PyTorch深度学习60分钟入门与实战（四）训练分类器

不念不忘少年蓝@ 2022-03-28 14:56 260阅读 0赞

> 原文：[github link][]，最新版会首先更新在github上  
> 有误的地方拜托大家指出~

# 训练分类器 #

目前为止，我们以及看到了如何定义网络，计算损失，并更新网络的权重。

现在可能会想，

## 数据呢？ ##

通常来说，当必须处理图像、文本、音频或视频数据时，可以使用python标准库将数据加载到numpy数组里。然后将这个数组转化成`torch.*Tensor`。

*  对于图片，有Pillow，OpenCV等包可以使用
 *  对于音频，有scipy和librosa等包可以使用
 *  对于文本，不管是原生python的或者是基于Cython的文本，可以使用NLTK和SpaCy

特别对于视觉方面，我们创建了一个包，名字叫`torchvision`，其中包含了针对Imagenet、CIFAR10、MNIST等常用数据集的数据加载器（data loaders），还有对图片数据变形的操作，即`torchvision.datasets`和`torch.utils.data.DataLoader`。

这提供了极大的便利，可以避免编写样板代码。

在这个教程中，我们将使用CIFAR10数据集，它有如下的分类：“飞机”，“汽车”，“鸟”，“猫”，“鹿”，“狗”，“青蛙”，“马”，“船”，“卡车”等。在CIFAR-10里面的图片数据大小是3x32x32，即三通道彩色图，图片大小是32x32像素。

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VZDyOTjS-1588513885990)(assets/cifar10.png)\]

## 训练一个图片分类器 ##

我们将按顺序做以下步骤：

1.  通过`torchvision`加载CIFAR10里面的训练和测试数据集，并对数据进行标准化
2.  定义卷积神经网络
3.  定义损失函数
4.  利用训练数据训练网络
5.  利用测试数据测试网络

### 1.加载并标准化CIFAR10 ###

使用`torchvision`加载CIFAR10超级简单。

import torch
    import torchvision
    import torchvision.transforms as transforms

torchvision数据集加载完后的输出是范围在\[0, 1\]之间的PILImage。我们将其标准化为范围在\[-1, 1\]之间的张量。

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')

输出：

Downloading https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./data/cifar-10-python.tar.gz
    Files already downloaded and verified

为了好玩，让我们展示一些训练数据的图片。

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)))

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-OvAafnGa-1588513885992)(assets/sphx\_glr\_cifar10\_tutorial\_001.png)\]

输出：

horse horse horse   car

### 2.定义卷积神经网络 ###

将之前神经网络章节定义的神经网络拿过来，并将其修改成输入为3通道图像（替代原来定义的单通道图像）。

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 ###

我们使用分类的交叉熵损失和随机梯度下降（使用momentum）。

import torch.optim as optim
    
    criterion = nn.CrossEntropyLoss()
    optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

### 4.训练网络 ###

事情开始变得有趣了。我们只需要遍历我们的数据迭代器，并且输入“喂”给网络和优化函数。

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
            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')

输出：

[1,  2000] loss: 2.182
    [1,  4000] loss: 1.819
    [1,  6000] loss: 1.648
    [1,  8000] loss: 1.569
    [1, 10000] loss: 1.511
    [1, 12000] loss: 1.473
    [2,  2000] loss: 1.414
    [2,  4000] loss: 1.365
    [2,  6000] loss: 1.358
    [2,  8000] loss: 1.322
    [2, 10000] loss: 1.298
    [2, 12000] loss: 1.282
    Finished Training

### 5.使用测试数据测试网络 ###

我们已经在训练集上训练了2遍网络。但是我们需要检查网络是否学到了一些东西。

我们将通过预测神经网络输出的标签来检查这个问题，并和正确样本进行（ground-truth）对比。如果预测是正确的，我们将样本添加到正确预测的列表中。

ok，第一步。让我们显示测试集中的图像来熟悉一下。

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)))

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-R0sPcREa-1588513885994)(assets/sphx\_glr\_cifar10\_tutorial\_002.png)\]

GroundTruth:    cat  ship  ship plane

ok，现在让我们看看神经网络认为上面的例子是:

outputs = net(images)

输出是10个类别的量值。一个类的值越高，网络就越认为这个图像属于这个特定的类。让我们得到最高量值的下标/索引；

_, predicted = torch.max(outputs, 1)
    
    print('Predicted: ', ' '.join('%5s' % classes[predicted[j]] for j in range(4)))

输出：

Predicted:    dog  ship  ship plane

结果还不错。

让我们看看网络在整个数据集上表现的怎么样。

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))

输出：

Accuracy of the network on the 10000 test images: 55 %

这比随机选取（即从10个类中随机选择一个类，正确率是10%）要好很多。看来网络确实学到了一些东西。

那么哪些是表现好的类呢？哪些是表现的差的类呢？

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]))

输出：

Accuracy of plane : 70 %
    Accuracy of   car : 70 %
    Accuracy of  bird : 28 %
    Accuracy of   cat : 25 %
    Accuracy of  deer : 37 %
    Accuracy of   dog : 60 %
    Accuracy of  frog : 66 %
    Accuracy of horse : 62 %
    Accuracy of  ship : 69 %
    Accuracy of truck : 61 %

ok，接下来呢？

怎么在GPU上运行神经网络呢？

## 在GPU上训练 ##

与将一个张量传递给GPU一样，可以这样将神经网络转移到GPU上。

如果我们有cuda可用的话，让我们首先定义第一个设备为可见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)

输出：

cuda:0

本节的其余部分假设`device`是CUDA。

然后这些方法将递归遍历所有模块，并将它们的参数和缓冲区转换为CUDA张量：

net.to(device)

请记住，我们不得不将输入和目标在每一步都送入GPU：

inputs, labels = inputs.to(device), labels.to(device)

为什么我们感受不到与CPU相比的巨大加速？因为我们的网络实在是太小了。

尝试一下：加宽你的网络（注意第一个`nn.Conv2d`的第二个参数和第二个`nn.Conv2d`的第一个参数要相同），看看能获得多少加速。

已实现的目标：

*  在更高层次上理解PyTorch的Tensor库和神经网络
 *  训练一个小的神经网络做图片分类

## 在多GPU上训练 ##

如果希望使用您所有GPU获得**更大的**加速，请查看[Optional: Data Parallelism][Optional_ Data Parallelism]。

## 接下来要做什么？ ##

*  [Train neural nets to play video games][]
 *  [Train a state-of-the-art ResNet network on imagenet][]
 *  [Train a face generator using Generative Adversarial Networks][]
 *  [Train a word-level language model using Recurrent LSTM networks][]
 *  [More examples][]
 *  [More tutorials][]
 *  [Discuss PyTorch on the Forums][]
 *  [Chat with other users on Slack][]

[github link]: https://github.com/bat67/Deep-Learning-with-PyTorch-A-60-Minute-Blitz-cn
[Optional_ Data Parallelism]: https://pytorch.org/tutorials/beginner/blitz/data_parallel_tutorial.html
[Train neural nets to play video games]: https://pytorch.org/tutorials/intermediate/reinforcement_q_learning.html
[Train a state-of-the-art ResNet network on imagenet]: https://github.com/pytorch/examples/tree/master/imagenet
[Train a face generator using Generative Adversarial Networks]: https://github.com/pytorch/examples/tree/master/dcgan
[Train a word-level language model using Recurrent LSTM networks]: https://github.com/pytorch/examples/tree/master/word_language_model
[More examples]: https://github.com/pytorch/examples
[More tutorials]: https://github.com/pytorch/tutorials
[Discuss PyTorch on the Forums]: https://discuss.pytorch.org/
[Chat with other users on Slack]: https://pytorch.slack.com/messages/beginner/