[pytorch快速入门教程]准备图片数据集,训练一个分类器

在以前的教程中,你已经知道如何定义神经网络,计算损失以及更新网络权重。现在你可能会想,


数据怎么办


一般来说,当你处理图像、文本、音频或视频数据时,你可以使用标准的python包来将数据载入到numpy数组中。然后你可以将这个数组转化为torch.Tensor。
  • 对于图像,诸如Pillow, OpenCV这些包很好用。
  • 对于音频,可以使用scipy和librosa。
  • 对于文本,要么使用原始的Python或Cython载入方式,要么使用NLTK和SpaCy。

特别的对于vision,我们创建了一个叫做torchvision的包,它有一些常用数据集(Imagenet, CIFAR10, MNIST等)的数据载入器,以及图像的数据转换器, torchvision.datasets和torch.utils.data.DataLoader

这提供了巨大的便利,避免编写样板代码。

在本教程中,我们使用CIFAR10数据集。它有10个类别:‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’。CIFAR10中的图像尺寸在3x32x32,即3通道彩色图像,32x32像素大小。
CIFAR-10是多伦多大学提供的图片数据库,图片分辨率压缩至32x32,一共有10种图片分类,均进行了标注。适合监督式学习。
cifar10.png


训练一个图像分类器


我们将按顺序完成以下步骤:
  • 载入和规范化CIFAR10的训练和测试集,使用torchvision
  • 定义一个卷积神经网络
  • 定义损失函数
  • 在训练集上进行训练
  • 在测试集上测试网络


1. 载入和规范化CIFAR10

使用torchvision,载入CIFAR10非常简单。
import torch
import torchvision
import torchvision.transforms as transforms
torchvision datasets的输出时范围在[0, 1]的PILImage图像。我们将它们转换为规范区间[-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=2)

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=2)

classes = ('plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

输出:
Downloading http://www.cs.toronto.edu/~kri ... ar.gz to ./data/cifar-10-python.tar.gz
Files already downloaded and verified
让我们展示一些训练图像。
import matplotlib.pyplot as plt
import numpy as np

# functions to show image
def imshow(img):
img = img / 2 + 0.5 # unnormalize
npimg = img.numpy()
plt.imshow(np.transpose(npimg, (1, 2, 0)))

# 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)))

输出:
cifar_train_1.png

2. 定义一个卷积神经网络
复制在神经网络那一节的神经网络,将其更改为3通道图像输入(而不是原始的单通道输入)。
from torch.autograd import Variable
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

让我们来使用分类交叉熵和带有动量的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
for epoch in range(10): # loop over the dataset multiple times
running_loss = 0.0
for i, data in enumerate(trainloader, 0):
# get the input
inputs, labels = data

# wrap time in Variable
inputs, labels = Variable(inputs), Variable(labels)

# 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.data[0]
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')
输出:
[1,  2000] loss: 1.184
[1, 4000] loss: 1.206
[1, 6000] loss: 1.186
[1, 8000] loss: 1.162
[1, 10000] loss: 1.195
[1, 12000] loss: 1.165
[2, 2000] loss: 1.095
[2, 4000] loss: 1.076
[2, 6000] loss: 1.086
[2, 8000] loss: 1.092
[2, 10000] loss: 1.060
[2, 12000] loss: 1.110
[3, 2000] loss: 0.999
[3, 4000] loss: 1.005
[3, 6000] loss: 1.016
[3, 8000] loss: 1.016
[3, 10000] loss: 1.017
[3, 12000] loss: 1.023
[4, 2000] loss: 0.922
[4, 4000] loss: 0.933
[4, 6000] loss: 0.959
[4, 8000] loss: 0.975
[4, 10000] loss: 0.985
[4, 12000] loss: 0.968
[5, 2000] loss: 0.861
[5, 4000] loss: 0.908
[5, 6000] loss: 0.911
[5, 8000] loss: 0.932
[5, 10000] loss: 0.920
[5, 12000] loss: 0.919
[6, 2000] loss: 0.839
[6, 4000] loss: 0.853
[6, 6000] loss: 0.887
[6, 8000] loss: 0.891
[6, 10000] loss: 0.890
[6, 12000] loss: 0.876
[7, 2000] loss: 0.819
[7, 4000] loss: 0.808
[7, 6000] loss: 0.831
[7, 8000] loss: 0.852
[7, 10000] loss: 0.842
[7, 12000] loss: 0.869
[8, 2000] loss: 0.761
[8, 4000] loss: 0.784
[8, 6000] loss: 0.808
[8, 8000] loss: 0.827
[8, 10000] loss: 0.841
[8, 12000] loss: 0.860
[9, 2000] loss: 0.731
[9, 4000] loss: 0.758
[9, 6000] loss: 0.801
[9, 8000] loss: 0.784
[9, 10000] loss: 0.831
[9, 12000] loss: 0.817
[10, 2000] loss: 0.723
[10, 4000] loss: 0.733
[10, 6000] loss: 0.775
[10, 8000] loss: 0.763
[10, 10000] loss: 0.802
[10, 12000] loss: 0.799
Finished Training
5. 在测试数据上测试网络

我们已经在训练集上训练了10轮。但是我们需要检查网络是否有学到什么。

我们可以通过检测预测的类别标签,再与真实标签进行对比。如果预测是对的,我们将这个样本加到分类正确的列表中。

Okay,第一步。让我们先展示一些测试数据集中的图像。
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)))
输出:

[cifar_test_1]

再来看一下神经网络认为这些样本是什么。

输出是10个类别的能量。一个类别能量越高,网络就更多地认为图像是这个特定的类别。因此,让我们获取最高能量类别的索引。
outputs = net(Variable(images))

_, predicted = torch.max(outputs.data, 1)

print('Predicted: ', ' '.join('%5s' % classes[predicted[j][0]] for j in range(4)))
输出:
Predicted:  horse plane horse  frog
结果看起来不错。

让我们再来看看网络在整个数据集上的性能。
correct = 0
total = 0
for data in testloader:
images, labels = data
outputs = net(Variable(images))
_, predicted = torch.max(outputs.data, 1)
total += labels.size(0)
correct += (predicted == labels).sum()

print('Accuracy of the network on the 10000 test images: %d %%' % (100 * correct / total))
输出:
Accuracy of the network on the 10000 test images: 63 %
这个结果看起来远比随机抽取要好,随机抽取的概率为10%。看起来网络确实学到了一些东西。

那么,有哪些类别表现优秀,哪些类别表现不佳呢?
class_correct = list(0. for i in range(10))
class_total = list(0. for i in range(10))
for data in testloader:
images, labels = data
outputs = net(Variable(images))
_, predicted = torch.max(outputs.data, 1)
c = (predicted == labels).squeeze()
for i in range(4):
label = labels
[i] class_correct[label] += c
[i] class_total[label] += 1

for i in range(10):
print('Accuracy of %5s: %2d %%' % (classes[i], 100 * class_correct[i] / class_total[i]))[/i][/i][/i][/i][/i]
[i][i][i][i][i][i][i][i][i]输出:[/i][/i][/i][/i][/i][/i][/i][/i][/i]
[i][i][i][i][i]Accuracy of plane: 59 %
Accuracy of car: 73 %
Accuracy of bird: 51 %
Accuracy of cat: 46 %
Accuracy of deer: 51 %
Accuracy of dog: 54 %
Accuracy of frog: 76 %
Accuracy of horse: 69 %
Accuracy of ship: 78 %
Accuracy of truck: 72 %[/i][/i][/i][/i][/i]
Okay,还有什么要说明的?

如何在GPU上面运行这个神经网络?

在GPU上训练

与你如何将Tensor转移到GPU上类似,你可以将神经网络转移到GPU上。这将递归的遍历所有的模块并将它们的参数和缓存转化为CUDA tensors。net.cuda()
net.cuda()
记住,你还必须在每一步将输入和结果数据传输到GPU上:
inputs, labels = Variable(inputs.cuda()), Variable(labels.cuda())
为什么我没有注意到相比CPU的巨大的加速?因为你的神经网络非常小。

训练:试着增加你的网络宽度(将第一个nn.Conv@d增广2,将第二个nn.Conv2d增广1 - 它们需要相同的数量),看看你的网络提速了多少。

目标达成:
  • 理解Pytorch的Tensor库以及高层次的神经网络
  • 训练一个小的神经网络来分类图像

0 个评论

要回复文章请先登录注册