使用 PyTorch 进行深度学习-训练分类器

之前的内容已经学习了如何定义神经网络、计算损失和更新网络的权重。现在我们可以完整的训练一个分类器。

我们将按顺序执行以下步骤：

使用torchvision加载和规范化 CIFAR10 训练和测试数据集
定义卷积神经网络
定义损失函数
在训练数据上训练网络
在测试数据上测试网络

获取数据

通常，当我们必须处理图像、文本、音频或视频数据时，可以使用将数据加载到 numpy 数组中的标准 python 包。然后将此数组转换为 torch.*Tensor类型。

对于图像，Pillow、OpenCV 等软件包很有用
对于音频，scipy 和 librosa 等软件包
对于文本，基于原始 Python 或 Cython 的加载，或 NLTK 和 SpaCy 很有用

例如针对计算机视觉可以使用名为 torchvision 的包，它具有用于常见数据集的数据加载器，比如ImageNet、CIFAR10、MNIST 数据集等。和用于图像的数据转换器， torchvision.datasets和 torch.utils.data.DataLoader

这为我们提供了极大的便利并避免了编写模板代码。对于本次代码，将使用 CIFAR10 数据集。它有：'飞机'，'汽车'，'鸟'，'猫'，'鹿'， “狗”、“青蛙”、“马”、“船”、“卡车”十个类别。 CIFAR-10 中的图像尺寸是 3x32x32，即 32x32 像素大小的 3 通道彩色图像。

1、加载并规范化 CIFAR10

使用 torchvision，加载 CIFAR10

import torch
import torchvision
import torchvision.transforms as transforms

torchvision 数据集的输出是范围 [0, 1] 的 PILImage图像。最后我们将它标准化转换为范围 [-1, 1] 的张量。

transform = transforms.Compose(     #图像预处理包。一般用Compose把多个步骤整合到一起：[transforms.ToTensor(),transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])#用均值和标准差对张量图像进行归一化batch_size = 4trainset = 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=0)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=0)classes = ('plane', 'car', 'bird', 'cat','deer', 'dog', 'frog', 'horse', 'ship', 'truck')#定义其中的类别

其中ToTensor()能够把灰度范围从0-255变换到0-1之间，ToTensor() 将 shape 为(H, W, C)的nump.ndarray 或 img 转为 shape 为 (C, H, W) 的 tensor，再将每一个数值归一化到[0,1]，其归一化方法比较简单，直接除以255即可。

transforms.Normalize(std=(0.5,0.5,0.5),mean=(0.5,0.5,0.5))，则其作用就是先将输入归一化到(0,1)，再使用公式"(x-mean)/std"，将每个元素分布到(-1,1)之间，对每个通道而言，执行image=(image-mean)/std。每个样本图像变成了均值为0 方差为1 的标准正态分布。有时 std 和 mean 中的数据是从imagenet训练集中抽样算出来的

为了更加直观，让我们展示一些训练图像：

import matplotlib.pyplot as plt #和matlab类似的绘图API，方便用户快速绘制2D图表。
import numpy as np
def imshow(img):img = img / 2 + 0.5     # 逆标准化，Normalize的逆过程，img = img * std + meannpimg = img.numpy()     # 将张量转化成numpy的ndarray类型plt.imshow(np.transpose(npimg, (1, 2, 0)))#ndarray对象的形状(C, H, W)转换为(H, W, C)plt.show()
# 获取一组随机训练图片，#获取数据流中的数据元素
dataiter = iter(trainloader)
images, labels = dataiter.next()#得到图像数据和对应标签
# 展示图片
imshow(torchvision.utils.make_grid(images))##组成图像的网络，其实就是将多张图片组合成一张图片。
# 输出对应标签
print(' '.join(f'{classes[labels[j]]:5s}' for j in range(batch_size)))
#join()返回被子字符串连接的字符串。5s表示空格大小

其中transpose()函数的实质作用是改变序列。根据维度（shape）索引决定的，就是调换数组的行列值的索引值。

Python numpy.transpose 详解_November丶Chopin的博客-CSDN博客_numpy transpose

输出结果：标签：car frog truck deer

2、定义卷积神经网络

import torch.nn as nn
import torch.nn.functional as Fclass Net(nn.Module):def __init__(self):super().__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)))#卷积+激活+池化x = self.pool(F.relu(self.conv2(x)))x = torch.flatten(x, 1) # 展平层、展平除批次外的所有尺寸x = F.relu(self.fc1(x))#全连接层+激活函数x = F.relu(self.fc2(x))x = self.fc3(x)#全连接层return x
net = Net()
print(net)

输出结果：

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)
)

3、定义损失函数和优化器

使用具有动量的分类交叉熵损失函数和 随机梯度下降SGD优化器。

import torch.optim as optimcriterion = nn.CrossEntropyLoss()#定义交叉熵损失函数
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

其中torch.optim是一个实现了各种优化算法的库。SGD就是optim中的一个算法（优化器）：随机梯度下降算法。torch.optim.SGD参数学习率lr、动量momentum、权重衰减weight_decay的解析_jjw_zyfx的博客-CSDN博客_pytorch sgd参数

第一个参数 net.parameters() 包括权重w，和偏置b等是神经网络中的参数，也是SGD优化的重点。

第二个参数lr是学习率。sgd中的学习率lr的作用可以理解为： p ′ = p − l r ∗ d p 其中p就是模型中的参数比如：权重(w), 偏置(b)。dp 就是对p的一阶求导， lr 即学习率， p ′为p的另一种形式，用来替换上一次的p。

第三个参数momentum是冲量，在普通的梯度下降法x+=v中，每次x的更新量v为v=−dx∗lr，其中dx为目标函数func(x)对x的一阶导数，当使用冲量时，把每次x的更新量v考虑为本次的梯度下降量−dx∗lr与上次x的更新量v乘上介于[0,1][0,1]因子momentum的和，即v′=−dx∗lr+v∗momemtum

4、训练网络

遍历我们的数据迭代器，并将输入提供给网络和优化器。

for epoch in range(2):  # 在数据集上循环多次running_loss = 0.0for i, data in enumerate(trainloader, 0):# data中包含输入图像张量inputs,张量标签labelsinputs, labels = data                # 获取输入；数据是[输入、标签]的列表# 将优化器参数梯度归零optimizer.zero_grad()# 前向传播 + 计算损失 + 反向传播 + 优化outputs = net(inputs)        # 输入图像张量进网络，得到输出张量outputsloss = criterion(outputs, labels) # 利用网络的输出outputs和标签labels计算损失值loss.backward()        # 反向传播+参数更新，是标准代码的标准流程optimizer.step()# 打印轮次和损失值running_loss += loss.item()if i % 2000 == 1999:    # 每2000小批量打印一次print(f'[{epoch + 1}, {i + 1:5d}] loss: {running_loss / 2000:.3f}')running_loss = 0.0
print('Finished Training')

输出结果：

[1,  2000] loss: 2.253
[1,  4000] loss: 1.901
[1,  6000] loss: 1.699
[1,  8000] loss: 1.564
[1, 10000] loss: 1.507
[1, 12000] loss: 1.454
[2,  2000] loss: 1.363
[2,  4000] loss: 1.347
[2,  6000] loss: 1.313
[2,  8000] loss: 1.297
[2, 10000] loss: 1.251
[2, 12000] loss: 1.288
Finished Training

快速保存我们训练好的模型（参数）：

PATH = './cifar_net.pth'#首先设定模型的保存路径
torch.save(net.state_dict(), PATH)#保存模型的状态字典

5、在测试数据上测试网络

我们已经在训练数据集上训练了网络 2 次。但是我们需要检查网络是否学到了任何东西。通过预测神经网络的类标签来检查这一点输出，并根据实际情况对其进行检查。如果预测是正确，则将样本添加到正确预测列表中。

dataiter = iter(testloader)#获取一批数据流
images, labels = dataiter.next()
# 打印原始图像， 展示来自测试集的图像。
imshow(torchvision.utils.make_grid(images))
#打印真实的数据标签
print('GroundTruth: ', ' '.join(f'{classes[labels[j]]:5s}' for j in range(4)))
# 首先实例化模型的类的对象
net = Net()
net.load_state_dict(torch.load(PATH))# 加载训练阶段保存好的模型的状态字典outputs = net(images)# 利用模型对图片进行预测_, predicted = torch.max(outputs, 1)# 共有十个类别，采用模型计算出的概率最大的作为预测的类别
print('Predicted: ', ' '.join(f'{classes[predicted[j]]:5s}'# 打印预测标签的结果for j in range(4)))

输出结果： GroundTruth: cat ship ship plane
Predicted: cat ship ship ship

现在看看网络在整个数据集上的表现。

correct = 0
total = 0
# 因为没有训练，所以我们不需要计算输出的梯度
with torch.no_grad():for data in testloader:images, labels = data# 通过网络运行图像计算输出outputs = net(images)# 我们选择概率最高的类作为预测_, predicted = torch.max(outputs.data, 1)total += labels.size(0)#测试数据集的样本个数correct += (predicted == labels).sum().item()#预测正确个数print(f'Accuracy of the network on the 10000 test images: {100 * correct // total} %')

输出结果：

Accuracy of the network on the 10000 test images: 54 %

分析结果：对于拥有10个类别的数据集，随机猜测的准确率是10%，模型达到了54%，说明模型学到了真实的东西。为了更细致的看一下模型在哪些类上表现得更好，在哪些类上表现得更差，我们分类别的进行准确率的计算

# 准备计算每个类别的预测
correct_pred = {classname: 0 for classname in classes}#字典生成器
total_pred = {classname: 0 for classname in classes}#创建包含10个类别的字典# 同样不需要梯度
with torch.no_grad():for data in testloader:images, labels = dataoutputs = net(images)_, predictions = torch.max(outputs, 1)# 收集每个类别的正确预测for label, prediction in zip(labels, predictions):if label == prediction:correct_pred[classes[label]] += 1#给此标签对应的类别加1total_pred[classes[label]] += 1#此类别的总数加1
# 打印每一个类别的准确率
for classname, correct_count in correct_pred.items():accuracy = 100 * float(correct_count) / total_pred[classname]print(f'Accuracy for class: {classname:5s} is {accuracy:.1f} %')

其中 zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。

输出结果：

Accuracy of plane : 100 %
Accuracy of   car : 100 %
Accuracy of  bird : 100 %
Accuracy of   cat : 100 %
Accuracy of  deer : 100 %
Accuracy of   dog : 100 %
Accuracy of  frog : 100 %
Accuracy of horse : 100 %
Accuracy of  ship : 100 %
Accuracy of truck : 100 %

6、在 GPU 上训练

就像如何将张量转移到 GPU 上一样，转移神经网络到GPU上。如果有GPU，让我们首先将我们的设备定义为第一个可见的 cuda 设备可用的 CUDA：

device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')
# 假设我们在CUDA机器上，这应该打印CUDA设备：
print(device)

假设 device是一个 CUDA 设备。当训练模型的时候，只需要将模型转移到GPU上，同时将输入的图片和标签页转移到GPU上即可。然后这些方法将递归地遍历所有模块并转换它们的 CUDA 张量的参数和缓冲区：

net.to(device)#将模型转移到GPU上
inputs, labels = data[0].to(device), data[1].to(device)
#将输入的图片张量和标签张量转移到GPU上