练速度
Recurrent Layers：一些特定的网络结构，含有RNN、LSTM等
Transformer Layers：已经写好的特定结构，与上面类似
Dropout Layers：也是在特定网络中才需要
Distance Functions：计算两个层之间的误差
Loss Functions：计算loss