pytorch的MNIST數據集手寫數字識別(GPU)
數據集介紹
MNIST 包括6萬張28x28的訓練樣本,1萬張測試樣本,很多教程都會對它”下手”幾乎成爲一個 “典範”,可以說它就是計算機視覺裏面的Hello World。所以我們這裏也會使用MNIST來進行實戰。
前面在介紹卷積神經網絡的時候說到過LeNet-5,LeNet-5之所以強大就是因爲在當時的環境下將MNIST數據的識別率提高到了99%,這裏我們也自己從頭搭建一個卷積神經網絡,也達到99%的準確率
手寫數字識別
BATCH_SIZE=512 #大概需要2G的顯存
EPOCHS=20 # 總共訓練批次
DEVICE = torch.device("cuda" if torch.cuda.is_available() else "cpu") # 讓torch判斷是否使用GPU,建議使用GPU環境,因爲會快很多
因爲Pytorch裏面包含了MNIST的數據集,所以我們這裏直接使用即可。 如果第一次執行會生成data文件夾,並且需要一些時間下載,如果以前下載過就不會再次下載了
由於官方已經實現了dataset,所以這裏可以直接使用DataLoader來對數據進行讀取
train_loader = torch.utils.data.DataLoader(
datasets.MNIST('data', train=True, download=True,
transform=transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))
])),
batch_size=BATCH_SIZE, shuffle=True)
測試集
test_loader = torch.utils.data.DataLoader(
datasets.MNIST('data', train=False, transform=transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))
])),
batch_size=BATCH_SIZE, shuffle=True)
下面我們定義一個網絡,網絡包含兩個卷積層,conv1和conv2,然後緊接着兩個線性層作爲輸出,最後輸出10個維度,這10個維度我們作爲0-9的標識來確定識別出的是那個數字
在這裏建議大家將每一層的輸入和輸出維度都作爲註釋標註出來,這樣後面閱讀代碼的會方便很多
class ConvNet(nn.Module):
def __init__(self):
super().__init__()
# 1,28x28
self.conv1=nn.Conv2d(1,10,5) # 10, 24x24
self.conv2=nn.Conv2d(10,20,3) # 128, 10x10
self.fc1 = nn.Linear(20*10*10,500)
self.fc2 = nn.Linear(500,10)
def forward(self,x):
in_size = x.size(0)
out = self.conv1(x) #24
out = F.relu(out)
out = F.max_pool2d(out, 2, 2) #12
out = self.conv2(out) #10
out = F.relu(out)
out = out.view(in_size,-1)
out = self.fc1(out)
out = F.relu(out)
out = self.fc2(out)
out = F.log_softmax(out,dim=1)
return out
我們實例化一個網絡,實例化後使用.to方法將網絡移動到GPU
優化器我們也直接選擇簡單暴力的Adam
下面定義一下訓練的函數,我們將訓練的所有操作都封裝到這個函數中
model = ConvNet().to(DEVICE)
optimizer = optim.Adam(model.parameters())
# 訓練函數
def train(model, device, train_loader, optimizer, epoch):
model.train()
for batch_idx, (data, target) in enumerate(train_loader):
data, target = data.to(device), target.to(device)
optimizer.zero_grad()
output = model(data)
loss = F.nll_loss(output, target)
loss.backward()
optimizer.step()
if(batch_idx+1)%30 == 0:
print('Train Epoch: {} [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format(
epoch, batch_idx * len(data), len(train_loader.dataset),
100. * batch_idx / len(train_loader), loss.item()))
# 測試函數
def test(model, device, test_loader):
model.eval()
test_loss = 0
correct = 0
with torch.no_grad():
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() # 將一批的損失相加
pred = output.max(1, keepdim=True)[1] # 找到概率最大的下標
correct += pred.eq(target.view_as(pred)).sum().item()
test_loss /= len(test_loader.dataset)
print('\nTest set: Average loss: {:.4f}, Accuracy: {}/{} ({:.0f}%)\n'.format(
test_loss, correct, len(test_loader.dataset),
100. * correct / len(test_loader.dataset)))
# 開始
for epoch in range(1, EPOCHS + 1):
train(model, DEVICE, train_loader, optimizer, epoch)
test(model, DEVICE, test_loader)
正確率99%