神經網絡
如下所示爲一個基本的卷積神經網絡的模型,將圖像輸入之後經過卷積操作提取特徵,再經過降採樣操作後輸出到下一層。經過多次多個卷積、池化層之後結果輸出到全連接層,經過全連接映射到最終結果。
一個神經網絡的典型訓練過程可以分爲如下幾步:
- 定義神經網絡,包含一些可學習參數(或者叫權重)
- 將數據輸入網絡進行訓練,並計算損失值
- 將梯度反向傳播給網絡的參數,據此更新網絡的權重,並再次訓練
定義網絡
如下所示爲我們定義的神經網絡類NeuralNet。
首先它繼承自父類nn.Module
,從import可以看到從torch中分別引入了torch.nn
和torch.functional
,其中nn用於保存常用的神經網絡類,而functional
庫中則是一些網絡操作。nn.Module
類有兩個子類必須重寫的方法,初始化方法__init__
用於定義網絡結構,forward()
中定義網絡訓練操作,當網絡對象被調用時會自動執行該方法。
在構造函數__init__
中我們定義網絡的結構,這裏定義了網絡的兩個卷積層爲torch.nn庫中的二維卷積函數Conv2d()
,nn.Conv2d(1, 6, (5, 5))
代表輸入數據的通道數爲1,輸出通道數爲5,卷積核爲5×5,卷積核長和寬一致的話可以簡寫爲5。用nn.Linear
實現全連接操作,輸入數據長度爲16 * 5 * 5,這是由於之前conv2輸出的16通道的5×5的數據,輸出長度120的數據。經過三個全連接層輸出長度爲10
在forward()
方法中實現網絡的訓練過程,將輸入數據input_x經過conv1的卷積操作後經過激活函數relu
,最後經過池化操作max_pool2d
得到第一個卷積層的輸出layer1,同樣操作後得到第二個卷積層layer2。將卷積的結果通過flat_features()
降維,經過第二個卷積層layer2爲四維數據[1, 16, 5, 5],通過tensor.size()[1:]選擇第一個維度以後的維度相乘得到features爲1655=400,通過tensor.view(-1,400)
將其轉化爲長度400的二維數據。最後經過三個全連接層後輸出。
import torch
from torch import nn
from torch.nn import functional as Func
class NeuralNet(nn.Module):
def __init__(self):
super(NeuralNet, self).__init__()
# 兩個卷積層
self.conv1 = nn.Conv2d(1, 6, (5, 5))
self.conv2 = nn.Conv2d(6, 16, 5)
# 三個全連接層
self.fc1 = nn.Linear(16 * 5 * 5, 120)
self.fc2 = nn.Linear(120, 84)
self.fc3 = nn.Linear(84, 10)
def forward(self, input_x):
# 進行兩次卷積、池化操作
layer1 = Func.max_pool2d(Func.relu(self.conv1(input_x)), (2, 2))
layer2 = Func.max_pool2d(Func.relu(self.conv2(layer1)), (2, 2))
# 降維
flat = self.flat_features(layer2)
# 經過三個全連接層
fc1 = Func.relu(self.fc1(flat))
fc2 = Func.relu(self.fc2(fc1))
fc3 = self.fc3(fc2)
return fc3
def flat_features(self, tensor):
features = 1
for size in tensor.size()[1:]:
features *= size
flat = tensor.view(-1, features)
return flat
# 創建一個neural_net對象並打印
neural_net = NeuralNet()
print(neural_net)
'''
NeuralNet(
(conv1): Conv2d(1, 6, kernel_size=(5, 5), stride=(1, 1))
(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)
)
'''
訓練網絡
如下所示爲將數據送入網絡訓練並計算損失值的過程。
首先通過torch.randn()
生成四維的隨機數據,由於我們之前定義網絡中Conv2d()
函數接收的數據要求是四維的,其中第一維度代表樣本數據的個數,第二維代表數據的通道數,第3、4維代表數據大小,這裏是32×32的網格。然後將生成的數據送入neural_net()
,這裏會自動調用該對象的forward()
方法進行模型訓練並輸出結果。
得到輸出結果y_output之後通過和目標值進行比較即可得出損失值,這裏仍然使用randn創建目標值y_target,注意目標值要和輸出值維度相同,我們輸入的樣本數量爲1,最後經全連接層fc3產生的結果長度爲10,所以y_output維度爲(1, 10),因此y_target也是二維1×10的數據。定義評價函數criterion爲nn.MSELoss(),即計算輸出和目標的均方誤差(mean-squared error)。
x = torch.randn(1, 1, 32, 32) # 隨機產生輸入數據
y_output = neural_net(x) # 輸入數據並進行訓練
y_target = torch.randn(1, 10) # 隨機產生目標數據
criterion = nn.MSELoss() # 定義評價函數
loss = criterion(y_output, y_target) # 計算損失值
反向傳播
由之前定義的網絡可知我們的從輸入到輸出,數據經過的函數操作如下,
input -> conv2d -> relu -> maxpool2d -> conv2d -> relu -> maxpool2d
-> view -> linear -> relu -> linear -> relu -> linear
-> MSELoss
-> loss
通過tensor的grad_fn
屬性記錄了這些函數操作,例如從loss向前回退查看grad_fn
print(loss.grad_fn) # MSELoss
print(loss.grad_fn.next_functions[0][0]) # Linear
print(loss.grad_fn.next_functions[0][0].next_functions[0][0]) # ReLU
我們進行反向傳播操作,然後就可以查看各層網絡參數的梯度
neural_net.zero_grad() # 清零所有參數(parameter)的梯度緩存
loss.backward() # 反向傳播
print(neural_net.conv1.bias.grad) # 查看梯度
# tensor([-0.0046, -0.0087, 0.0390, 0.0045, -0.0096, 0.0028])
根據得到的梯度對網絡的參數進行更新,例如這裏使用隨機梯度下降法進行更新,其公式爲weight = weight - learning_rate * gradient,即在原有權重的基礎上,根據學習率learning_rate
減少一定梯度。如下所示遍歷網絡的所有參數neural_net.parameters
並對其進行更新
learning_rate = 0.01
for param in neural_net.parameters():
param.data.sub_(param.grad.data * learning_rate)
然而在使用神經網絡時,我們可能希望使用各種不同的更新規則,如SGD、Nesterov-SGD、Adam、RMSProp等。在torch.optim
庫實現了所有的這些方法,如下所示,首先創建優化器optimizer
,然後進行多次迭代訓練
import torch.optim as optim
# 創建優化器(optimizer)
optimizer = optim.SGD(neural_net.parameters(), lr=0.01)
# 在訓練的迭代中:
for epoch in range(100):
optimizer.zero_grad() # 清零梯度緩存
output = neural_net(x)
loss = criterion(y_output, y_target)
loss.backward()
optimizer.step() # 自動更新參數
CIFAR10圖片識別
卷積神經網絡一個常用的領域就是圖片分類,而圖片分類中最經典的就是對CIFAR10圖片數據集進行分類。它是一個包含“飛機”,“汽車”,“鳥”,“貓”,“鹿”,“狗”,“青蛙”,“馬”,“船”,“卡車”10中類別的圖片庫。在CIFAR-10裏面的圖片數據大小是3x32x32,即:三通道彩色圖像,圖像大小是32x32像素。
準備數據
pytorch的torchvision
提供了CIFAR10庫,通過torchvision.datasets.CIFAR10
加載該數據集。root爲數據集的路徑,如果該路徑下沒有數據,則會從指定站點下載並保存到該路徑,train
屬性標誌是訓練集還是測試集數據。transform
指定了對數據進行的預處理操作。例如這裏將兩個預處理操作通過Compose
放在了transform中,第一步ToTensor將數據轉化爲張量,第二步通過Normalize()
將數據化爲正態分佈值。前面的(0.5,0.5,0.5)是 R G B 三個通道上的均值,後面(0.5, 0.5, 0.5)是三個通道的標準差,Normalize對每個通道執行以下操作:image =(圖像-平均值)/ std。當mean,std都是0.5時將使圖像在[-1,1]範圍內歸一化。例如,最小值0將轉換(0-0.5)/0.5=-1
接着使用DataLoader
將數據分爲多個批次,batch_size
指定每個批次包含幾個圖片,shuffle
爲是否打亂圖片,num_workers
指定多個線程去加載數據。當訓練很快、加載數據時間過慢時會導致模型等待數據加載而變慢,這時可以採用多線程來加載數據。
import torch
import torchvision
# 定義數據預處理操作
transform=torchvision.transforms.Compose([
torchvision.transforms.ToTensor(),
torchvision.transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
])
# 加載數據
data_path = 'D:/Temp/MachineLearning/data'
train_set = torchvision.datasets.CIFAR10(root=data_path, train=True, download=True, transform=transform)
test_set = torchvision.datasets.CIFAR10(root=data_path, train=False, download=True, transform=transform)
# 封裝爲批數據
train_loader = torch.utils.data.DataLoader(train_set, batch_size=4, shuffle=True, num_workers=2)
test_loader = torch.utils.data.DataLoader(test_set, batch_size=4, shuffle=False, num_workers=2)
# 定義標籤值
classes = ('plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
我們通過matplotlib打印其中的一個批次圖片和標籤。由於之前將圖片標準化,所以需要進行反標準化操作。由於CiFAR10的圖片數據爲3×32×32,需要使用transpose將其轉爲32×32×3
import matplotlib.pyplot as plt
import numpy as np
# 輸出圖像的函數
def imshow(img):
img = img / 2 + 0.5 # 反標準化
npimg = img.numpy()
plt.imshow(np.transpose(npimg, (1, 2, 0)))
plt.show()
# 獲取一個批次的訓練圖片、標籤
images, labels = iter(train_loader).next()
# 顯示圖片
imshow(torchvision.utils.make_grid(images))
# 打印圖片標籤
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))
顯示結果如下:
定義網絡和參數
如下定義卷積網絡類並創建一個對象net,以及定義訓練的損失函數和優化器
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
# 定義卷積網絡
class 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 x
net = Net()
criterion = nn.CrossEntropyLoss() # 損失函數
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9) # 優化器
訓練並保存模型
如下所示進行兩輪疊代訓練,每輪按批次取出訓練集的數據投入模型進行訓練
for epoch in range(2): # 進行兩輪迭代訓練
running_loss = 0.0
# 按批次取出數據進行訓練
for i, data in enumerate(train_loader, 0):
inputs, labels = data # 獲取數據和標籤
optimizer.zero_grad() # 清零梯度緩存
outputs = net(inputs) # 得到預測結果
loss = criterion(outputs, labels) # 計算損失
loss.backward() # 反向傳播
optimizer.step() # 更新參數
# 每隔兩千次輸出一次平均損失值
running_loss += loss.item()
if i % 2000 == 1999:
print('[%d, %5d] loss: %.3f' % (epoch + 1, i + 1, running_loss / 2000))
running_loss = 0.0
print('Finished Training')
# 保存訓練好的模型
MODEL_PATH = './cifar_net.pth'
torch.save(net.state_dict(), MODEL_PATH)
載入模型進行測試
模型以及訓練好並保存了,那麼模型的預測效果如何呢?這就需要在測試集數據上進行檢測了,如下所示,我們首先讀取保存的模型,然後將測試集的圖片數據images
投入模型進行預測,然後取得預測值predicted
,將其和測試集的標籤labels
進行比對,統計預測正確的個數correct,除以總數total就是準去率了
# 加載模型
net = Net()
net.load_state_dict(torch.load(MODEL_PATH))
correct = 0
total = 0
with torch.no_grad():
for data in test_loader:
images, labels = data
outputs = net(images) # 將測試集圖片投入模型
_, predicted = torch.max(outputs.data, 1)
total += labels.size(0) # 統計測試集總樣本數
correct += (predicted == labels).sum().item() # 累計預測正確的個數
print('在整個測試集上的準確率爲: %d %%' % (100 * correct / total))
使用GPU
Nvidia顯卡具有的CUDA加速可以更快地進行神經網絡的訓練,torch.cuda
包集成了相關的操作函數。例如通過is_available()
可以查看顯卡是否可用,device_count()
統計具有cuda功能的顯卡個數,get_device_name(i)
查看第i個顯卡名字。
如果需要使用GPU進行網絡訓練,需要將模型net和訓練集的數據images、標籤labels都放到GPU設備上,通過model.to(device)
可以將模型或張量放到指定設備上。或者直接使用model.cuda(i)
放到第i塊CUDA顯卡上。
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") # 獲取GPU設備
print(device)
net = Net()
net.to(device) # 將模型放在GPU上
for epoch in range(2): # 進行兩輪迭代訓練
running_loss = 0.0
# 按批次取出數據進行訓練
for i, data in enumerate(train_loader, 0):
inputs, labels = data
inputs, labels = inputs.to(device),labels.to(device) # 將訓練數據放到GPU
......