使用PyTorch训练一个图像分类器实例

Python  /  管理员 发布于 5年前   337

如下所示：

import torchimport torchvisionimport torchvision.transforms as transformsimport matplotlib.pyplot as pltimport numpy as npprint("torch: %s" % torch.__version__)print("tortorchvisionch: %s" % torchvision.__version__)print("numpy: %s" % np.__version__)

Out:

torch: 1.0.0tortorchvisionch: 0.2.1numpy: 1.15.4

数据从哪儿来？

通常来说，你可以通过一些python包来把图像、文本、音频和视频数据加载为numpy array。然后将其转换为torch.*Tensor。

图像。Pillow、OpenCV是用得比较多的

音频。scipy和librosa

文本。纯Python或者Cython就可以完成数据加载，可以在NLTK和SpaCy找到数据

对于计算机视觉而言，我们有torchvision包，它可以用来加载一下常用数据集如Imagenet、CIFAR10、MINIST等等，也有一些常用的为图像准备数据转换例如torchvision.datasets和torch.utils.data.DataLoader。

这次的教程中，我们使用CIFAR10数据集，他有‘airplane', ‘automobile', ‘bird', ‘cat', ‘deer', ‘dog', ‘frog', ‘horse', ‘ship', ‘truck'这几个类别的图像。图像大小都是3x32x32的。也就是说，图像都是三通道的，每一张图的尺寸都是32x32。

训练一个图像分类器

步骤如下：

使用torchvision加载、归一化训练集和测试集

定义卷积神经网络

定义损失函数

使用训练集训练网络

使用测试集测试网络

1. 加载、归一化CIFAR10

我们可以使用torchvision很轻松的完成

torchvision的数据集是基于PILImage的，数值是[0, 1]，我们需要将其转成范围为[-1, 1]的Tensor

transform = transforms.Compose([  transforms.ToTensor(),  transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])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=4)testset = torchvision.datasets.CIFAR10(root='./data', train=False,         download=True, transform=transform)testloader = torch.utils.data.DataLoader(testset, batch_size=4,          shuffle=True, num_workers=4)classes = ('plane', 'car', 'bird', 'cat',       'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

Out:

Downloading https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./data/cifar-10-python.tar.gzFiles already downloaded and verified

让我们来看看训练集的图片

# 显示一张图片def imshow(img):  img = img / 2 + 0.5   # 逆归一化  npimg = img.numpy()  plt.imshow(np.transpose(npimg, (1, 2, 0)))  plt.show()# 任意地拿到一些图片dataiter = iter(trainloader)images, labels = dataiter.next()# 显示图片imshow(torchvision.utils.make_grid(images))# 显示类标print(' '.join('%5s' % classes[labels[j]] for j in range(4)))

Out:

truck  dog ship  dog

2. 定义卷积神经网络

可以直接复制神经网络的代码，修改里面的几层即可。

import torch.nn as nnimport torch.nn.functional as Fclass 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 xnet = Net()

3. 定义损失函数和优化器

使用多分类交叉熵损失函数，和带有momentum的SGD作为优化器

import torch.optim as optimcriterion = nn.CrossEntropyLoss()optimizer = optim.SGD(net.parameters(), lr=1e-3, momentum=0.9)

4. 训练网络

我们直接使用循环语句遍历数据集即可完成训练

nums_epoch = 2for epoch in range(nums_epoch):  _loss = 0.0  for i, (inputs, labels) in enumerate(trainloader, 0):    inputs, labels = inputs.to(device), labels.to(device)    optimizer.zero_grad()        outputs = net(inputs)    loss = criterion(outputs, labels)    loss.backward()    optimizer.step()        _loss += loss.item()    if i % 2000 == 1999:  # 每2000步打印一次损失值      print('[%d, %5d] loss: %.3f' %         (epoch + 1, i + 1, _loss / 2000))      _loss = 0.0print('Finished Training')

Out:

[1, 2000] loss: 1.178[1, 4000] loss: 1.200[1, 6000] loss: 1.168[1, 8000] loss: 1.175[1, 10000] loss: 1.185[1, 12000] loss: 1.165[2, 2000] loss: 1.073[2, 4000] loss: 1.066[2, 6000] loss: 1.100[2, 8000] loss: 1.107[2, 10000] loss: 1.083[2, 12000] loss: 1.103Finished Training

5. 测试网络

这个网络已经训练了两个epoch，我们现在来看看这个网络是不是学到了一些什么东西。

我们让这个神经网络预测几张图片，看看它的答案与真实答案的差别。

下面我们选取一些测试数据集中的数据，看看他们的真实标签。

# 展示测试数据集dataiter = iter(testloader)images, labels = dataiter.next()imshow(torchvision.utils.make_grid(images))print('GraoundTruth: ', ' '.join(['%5s' % classes[labels[j]] for j in range(4)]))

Out:

GraoundTruth:  ship ship deer ship

接着我们让神经网络来给出预测标签

神经网络的输出是10个信号值，信号值最高的那个神经元表示整个网络的预测值，所以我们需要拿到信号最强的那个节点的索引值

# 展示预测值outputs = net(images)_, predicted = torch.max(outputs, 1)print('Predicted: ', ' '.join(['%5s' % classes[predicted[j]] for j in range(4)]))

Out:

Predicted:  car ship horse ship

下面我们对整个测试集做一次评估：

# 评估测试数据集correct, total = 0, 0with torch.no_grad():  for images, labels in testloader:    outputs = net(images)    _, predicted = torch.max(outputs, 1)    total += labels.size(0)    correct += (labels == predicted).sum().item()  print('Accuracy of the network on the 10000 test images: %d %%' % (  100 * correct / total))

Out:

Accuracy of the network on the 10000 test images: 58 %

整个结果比随机猜要好得多（随机猜是10%的概率）。看来我们的神经网络还是学到了点东西。

下面我们来看看它在哪一个类别的分类上做得最好：

# 按类标评估n_classes = len(classes)class_correct, class_total = [0]*n_classes, [0]* n_classeswith torch.no_grad():  for images, labels in testloader:    outputs = net(images)    _, predicted = torch.max(outputs, 1)    is_correct = (labels == predicted).squeeze()    for i in range(len(labels)):      label = labels[i]      class_total[label] += 1      class_correct[label] += is_correct[i].item()for i in range(n_classes):  print('Accuracy of %5s: %.2f %%' % (    classes[i], 100.0 * class_correct[i] / class_total[i]  ))

Out:

Accuracy of plane: 67.00 %Accuracy of  car: 71.50 %Accuracy of bird: 55.20 %Accuracy of  cat: 45.60 %Accuracy of deer: 38.20 %Accuracy of  dog: 47.00 %Accuracy of frog: 78.80 %Accuracy of horse: 55.90 %Accuracy of ship: 72.70 %Accuracy of truck: 57.50 %

在GPU上训练

就像把Tensor从CPU转移到GPU一样，神经网络也可以转移到GPU上

首先需要检查是否有可用的GPU

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")# 假设我们在支持CUDA的机器上，我们可以打印出CUDA设备：print(device)

Out:

cuda:0

我们假设device已经是CUDA设备了

下面命令将递归的将所有模块和参数、缓存转移到CUDA设备上去

net.to(device)

Out:

Net( (conv1): Conv2d(3, 6, kernel_size=(5, 5), stride=(1, 1)) (pool): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False) (conv2): Conv2d(6, 16, kernel_size=(5, 5), stride=(1, 1)) (fc1): Linear(in_features=400, out_features=120, bias=True) (fc2): Linear(in_features=120, out_features=84, bias=True) (fc3): Linear(in_features=84, out_features=10, bias=True))

注意，在训练过程中的传入输入数据时，也需要转移到GPU上

并且，需要重新实例化优化器，否则会报错

inputs, labels = inputs.to(device), labels.to(device)

练习：尝试增加神经网络的宽度。第一个nn.Conv2d的第二个参数和第二个nn.Conv2d的第一个参数的值必须一样。看看会有什么样的效果。

以上这篇使用PyTorch训练一个图像分类器实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。