【小白學習PyTorch教程】六、基于CIFAR-10 數(shù)據集，使用PyTorch 從頭開始??構建圖像分類模型
「@Author：Runsen」
圖像識別本質上是一種計算機視覺技術，它賦予計算機“眼睛”，讓計算機通過圖像和視頻“看”和理解世界。
在開始閱讀本文之前，建議先了解一下什么是tensor、什么是torch.autograd以及如何在 PyTorch 中構建神經網絡模型。
CIFAR-10 數(shù)據集
本教程使用具有 10 個類的CIFAR10 數(shù)據集：‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, 和‘truck’.
構建圖像分類模型的 5 個步驟
加載并標準化訓練和測試數(shù)據 定義卷積神經網絡 (CNN) 定義損失函數(shù)和優(yōu)化器 在訓練數(shù)據上訓練模型 在測試數(shù)據上測試模型
首先，我們導入庫matplotlib和numpy. 這些分別是繪圖和數(shù)據轉換的基本庫。
import matplotlib.pyplot as plt # for plotting
import numpy as np # for transformation
import torch # PyTorch package
import torchvision # load datasets
import torchvision.transforms as transforms # transform data
import torch.nn as nn # basic building block for neural neteorks
import torch.nn.functional as F # import convolution functions like Relu
import torch.optim as optim # optimzer
torchvision 用于加載流行的數(shù)據集 torchvision.transforms 用于對圖像數(shù)據進行變換 torch.nn 用于定義神經網絡 torch.nn.functional 用于導入 Relu 等函數(shù) torch.optim 用于實現(xiàn)優(yōu)化算法，例如隨機梯度下降 (SGD)
在加載數(shù)據之前，首先定義一個應用于 CIFAR10 數(shù)據集中的圖像數(shù)據的轉換器transform。
#將多個變換組合在一起
transform = transforms.Compose(
# to tensor object
[transforms.ToTensor(),
# mean = 0.5, std = 0.5
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
# 設置 batch_size
batch_size = 4
# 設置 num_workers
num_workers = 2
# 加載train數(shù)據
trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=batch_size, shuffle=True, num_workers=num_workers)
# 加載test數(shù)據
testset = torchvision.datasets.CIFAR10(root='./data', train=False,
download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=batch_size,shuffle=False, num_workers=num_workers)
# 10個label
classes = ('plane', 'car', 'bird', 'cat',
'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
在上面代碼，首先將想要的轉換并將其放入括號列表中[]并將其傳遞給transforms.Compose()函數(shù)。這里有這兩個轉換：
ToTensor()
將 CIFAR10 數(shù)據集中的類型圖像轉換為由 Python 圖像庫 ( PIL ) 圖像組成的張量，縮放到[0,1]。
Normalize(mean, std)
mean 和 std 參數(shù)的參數(shù)數(shù)量取決于 PIL 圖像的模式，由于PIL 圖像是 RGB，這意味著它們具有三個通道——紅色、綠色和藍色，其范圍是[0,1]。設置mean = 0.5, std = 0.5，基于歸一化公式 : (x — mean) /std，最終得到[-1, 1] 的范圍。
接下來，我們將一些訓練圖像可視化。
def imshow(img):
img = img / 2 + 0.5 # unnormalize
npimg = img.numpy() # numpy objects
plt.imshow(np.transpose(npimg, (1, 2, 0)))
plt.show()
# 利用ITER函數(shù)獲取隨機訓練圖像
dataiter = iter(trainloader)
images, labels = dataiter.next()
imshow(torchvision.utils.make_grid(images))
# print the class of the image
print(' '.join('%s' % classes[labels[j]] for j in range(batch_size)))
「定義CNN模型」
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
# 3 input image channel, 6 output channels,
# 5x5平方卷積核
# in_channels = 3 因為我們的圖像是 RGB
self.conv1 = nn.Conv2d(3, 6, 5)
# Max pooling over a (2, 2) window
self.pool = nn.MaxPool2d(2, 2)
self.conv2 = nn.Conv2d(6, 16, 5)
self.fc1 = nn.Linear(16 * 5 * 5, 120)# 5x5 from image dimension
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)))
# 展平 conv 層的輸出并將其提供給我們的全連接層
x = x.flatten(1)
# 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()
print(net)
定義一個損失函數(shù)和優(yōu)化器
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)
訓練模型
start = torch.cuda.Event(enable_timing=True)
end = torch.cuda.Event(enable_timing=True)
start.record()
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
# whatever you are timing goes here
end.record()
# Waits for everything to finish running
torch.cuda.synchronize()
print('Finished Training')
print(start.elapsed_time(end)) # milliseconds
保存神經網絡
# save
PATH = './cifar_net.pth'
torch.save(net.state_dict(), PATH)
# reload
net = Net()
net.load_state_dict(torch.load(PATH))
「在測試數(shù)據上測試模型」
dataiter = iter(testloader)
images, labels = dataiter.next()
# print images
imshow(torchvision.utils.make_grid(images))
print('GroundTruth: ', ' '.join('%s' % classes[labels[j]] for j in range(4)))
下面Testing on 10,000 images
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))
寫在后面
我們的模型準確度得分很低，那么有什么方法可以提高它呢？
調超參數(shù) 使用不同的優(yōu)化器 圖像數(shù)據增強 嘗試更復雜的架構，例如ImageNet 模型 處理過擬合
評論
圖片
表情