本系列是PyTorch官网Tutorial Deep Learning with PyTorch: A 60 Minute Blitz 的翻译和总结。
1. PyTorch概览
2. Autograd – 自动微分
3. 神经网络
4. 训练一个分类器
下载本文的Jupyter NoteBook文件:60min_04_Training a Classifier.ipynb
到目前,你已经知道了如何定义神经网络、计算损失、更新网络权重。
那么,数据呢?
数据
通常,当你处理图像,文本,音频或视频数据时,可以使用标准python包将数据加载到numpy数组中。然后便可以将数组转换为torch.*Tensor
。
- 对于图像,Pillow,OpenCV等软件包很有用
- 对于音频,可以使用scipy和librosa等包
- 对于文本,基于Python或Cython的加载、NLTK和SpaCy都很有用
特别地,对于图像领域,我们创建了一个叫做torchvision
的包,这个包包含了支持常见数据集(如Imagenet, CIFAR10, MNIST等)的数据加载器以及图像的数据转换器,即torchvision.datasets
和torch.utils.data.DataLoader
。
这提供了极大的便利,并且避免了编写样板代码。
在这个教程中,我们将会使用CIFAR10数据集。它具有以下类别:“飞机”,“汽车”,“鸟”,“猫”,“鹿”,“狗”,“青蛙”,“马”,“船”,“卡车”。CIFAR-10中的图像尺寸为3×32×32,即尺寸为32×32像素的3通道彩色图像。
训练图像分类器
我们将按顺序执行以下步骤:
- 使用以下命令加载和标准化CIFAR10训练和测试数据集
torchvision
- 定义卷积神经网络
- 定义损失函数
- 根据训练数据训练网络
- 在测试数据上测试网络
1. 加载CIFAR10并将其规则化
在torchvision
的帮助下,加载CIFAR10非常容易。
import torch
import torchvision
import torchvision.transforms as transforms
torchvision数据集的输出是在[0,1]范围的PILImage。我们将它们转换成范围是[-1,1]的张量。
Note:
如果在Windows上运行时你遇到了一个BrokenPipeError,请尝试将
torch.utils.data.DataLoader()
的num_worker
设置为0。
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=2)
testset = torchvision.datasets.CIFAR10(root='./data', train=False,
download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=4,
shuffle=False, num_workers=2)
classes = ('plane', 'car', 'bird', 'cat',
'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
Files already downloaded and verified
Files already downloaded and verified
让我们来展示一些训练图像:
import matplotlib.pyplot as plt
import numpy as np
# functions to show an image
def imshow(img):
img = img / 2 + 0.5 # unnormalize
npimg = img.numpy()
plt.imshow(np.transpose(npimg, (1, 2, 0)))
plt.show()
# get some random training images
dataiter = iter(trainloader)
images, labels = dataiter.next()
# show images
imshow(torchvision.utils.make_grid(images))
# print labels
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))
plane bird car truck
2. 定义卷积神经网络
复制之前的神经网络,然后对其进行修改以获取3通道图像(而不是原来定义的1通道图像)。
import torch.nn as nn
import torch.nn.functional as F
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()
3. 定义损失函数和优化器
这里我们使用分类交叉熵损失和带有动量的SGD。
import torch.optim as optim
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)
4. 训练网络
我们只需要遍历数据迭代器,然后将输入喂给网络并进行优化。
for epoch in range(2): # loop over the dataset multiple times
running_loss = 0.0
for i, data in enumerate(trainloader, 0):
# get the inputs; data is a list of [inputs, labels]
inputs, labels = data
# zero the parameter gradients
optimizer.zero_grad()
# forward + backward + optimize
outputs = net(inputs)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
# print statistics
running_loss += loss.item()
if i % 2000 == 1999: # print every 2000 mini-batches
print('[%d, %5d] loss: %.3f' %
(epoch + 1, i + 1, running_loss / 2000))
running_loss = 0.0
print('Finished Training')
[1, 2000] loss: 2.192
[1, 4000] loss: 1.815
[1, 6000] loss: 1.630
[1, 8000] loss: 1.541
[1, 10000] loss: 1.475
[1, 12000] loss: 1.446
[2, 2000] loss: 1.370
[2, 4000] loss: 1.350
[2, 6000] loss: 1.302
[2, 8000] loss: 1.292
[2, 10000] loss: 1.268
[2, 12000] loss: 1.253
Finished Training
5. 在测试集上测试网络
我们已经使用训练集在网络上进行了两轮的训练,但我们需要确认一下网络是否真的学到了些什么。
我们将对测试集上的数据进行预测,并根据实际情况进行检查。如果预测正确,则将样本添加到正确预测列表中。
第一步,让我们显示一些测试集中的图像。
dataiter = iter(testloader)
images, labels = dataiter.next()
# print images
imshow(torchvision.utils.make_grid(images))
print('GroundTruth: ', ' '.join('%5s' % classes[labels[j]] for j in range(4)))
GroundTruth: cat ship ship plane
那么,我们的神经网络是如何预测上面的图片的呢?
outputs = net(images)
outputs给出十个类的置信度,置信度越高,代表网络认为这张图片越可能属于这一类别,所以我们现在获取置信度最高的类别的下标。
_, predicted = torch.max(outputs, 1)
print('Predicted: ', ' '.join('%5s' % classes[predicted[j]]
for j in range(4)))
Predicted: cat ship ship ship
结果似乎还行,我们来看一下网络在整个数据集上的表现。
correct = 0
total = 0
with torch.no_grad():
for data in testloader:
images, labels = data
outputs = net(images)
_, predicted = torch.max(outputs.data, 1)
total += labels.size(0)
correct += (predicted == labels).sum().item()
print('Accuracy of the network on the 10000 test images: %d %%' % (
100 * correct / total))
Accuracy of the network on the 10000 test images: 53 %
看起来,这个准确率比随机选择10%的准确率要高得多,看来我们的网络学到了一些东西。
让我们看下哪些类的准确率高,哪些类的准确率低:
class_correct = list(0. for i in range(10))
class_total = list(0. for i in range(10))
with torch.no_grad():
for data in testloader:
images, labels = data
outputs = net(images)
_, predicted = torch.max(outputs, 1)
c = (predicted == labels).squeeze()
for i in range(4):
label = labels[i]
class_correct[label] += c[i].item()
class_total[label] += 1
for i in range(10):
print('Accuracy of %5s : %2d %%' % (
classes[i], 100 * class_correct[i] / class_total[i]))
Accuracy of plane : 57 %
Accuracy of car : 58 %
Accuracy of bird : 57 %
Accuracy of cat : 49 %
Accuracy of deer : 49 %
Accuracy of dog : 19 %
Accuracy of frog : 41 %
Accuracy of horse : 67 %
Accuracy of ship : 73 %
Accuracy of truck : 61 %
那么接下来,我们该如何在GPU上运行这个神经网络呢?
在GPU上训练
就像把Tensor转移到GPU上一样,神经网络也可以转移到GPU上。
如果CUDA可用,首先让我们将设备定义为第一个可见的CUDA设备:
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
# Assuming that we are on a CUDA machine, this should print a CUDA device:
print(device)
cuda:0
接下来,我们假定device
为CUDA设备。
下面这些方法将逐一将模块转移到CUDA设备上。
net.to(device)
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)
)
请记得你需要将输入和每一步的目标都设定在GPU。
inputs, labels = data[0].to(device), data[1].to(device)
为什么相比CPU,GPU在这里没有表现出很大的加速?这是因为这里的网络真的很小。
至此,我们实现了:
* 全面了解PyTorch的Tensor库和神经网络。
* 训练一个小型神经网络对图像进行分类。
2020年1月11日 at 下午10:32
路过 点赞
2020年2月25日 at 下午7:29
您好,在GitHub上看到了您的maskdetection项目,想咨询一些问题,方便联系一下吗?