使用PyTorch实现CNN

文章目录

使用PyTorch实现CNN
- 1. 导入所需包：
- 2. 获取数据集
- - 2.1 获取数据集，并对数据集进行预处理
  - 2.2 获取迭代数据：`data.DataLoader()`
- 3. 定义网络结构
- 4. 定义损失和优化器
- `model.parmaters()`含义：
- 5. 训练网络
- 损失图：
- - 如果使用MSELoss：平方差损失
- 7. 测试网络：精确度：0.98
- 8. 其他实验：
- - 8.1 全连接第一层增加ReLU激活函数：提高了0.02
  - 8.2 去掉批量归一化：降低了0.01
  - 8.3 使用LeakyReLU激活函数:降低0.01
  - 8.4 使用PReLU激活函数：提升0.01
- 卷积方法的使用：`torch.nn.Conv2d()`
- 反卷积方法的使用：`torch.nn.ConvTranspose2d()`

1. 导入所需包：

import torch
from torch.utils import data # 获取迭代数据
from torch.autograd import Variable # 获取变量
import torchvision
from torchvision.datasets import mnist # 获取数据集
import matplotlib.pyplot as plt

2. 获取数据集

2.1 获取数据集，并对数据集进行预处理

（1）对原有数据转成Tensor类型

（2）用平均值和标准偏差归一化张量图像

# 数据集的预处理
data_tf = torchvision.transforms.Compose([torchvision.transforms.ToTensor(),torchvision.transforms.Normalize([0.5],[0.5])]
)data_path = r'C:\Users\liev\Desktop\myproject\yin_test\MNIST_DATA_PyTorch'
# 获取数据集
train_data = mnist.MNIST(data_path,train=True,transform=data_tf,download=False)
test_data = mnist.MNIST(data_path,train=False,transform=data_tf,download=False)

第一次下载的输出：

Downloading http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz
Downloading http://yann.lecun.com/exdb/mnist/train-labels-idx1-ubyte.gz
Downloading http://yann.lecun.com/exdb/mnist/t10k-images-idx3-ubyte.gz
Downloading http://yann.lecun.com/exdb/mnist/t10k-labels-idx1-ubyte.gz
Processing...
Done!

注意：

对数据的预处理还有很多。
第一次获取数据集时，参数download=True，会下载MNIST数据集所有文件，包括训练集和测试集
获取MNIST数据集的步骤：

如果本地没有数据集：

train_data = mnist.MNIST(data_path,train=True,transform=data_tf,download=True)

等待下载，直到下载完成

train_data = mnist.MNIST(data_path,train=True,transform=data_tf,download=False)
test_data = mnist.MNIST(data_path,train=False,transform=data_tf,download=False)

获取测试集和训练集

如果本地有数据集

train_data = mnist.MNIST(data_path,train=True,transform=data_tf,download=False)
test_data = mnist.MNIST(data_path,train=False,transform=data_tf,download=False)

2.2 获取迭代数据：`data.DataLoader()`

train_loader = data.DataLoader(train_data,batch_size=128,shuffle=True)
test_loader = data.DataLoader(test_data,batch_size=100,shuffle=True)

注意：

DataLoader返回的是所有的数据，只是分成了每批次为参数batch_size的数据
DataLoader的shuffle参数，True 决定了是否能多次取出batch_size，False，则表明只能取出数据集大小的数据。

3. 定义网络结构

CNN网络结构	输入shape	卷积核	激活函数	输出图像
conv1	[128,1,28,28]	[3,3,1,16]	ReLU	[128, 16, 14, 14]
conv2	[128, 16, 14, 14]	[3,3,16,32]	ReLU	[128, 32, 7, 7]
conv3	[128, 32, 7, 7]	[3,3,32,64]	ReLU	[128, 64, 4, 4]
conv4	[128, 64, 4, 4]	[3,3,64,64]	ReLU	[128, 64, 2, 2]

代码实现：

# 定义网络结构
class CNNnet(torch.nn.Module):def __init__(self):super(CNNnet,self).__init__()self.conv1 = torch.nn.Sequential(torch.nn.Conv2d(in_channels=1,out_channels=16,kernel_size=3,stride=2,padding=1),torch.nn.BatchNorm2d(16),torch.nn.ReLU())self.conv2 = torch.nn.Sequential(torch.nn.Conv2d(16,32,3,2,1),torch.nn.BatchNorm2d(32),torch.nn.ReLU())self.conv3 = torch.nn.Sequential(torch.nn.Conv2d(32,64,3,2,1),torch.nn.BatchNorm2d(64),torch.nn.ReLU())self.conv4 = torch.nn.Sequential(torch.nn.Conv2d(64,64,2,2,0),torch.nn.BatchNorm2d(64),torch.nn.ReLU())self.mlp1 = torch.nn.Linear(2*2*64,100)self.mlp2 = torch.nn.Linear(100,10)def forward(self, x):x = self.conv1(x)x = self.conv2(x)x = self.conv3(x)x = self.conv4(x)x = self.mlp1(x.view(x.size(0),-1))x = self.mlp2(x)return x
model = CNNnet()
print(model)

输出：

CNNnet((conv1): Sequential((0): Conv2d(1, 16, kernel_size=(3, 3), stride=(2, 2), padding=(1, 1))(1): BatchNorm2d(16, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(2): ReLU())(conv2): Sequential((0): Conv2d(16, 32, kernel_size=(3, 3), stride=(2, 2), padding=(1, 1))(1): BatchNorm2d(32, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(2): ReLU())(conv3): Sequential((0): Conv2d(32, 64, kernel_size=(3, 3), stride=(2, 2), padding=(1, 1))(1): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(2): ReLU())(conv4): Sequential((0): Conv2d(64, 64, kernel_size=(2, 2), stride=(2, 2))(1): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(2): ReLU())(mlp1): Linear(in_features=256, out_features=100, bias=True)(mlp2): Linear(in_features=100, out_features=10, bias=True)
)

4. 定义损失和优化器

（1）使用交叉熵损失

（2）使用Adam优化器

loss_func = torch.nn.CrossEntropyLoss()
opt = torch.optim.Adam(model.parameters(),lr=0.001)

model.parmaters()含义：
使用损失和优化器的步骤：
- 获取损失：loss = loss_func(out,batch_y)
- 清空上一步残余更新参数：opt.zero_grad()
- 误差反向传播：loss.backward()
- 将参数更新值施加到net的parmeters上：opt.step()

5. 训练网络

loss_count = []
for epoch in range(2):for i,(x,y) in enumerate(train_loader):batch_x = Variable(x) # torch.Size([128, 1, 28, 28])batch_y = Variable(y) # torch.Size([128])# 获取最后输出out = model(batch_x) # torch.Size([128,10])# 获取损失loss = loss_func(out,batch_y)# 使用优化器优化损失opt.zero_grad()  # 清空上一步残余更新参数值loss.backward() # 误差反向传播，计算参数更新值opt.step() # 将参数更新值施加到net的parmeters上if i%20 == 0:loss_count.append(loss)print('{}:\t'.format(i), loss.item())torch.save(model,r'C:\Users\liev\Desktop\myproject\yin_test\log_CNN')if i % 100 == 0:for a,b in test_loader:test_x = Variable(a)test_y = Variable(b)out = model(test_x)# print('test_out:\t',torch.max(out,1)[1])# print('test_y:\t',test_y)accuracy = torch.max(out,1)[1].numpy() == test_y.numpy()print('accuracy:\t',accuracy.mean())break
plt.figure('PyTorch_CNN_Loss')
plt.plot(loss_count,label='Loss')
plt.legend()
plt.show()

输出：

0:    2.313704252243042
accuracy:    0.11
20:  1.1835652589797974
40:  0.5378416776657104
60:  0.41440480947494507
80:  0.18270650506019592
100:     0.18721994757652283
accuracy:    0.92
......
380:     0.032591354101896286
400:     0.024792633950710297
accuracy:    1.0
420:     0.03427279368042946
440:     0.04764523729681969
460:     0.01753203198313713

损失图：

如果使用MSELoss：平方差损失

将真实值转为one-hot形式

def one_hot(data):hot = np.zeros([10])hot[data] = 1return hot
# 并且在计算损失前，加入下面一行代码，将真实值转为one-hot形式
y = [one_hot(i) for i in y]

7. 测试网络：精确度：0.98

注意点：

获取accuracy时的问题：
- 获取的预测值shape：【128,10】
- 真实值shape：【128】，无one-hot编码
- 转换预测值：使用torch.max() 获取最后输出的每张图片预测值的最大值

# 测试网络
model = torch.load(r'C:\Users\liev\Desktop\myproject\yin_test\log_CNN')
accuracy_sum = []
for i,(test_x,test_y) in enumerate(test_loader):test_x = Variable(test_x)test_y = Variable(test_y)out = model(test_x)# print('test_out:\t',torch.max(out,1)[1])# print('test_y:\t',test_y)accuracy = torch.max(out,1)[1].numpy() == test_y.numpy()accuracy_sum.append(accuracy.mean())print('accuracy:\t',accuracy.mean())print('总准确率：\t',sum(accuracy_sum)/len(accuracy_sum))
# 精确率图
print('总准确率：\t',sum(accuracy_sum)/len(accuracy_sum))
plt.figure('Accuracy')
plt.plot(accuracy_sum,'o',label='accuracy')
plt.title('Pytorch_CNN_Accuracy')
plt.legend()
plt.show()

输出：

accuracy:     0.98
accuracy:    1.0
accuracy:    1.0
accuracy:    1.
总准确率：     0.9850999999999999

8. 其他实验：

8.1 全连接第一层增加ReLU激活函数：提高了0.02

测试输出：

accuracy:     0.98
accuracy:    0.99
accuracy:    0.98
accuracy:    0.99
总准确率：     0.9872999999999992

8.2 去掉批量归一化：降低了0.01

accuracy:     0.97
accuracy:    0.97
accuracy:    0.92
总准确率：     0.9746999999999996

8.3 使用LeakyReLU激活函数:降低0.01

accuracy:     0.97
accuracy:    0.98
accuracy:    1.0
总准确率：     0.9848999999999997

8.4 使用PReLU激活函数：提升0.01

accuracy:     0.97
accuracy:    1.0
accuracy:    1.0
accuracy:    0.97
总准确率：     0.9867999999999998

卷积方法的使用：`torch.nn.Conv2d()`

在由多个输入平面组成的输入信号上应用2D卷积。

在最简单的情况下，具有输入大小的图层的输出值
(N,Cin,H,W)(N,Cin,H,W)(N,C_{in},H,W)(N,Cin,H,W) (N,Cin,H,W)(N,Cin,H,W)
和输出
(N,Cout,Hout,Wout)(N,Cout,Hout,Wout)(N,Cout,Hout,Wout)(N,Cout,Hout,Wout) (N,Cout,Hout,Wout)(N,Cout,Hout,Wout)
可以精确地描述为：

out(Ni,Coutj)=bias(Coutj)+∑k=0Cin−1weight(Coutj,k)⋆input(Ni,k)\text{out}(N_i,C_{out_j})=\text{bias}(C_{out_j}) + \sum_{k = 0}^{C_{in}-1}\text{weight}(C_{out_j}, k) \star\text{input}(N_i, k) out(Ni,Coutj)=bias(Coutj)+k=0∑Cin−1weight(Coutj,k)⋆input(Ni,k)

⋆是有效的2D 互相关运算符， N 是一个批量大小， C 表示多个频道， H 是输入平面的高度，以像素为单位 W 是像素的宽度。

参数说明：

参数	说明
`in_channels`	输入图像中的通道数：int
`out_channels`	卷积产生的通道数
kernel_size	卷积内核的大小
stride	卷积的步幅。默认值：1
padding	将零填充添加到输入的两侧。默认值：0
dilation	内核元素之间的间距。默认值：1
groups	从输入通道到输出通道的阻塞连接数。默认值：1
bias	如果`True`，在输出中增加了可学习的偏差。默认：`True`

计算输出图片shape：

输入shape格式：

(N,Cin,Hin,Win)(N,C_{in},H_{in},W_{in}) (N,Cin,Hin,Win)

输出shape格式：

(N,Cout,Hout,Wout)(N,C_{out},H_{out},W_{out}) (N,Cout,Hout,Wout)

输出图片shape的计算公式：

Hout=⌊Hin+2×padding[0]−dilation[0]×(kernel_size[0]−1)−1stride[0]+1⌋Wout=⌊Win+2×padding[1]−dilation[1]×(kernel_size[1]−1)−1stride[1]+1⌋H_{out} = \bigg\lfloor\frac{\mathbf{H}_{\mathbf{in}}+2\times \mathbf{padding[0]}-\mathbf{dilation[0]}\times (\mathbf{kernel}\_\mathbf{size[0]}-1)-1 }{\mathbf{stride[0]}}+1 \bigg\rfloor \\ W_{out} = \bigg\lfloor\frac{\mathbf{W}_{\mathbf{in}}+2\times \mathbf{padding[1]}-\mathbf{dilation[1]}\times (\mathbf{kernel}\_\mathbf{size[1]}-1)-1 }{\mathbf{stride[1]}}+1 \bigg\rfloor Hout=⌊stride[0]Hin+2×padding[0]−dilation[0]×(kernel_size[0]−1)−1+1⌋Wout=⌊stride[1]Win+2×padding[1]−dilation[1]×(kernel_size[1]−1)−1+1⌋

变量：

weight（Tensor） - 形状模块的可学习权重（out_channels，in_channels，kernel_size [0]，kernel_size [1]）
偏见（Tensor） - 形状模块的可学习偏差（out_channels）

实例代码：

import torchconv = torch.nn.Conv2d(1,3,2,1,0)print('conv.weight.size():\t',conv.weight.size())
print('conv.bias.size():\t',conv.bias.size())
print('conv初始化的weight数据:\n',conv.weight)
print('conv初始化的bias数据:\n',conv.bias)

输出：

conv.weight.size():   torch.Size([3, 1, 2, 2])
conv.bias.size():    torch.Size([3])
conv初始化的weight数据:Parameter containing:
tensor([[[[ 0.2753, -0.1573],[-0.4197,  0.1795]]],[[[ 0.1529,  0.3869],[ 0.0219, -0.2829]]],[[[ 0.3727, -0.1673],[ 0.4687,  0.3792]]]], requires_grad=True)
conv初始化的bias数据:Parameter containing:
tensor([ 0.2909, -0.0980,  0.0066], requires_grad=True)

反卷积方法的使用：`torch.nn.ConvTranspose2d()`

在由多个输入平面组成的输入图像上应用2D转置卷积运算符。

该模块可以看作Conv2d相对于其输入的梯度。它也被称为分数跨度卷积或反卷积（尽管它不是实际的去卷积操作）。

参数说明：

参数	说明
in_channels	输入图像中的通道数
out_channels	卷积产生的通道数
kernel_size	卷积内核的大小
stride	卷积的步幅。默认值：1
padding	零填充将添加到输入中每个维度的两侧。默认值：0`kernel_size - 1 - padding`
output_padding	在输出形状中添加到每个维度的一侧的附加大小。默认值：0
groups	从输入通道到输出通道的阻塞连接数。默认值：1
bias	如果`True`，在输出中增加了可学习的偏差。默认：`True`
dilation	内核元素之间的间距。默认值：1

计算输出图片shape：

输入：

(N,Cin,Hin,Win)(N,C_{in},H_{in},W_{in}) (N,Cin,Hin,Win)

输出：

(N,Cout,Hout,Wout)(N,C_{out},H_{out},W_{out}) (N,Cout,Hout,Wout)

输出图片shape的计算公式：
Hout=(Hin−1)×stride[0]−2×padding[0]+kernel_size[0]+output_padding[0]Wout=(Win−1)×stride[1]−2×padding[1]+kernel_size[1]+output_padding[1]\mathbf{H_{out}} = \mathbf{(H_{in}-1)}\times \mathbf{stride[0]} - 2\times \mathbf{padding[0] }+\mathbf{kernel}\_\mathbf{size[0]}+\mathbf{output}\_\mathbf{padding[0]} \\ \mathbf{W_{out}} = \mathbf{(W_{in}-1)}\times \mathbf{stride[1]} - 2\times \mathbf{padding[1] }+\mathbf{kernel}\_\mathbf{size[1]}+\mathbf{output}\_\mathbf{padding[1]} Hout=(Hin−1)×stride[0]−2×padding[0]+kernel_size[0]+output_padding[0]Wout=(Win−1)×stride[1]−2×padding[1]+kernel_size[1]+output_padding[1]

变量：

weight（Tensor） - 形状模块的可学习权重（out_channels，in_channels，kernel_size [0]，kernel_size [1]）
偏见（Tensor） - 形状模块的可学习偏差（out_channels）