「@Author：Runsen」

图像识别本质上是一种计算机视觉技术，它赋予计算机“眼睛”，让计算机通过图像和视频“看”和理解世界。

在开始阅读本文之前，建议先了解一下什么是tensor、什么是torch.autograd以及如何在 PyTorch 中构建神经网络模型。

CIFAR-10 数据集

本教程使用具有 10 个类的CIFAR10 数据集：‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, 和‘truck’.

构建图像分类模型的 5 个步骤

• 加载并标准化训练和测试数据

• 定义卷积神经网络 (CNN)

• 定义损失函数和优化器

• 在训练数据上训练模型

• 在测试数据上测试模型

首先，我们导入库matplotlib和numpy. 这些分别是绘图和数据转换的基本库。

import matplotlib.pyplot as plt # for plotting
import numpy as np # for transformationimport 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 用于加载流行的数据集

• torchvision.transforms 用于对图像数据进行变换

• torch.nn 用于定义神经网络

• torch.nn.functional 用于导入 Relu 等函数

• torch.optim 用于实现优化算法，例如随机梯度下降 (SGD)

在加载数据之前，首先定义一个应用于 CIFAR10 数据集中的图像数据的转换器transform。

#将多个变换组合在一起
transform = transforms.Compose( # to tensor object[transforms.ToTensor(), #  mean = 0.5, std = 0.5transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))]) # 设置 batch_size
batch_size = 4# 设置 num_workers
num_workers = 2# 加载train数据
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)# 加载test数据
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个label
classes = ('plane', 'car', 'bird', 'cat','deer', 'dog', 'frog', 'horse', 'ship', 'truck')

在上面代码，首先将想要的转换并将其放入括号列表中[]并将其传递给transforms.Compose()函数。这里有这两个转换：

• ToTensor()

将 CIFAR10 数据集中的类型图像转换为由 Python 图像库 ( PIL ) 图像组成的张量，缩放到[0,1]。

• Normalize(mean, std)

mean 和 std 参数的参数数量取决于 PIL 图像的模式，由于PIL 图像是 RGB，这意味着它们具有三个通道——红色、绿色和蓝色，其范围是[0,1]。设置mean = 0.5, std = 0.5，基于归一化公式 : (x — mean) /std，最终得到[-1, 1] 的范围。

接下来，我们将一些训练图像可视化。

def imshow(img):img = img / 2 + 0.5 # unnormalizenpimg = img.numpy() # numpy objectsplt.imshow(np.transpose(npimg, (1, 2, 0)))plt.show()# 利用ITER函数获取随机训练图像
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)))

「定义CNN模型」

class Net(nn.Module):def __init__(self):super(Net, self).__init__()# 3 input image channel, 6 output channels, # 5x5平方卷积核# in_channels = 3 因为我们的图像是 RGBself.conv1 = nn.Conv2d(3, 6, 5)# Max pooling over a (2, 2) windowself.pool = nn.MaxPool2d(2, 2)self.conv2 = nn.Conv2d(6, 16, 5) self.fc1 = nn.Linear(16 * 5 * 5, 120)# 5x5 from image dimensionself.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 层的输出并将其提供给我们的全连接层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 xnet = Net()
print(net)

定义一个损失函数和优化器

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

训练模型

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 timesrunning_loss = 0.0for i, data in enumerate(trainloader, 0):# get the inputs; data is a list of [inputs, labels]inputs, labels = data# zero the parameter gradientsoptimizer.zero_grad()# forward + backward + optimizeoutputs = net(inputs)loss = criterion(outputs, labels)loss.backward()optimizer.step()# print statisticsrunning_loss += loss.item()if i % 2000 == 1999:    # print every 2000 mini-batchesprint('[%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

保存神经网络

# save
PATH = './cifar_net.pth'
torch.save(net.state_dict(), PATH)
# reload
net = Net()
net.load_state_dict(torch.load(PATH))

「在测试数据上测试模型」

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 = dataoutputs = 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))

写在后面

我们的模型准确度得分很低，那么有什么方法可以提高它呢？

• 调超参数

• 使用不同的优化器

• 图像数据增强

• 尝试更复杂的架构，例如ImageNet 模型

• 处理过拟合

往期精彩回顾适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑黄海广老师《机器学习课程》课件合集
本站qq群851320808，加入微信群请扫码：