日萌社
人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新)
使用Pytorch實現手寫數字識別
目標
- 知道如何使用Pytorch完成神經網絡的構建
- 知道Pytorch中激活函數的使用方法
- 知道Pytorch中
torchvision.transforms
中常見圖形處理函數的使用 - 知道如何訓練模型和如何評估模型
1. 思路和流程分析
流程:
- 準備數據,這些需要準備DataLoader
- 構建模型,這裏可以使用torch構造一個深層的神經網絡
- 模型的訓練
- 模型的保存,保存模型,後續持續使用
- 模型的評估,使用測試集,觀察模型的好壞
2. 準備訓練集和測試集
準備數據集的方法前面已經講過,但是通過前面的內容可知,調用MNIST返回的結果中圖形數據是一個Image對象,需要對其進行處理
爲了進行數據的處理,接下來學習torchvision.transfroms
的方法
2.1 torchvision.transforms
的圖形數據處理方法
2.1.1 torchvision.transforms.ToTensor
把一個取值範圍是[0,255]
的PIL.Image
或者shape
爲(H,W,C)
的numpy.ndarray
,轉換成形狀爲[C,H,W]
其中(H,W,C)
意思爲(高,寬,通道數)
,黑白圖片的通道數只有1,其中每個像素點的取值爲[0,255],彩色圖片的通道數爲(R,G,B),每個通道的每個像素點的取值爲[0,255],三個通道的顏色相互疊加,形成了各種顏色
示例如下:
from torchvision import transforms
import numpy as np
data = np.random.randint(0, 255, size=12)
img = data.reshape(2,2,3)
print(img.shape)
img_tensor = transforms.ToTensor()(img) # 轉換成tensor
print(img_tensor)
print(img_tensor.shape)
輸出如下:
shape:(2, 2, 3)
img_tensor:tensor([[[215, 171],
[ 34, 12]],
[[229, 87],
[ 15, 237]],
[[ 10, 55],
[ 72, 204]]], dtype=torch.int32)
new shape:torch.Size([3, 2, 2])
注意:
transforms.ToTensor
對象中有__call__
方法,所以可以對其示例能夠傳入數據獲取結果
2.1.2 torchvision.transforms.Normalize(mean, std)
給定均值:mean,shape和圖片的通道數相同(指的是每個通道的均值),方差:std,和圖片的通道數相同(指的是每個通道的方差),將會把Tensor
規範化處理。
即:Normalized_image=(image-mean)/std
。
例如:
from torchvision import transforms
import numpy as np
import torchvision
data = np.random.randint(0, 255, size=12)
img = data.reshape(2,2,3)
img = transforms.ToTensor()(img) # 轉換成tensor
print(img)
print("*"*100)
norm_img = transforms.Normalize((10,10,10), (1,1,1))(img) #進行規範化處理
print(norm_img)
輸出如下:
tensor([[[177, 223],
[ 71, 182]],
[[153, 120],
[173, 33]],
[[162, 233],
[194, 73]]], dtype=torch.int32)
***************************************************************************************
tensor([[[167, 213],
[ 61, 172]],
[[143, 110],
[163, 23]],
[[152, 223],
[184, 63]]], dtype=torch.int32)
注意:在sklearn中,默認上式中的std和mean爲數據每列的std和mean,sklearn會在標準化之前算出每一列的std和mean。
但是在api:Normalize中並沒有幫我們計算,所以我們需要手動計算
-
當mean爲全部數據的均值,std爲全部數據的std的時候,纔是進行了標準化。
-
如果mean(x)不是全部數據的mean的時候,std(y)也不是的時候,Normalize後的數據分佈滿足下面的關係
2.1.3 torchvision.transforms.Compose(transforms)
將多個transform
組合起來使用。
例如
transforms.Compose([
torchvision.transforms.ToTensor(), #先轉化爲Tensor
torchvision.transforms.Normalize(mean,std) #在進行正則化
])
2.2 準備MNIST數據集的Dataset和DataLoader
準備訓練集
import torchvision
#準備數據集,其中0.1307,0.3081爲MNIST數據的均值和標準差,這樣操作能夠對其進行標準化
#因爲MNIST只有一個通道(黑白圖片),所以元組中只有一個值
dataset = torchvision.datasets.MNIST('/data', train=True, download=True,
transform=torchvision.transforms.Compose([
torchvision.transforms.ToTensor(),
torchvision.transforms.Normalize(
(0.1307,), (0.3081,))
]))
#準備數據迭代器
train_dataloader = torch.utils.data.DataLoader(dataset,batch_size=64,shuffle=True)
準備測試集
import torchvision
#準備數據集,其中0.1307,0.3081爲MNIST數據的均值和標準差,這樣操作能夠對其進行標準化
#因爲MNIST只有一個通道(黑白圖片),所以元組中只有一個值
dataset = torchvision.datasets.MNIST('/data', train=False, download=True,
transform=torchvision.transforms.Compose([
torchvision.transforms.ToTensor(),
torchvision.transforms.Normalize(
(0.1307,), (0.3081,))
]))
#準備數據迭代器
train_dataloader = torch.utils.data.DataLoader(dataset,batch_size=64,shuffle=True)
3. 構建模型
補充:全連接層:當前一層的神經元和前一層的神經元相互鏈接,其核心操作就是y = wx,即矩陣的乘法,實現對前一層的數據的變換
模型的構建使用了一個三層的神經網絡,其中包括兩個全連接層和一個輸出層,第一個全連接層會經過激活函數的處理,將處理後的結果交給下一個全連接層,進行變換後輸出結果
那麼在這個模型中有兩個地方需要注意:
- 激活函數如何使用
- 每一層數據的形狀
- 模型的損失函數
3.1 激活函數的使用
前面介紹了激活函數的作用,常用的激活函數爲Relu激活函數,他的使用非常簡單
Relu激活函數由import torch.nn.functional as F
提供,F.relu(x)
即可對x進行處理
例如:
In [30]: b
Out[30]: tensor([-2, -1, 0, 1, 2])
In [31]: import torch.nn.functional as F
In [32]: F.relu(b)
Out[32]: tensor([0, 0, 0, 1, 2])
3.2 模型中數據的形狀(【添加形狀變化圖形】)
- 原始輸入數據爲的形狀:
[batch_size,1,28,28]
- 進行形狀的修改:
[batch_size,28*28]
,(全連接層是在進行矩陣的乘法操作) - 第一個全連接層的輸出形狀:
[batch_size,28]
,這裏的28是個人設定的,你也可以設置爲別的 - 激活函數不會修改數據的形狀
- 第二個全連接層的輸出形狀:
[batch_size,10]
,因爲手寫數字有10個類別
構建模型的代碼如下:
import torch
from torch import nn
import torch.nn.functional as F
class MnistNet(nn.Module):
def __init__(self):
super(MnistNet,self).__init__()
self.fc1 = nn.Linear(28*28*1,28) #定義Linear的輸入和輸出的形狀
self.fc2 = nn.Linear(28,10) #定義Linear的輸入和輸出的形狀
def forward(self,x):
x = x.view(-1,28*28*1) #對數據形狀變形,-1表示該位置根據後面的形狀自動調整
x = self.fc1(x) #[batch_size,28]
x = F.relu(x) #[batch_size,28]
x = self.fc2(x) #[batch_size,10]
可以發現:pytorch在構建模型的時候形狀上
並不會考慮batch_size
3.3 模型的損失函數
首先,我們需要明確,當前我們手寫字體識別的問題是一個多分類的問題,所謂多分類對比的是之前學習的2分類
回顧之前的課程,我們在邏輯迴歸中,我們使用sigmoid進行計算對數似然損失,來定義我們的2分類的損失。
對於這個softmax輸出的結果,是在[0,1]區間,我們可以把它當做概率
和前面2分類的損失一樣,多分類的損失只需要再把這個結果進行對數似然損失的計算即可
即:
最後,會計算每個樣本的損失,即上式的平均值
我們把softmax概率傳入對數似然損失得到的損失函數稱爲交叉熵損失
在pytorch中有兩種方法實現交叉熵損失
-
criterion = nn.CrossEntropyLoss() loss = criterion(input,target)
-
#1. 對輸出值計算softmax和取對數 output = F.log_softmax(x,dim=-1) #2. 使用torch中帶權損失 loss = F.nll_loss(output,target)
帶權損失定義爲:
4. 模型的訓練
訓練的流程:
- 實例化模型,設置模型爲訓練模式
- 實例化優化器類,實例化損失函數
- 獲取,遍歷dataloader
- 梯度置爲0
- 進行向前計算
- 計算損失
- 反向傳播
- 更新參數
mnist_net = MnistNet()
optimizer = optim.Adam(mnist_net.parameters(),lr= 0.001)
def train(epoch):
mode = True
mnist_net.train(mode=mode) #模型設置爲訓練模型
train_dataloader = get_dataloader(train=mode) #獲取訓練數據集
for idx,(data,target) in enumerate(train_dataloader):
optimizer.zero_grad() #梯度置爲0
output = mnist_net(data) #進行向前計算
loss = F.nll_loss(output,target) #帶權損失
loss.backward() #進行反向傳播,計算梯度
optimizer.step() #參數更新
if idx % 10 == 0:
print('Train Epoch: {} [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format(
epoch, idx * len(data), len(train_dataloader.dataset),
100. * idx / len(train_dataloader), loss.item()))
5. 模型的保存和加載
5.1 模型的保存
torch.save(mnist_net.state_dict(),"model/mnist_net.pt") #保存模型參數
torch.save(optimizer.state_dict(), 'results/mnist_optimizer.pt') #保存優化器參數
5.2 模型的加載
mnist_net.load_state_dict(torch.load("model/mnist_net.pt"))
optimizer.load_state_dict(torch.load("results/mnist_optimizer.pt"))
6. 模型的評估
評估的過程和訓練的過程相似,但是:
- 不需要計算梯度
- 需要收集損失和準確率,用來計算平均損失和平均準確率
- 損失的計算和訓練時候損失的計算方法相同
- 準確率的計算:
- 模型的輸出爲[batch_size,10]的形狀
- 其中最大值的位置就是其預測的目標值(預測值進行過sotfmax後爲概率,sotfmax中分母都是相同的,分子越大,概率越大)
- 最大值的位置獲取的方法可以使用
torch.max
,返回最大值和最大值的位置 - 返回最大值的位置後,和真實值(
[batch_size]
)進行對比,相同表示預測成功
def test():
test_loss = 0
correct = 0
mnist_net.eval() #設置模型爲評估模式
test_dataloader = get_dataloader(train=False) #獲取評估數據集
with torch.no_grad(): #不計算其梯度
for data, target in test_dataloader:
output = mnist_net(data)
test_loss += F.nll_loss(output, target, reduction='sum').item()
pred = output.data.max(1, keepdim=True)[1] #獲取最大值的位置,[batch_size,1]
correct += pred.eq(target.data.view_as(pred)).sum() #預測準備樣本數累加
test_loss /= len(test_dataloader.dataset) #計算平均損失
print('\nTest set: Avg. loss: {:.4f}, Accuracy: {}/{} ({:.2f}%)\n'.format(
test_loss, correct, len(test_dataloader.dataset),
100. * correct / len(test_dataloader.dataset)))
7. 完整的代碼如下:
import torch
from torch import nn
from torch import optim
import torch.nn.functional as F
import torchvision
train_batch_size = 64
test_batch_size = 1000
img_size = 28
def get_dataloader(train=True):
assert isinstance(train,bool),"train 必須是bool類型"
#準備數據集,其中0.1307,0.3081爲MNIST數據的均值和標準差,這樣操作能夠對其進行標準化
#因爲MNIST只有一個通道(黑白圖片),所以元組中只有一個值
dataset = torchvision.datasets.MNIST('/data', train=train, download=True,
transform=torchvision.transforms.Compose([
torchvision.transforms.ToTensor(),
torchvision.transforms.Normalize((0.1307,), (0.3081,)),]))
#準備數據迭代器
batch_size = train_batch_size if train else test_batch_size
dataloader = torch.utils.data.DataLoader(dataset,batch_size=batch_size,shuffle=True)
return dataloader
class MnistNet(nn.Module):
def __init__(self):
super(MnistNet,self).__init__()
self.fc1 = nn.Linear(28*28*1,28)
self.fc2 = nn.Linear(28,10)
def forward(self,x):
x = x.view(-1,28*28*1)
x = self.fc1(x) #[batch_size,28]
x = F.relu(x) #[batch_size,28]
x = self.fc2(x) #[batch_size,10]
# return x
return F.log_softmax(x,dim=-1)
mnist_net = MnistNet()
optimizer = optim.Adam(mnist_net.parameters(),lr= 0.001)
# criterion = nn.NLLLoss()
# criterion = nn.CrossEntropyLoss()
train_loss_list = []
train_count_list = []
def train(epoch):
mode = True
mnist_net.train(mode=mode)
train_dataloader = get_dataloader(train=mode)
print(len(train_dataloader.dataset))
print(len(train_dataloader))
for idx,(data,target) in enumerate(train_dataloader):
optimizer.zero_grad()
output = mnist_net(data)
loss = F.nll_loss(output,target) #對數似然損失
loss.backward()
optimizer.step()
if idx % 10 == 0:
print('Train Epoch: {} [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format(
epoch, idx * len(data), len(train_dataloader.dataset),
100. * idx / len(train_dataloader), loss.item()))
train_loss_list.append(loss.item())
train_count_list.append(idx*train_batch_size+(epoch-1)*len(train_dataloader))
torch.save(mnist_net.state_dict(),"model/mnist_net.pkl")
torch.save(optimizer.state_dict(), 'results/mnist_optimizer.pkl')
def test():
test_loss = 0
correct = 0
mnist_net.eval()
test_dataloader = get_dataloader(train=False)
with torch.no_grad():
for data, target in test_dataloader:
output = mnist_net(data)
test_loss += F.nll_loss(output, target, reduction='sum').item()
pred = output.data.max(1, keepdim=True)[1] #獲取最大值的位置,[batch_size,1]
correct += pred.eq(target.data.view_as(pred)).sum()
test_loss /= len(test_dataloader.dataset)
print('\nTest set: Avg. loss: {:.4f}, Accuracy: {}/{} ({:.2f}%)\n'.format(
test_loss, correct, len(test_dataloader.dataset),
100. * correct / len(test_dataloader.dataset)))
if __name__ == '__main__':
test()
for i in range(5): #模型訓練5輪
train(i)
test()
使用Pytorch實現手寫數字識別
import torch
import torch.nn as nn
import torch.nn.functional as F
from torchvision import datasets, transforms
from torch.utils.data import DataLoader
#定義一些參數
BATCH_SIZE = 64
EPOCHS = 10
# DEVICE = torch.device("cuda" if torch.cuda.is_available() else "cpu")
DEVICE = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
#圖像預處理
transform = transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))
])
#訓練集
train_set = datasets.MNIST('data', train=True, transform=transform, download=True)
train_loader = DataLoader(train_set,
batch_size=BATCH_SIZE,
shuffle=True)
#測試集
test_set = datasets.MNIST('data', train=False, transform=transform, download=True)
test_loader = DataLoader(test_set,
batch_size=BATCH_SIZE,
shuffle=True)
# 搭建模型
class ConvNet(nn.Module):
# 圖像輸入是(batch,1,28,28)
def __init__(self):
super().__init__()
self.conv1 = nn.Conv2d(1, 10, (3, 3)) # 輸入通道數爲1,輸出通道數爲10,卷積核(3,3)
self.conv2 = nn.Conv2d(10, 32, (3, 3)) # 輸入通道數爲10,輸出通道數爲32,卷積核(3,3)
self.fc1 = nn.Linear(12 * 12 * 32, 100) #定義Linear全鏈接層 的輸入形狀(不包含batch_size) 12 * 12 * 32,輸出形狀 100
self.fc2 = nn.Linear(100, 10) #定義Linear全鏈接層 的輸入形狀(不包含batch_size) 100,輸出形狀 10
self.dropout =nn.Dropout() #元素歸零的概率。默認值:0.5
def forward(self, x):
x = self.conv1(x) # (batch,10,26,26)
#BN:每個隱層神經元的激活值做BN,可以想象成每個隱層又加上了一層BN操作層,它位於A=X*W+B激活值獲得之後,非線性函數變換之前
x = F.relu(x)
x = self.conv2(x) # (batch,32,24,24)
x = F.relu(x)
x = F.max_pool2d(x, (2, 2)) # (batch,32,12,12)
x = x.view(x.size(0), -1) # flatten 形狀變成 (batch,12*12*32)
x = self.fc1(x) # (batch,100)
x = F.relu(x)
x = self.fc2(x) # (batch,10)
out = F.log_softmax(x, dim=1) # softmax激活並取對數,數值上更穩定
return out
# 定義模型和優化器
model = ConvNet().to(DEVICE) # 模型移至GPU
optimizer = torch.optim.Adam(model.parameters())
# 定義訓練函數
def train(model, device, train_loader, optimizer, epoch): # 跑一個epoch
# 開啓訓練模式,即啓用BatchNormalization和Dropout等。僅僅當模型中有Dropout和BatchNorm是纔會有影響。
model.train()
for batch_idx, (data, target) in enumerate(train_loader): # 每次產生一個batch
data, target = data.to(device), target.to(device) # 產生的數據移至GPU
output = model(data)
"""
#1. 對輸出值計算softmax和取對數
output = F.log_softmax(x,dim=-1)
#2. 使用torch中帶權損失
loss = F.nll_loss(output,target)
"""
#交叉熵損失:nn.CrossEntropyLoss(),常用於分類問題
loss = F.nll_loss(output, target) # CrossEntropyLoss = log_softmax + NLLLoss
optimizer.zero_grad() # 設置當前該次循環時的參數梯度置爲0,即梯度清零
loss.backward() # 反向傳播求所有參數梯度
optimizer.step() # 沿負梯度方向 更新參數的值
if (batch_idx + 1) % 10 == 0:
# print("批量大小:",len(data))
# print("batch批數:",len(train_loader))
# print("樣本總數:",len(train_loader.dataset))
# len(data) 批量大小,len(train_loader)爲batch批數,len(train_loader.dataset)爲樣本總數
print('Train Epoch: {} [{}/{} ({:.1f}%)]\tLoss: {:.6f}'.format(
epoch, (batch_idx + 1) * len(data), len(train_loader.dataset),
100. * (batch_idx + 1) / len(train_loader), loss.item()))
# 定義測試函數
def eval_test(model, device, test_loader):
# 測試模式,不啓用BatchNormalization和Dropout。僅僅當模型中有Dropout和BatchNorm是纔會有影響。
model.eval()
test_loss = 0
correct = 0
with torch.no_grad(): # 避免梯度跟蹤,不計算其梯度
for data, target in test_loader:
data, target = data.to(device), target.to(device)
output = model(data)
test_loss += F.nll_loss(output, target, reduction='sum').item() # 將一批損失相加
# output.max 效果等同於 pred = torch.argmax(output, dim=1, keepdim=True)
pred = output.max(1, keepdim=True)[1] # 找到概率最大的下標,獲取最大值的位置
# print("最大值結果:",output.max(1, keepdim=True)[0])
# print("概率最大的下標:",pred)
# print("真實標籤的下標:",target.view_as(pred))
correct += pred.eq(target.view_as(pred)).sum().item() #預測準備樣本數累加
# len(data) 批量大小,len(test_loader)爲batch批數,len(test_loader.dataset)爲樣本總數
test_loss /= len(test_loader.dataset)
print('\nTest set: Average loss: {:.4f}, Accuracy: {}/{} ({:.1f}%)\n'.format(
test_loss, correct, len(test_loader.dataset),
100. * correct / len(test_loader.dataset)))
"""
max()有兩種用法
1.torch.max(input_tensor, dim, [keepdim]) 直接傳入一個input_tensor,返回一個tuple,
前者爲最大值結果,後者爲indices(效果同argmax)
2.output.max() 與 torch.max()類似,只不過output.max()無需傳入input_tensor
"""
# 開始訓練
for epoch in range(1, EPOCHS + 1):
train(model, DEVICE, train_loader, optimizer, epoch)
eval_test(model, DEVICE, test_loader)