本系列是PyTorch官网Tutorial Deep Learning with PyTorch: A 60 Minute Blitz 的翻译和总结。

下载本文的Jupyter NoteBook文件：60min_01_PyTorch Overview.ipynb

文章目录

数据
训练图像分类器

1. 加载CIFAR10并将其规则化
2. 定义卷积神经网络
3. 定义损失函数和优化器
4. 训练网络
5. 在测试集上测试网络

在GPU上训练

到目前，你已经知道了如何定义神经网络、计算损失、更新网络权重。

那么，数据呢？

数据

通常，当你处理图像，文本，音频或视频数据时，可以使用标准python包将数据加载到numpy数组中。然后便可以将数组转换为torch.*Tensor。

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

特别地，对于图像领域，我们创建了一个叫做torchvision的包，这个包包含了支持常见数据集（如Imagenet, CIFAR10, MNIST等）的数据加载器以及图像的数据转换器，即torchvision.datasets和torch.utils.data.DataLoader。

这提供了极大的便利，并且避免了编写样板代码。

在这个教程中，我们将会使用CIFAR10数据集。它具有以下类别：“飞机”，“汽车”，“鸟”，“猫”，“鹿”，“狗”，“青蛙”，“马”，“船”，“卡车”。CIFAR-10中的图像尺寸为3×32×32，即尺寸为32x32像素的3通道彩色图像。

训练图像分类器

我们将按顺序执行以下步骤：

使用以下命令加载和标准化CIFAR10训练和测试数据集 torchvision
定义卷积神经网络
定义损失函数
根据训练数据训练网络
在测试数据上测试网络

1. 加载CIFAR10并将其规则化

在torchvision的帮助下，加载CIFAR10非常容易。

import torch
import torchvision
import torchvision.transforms as transforms

torchvision数据集的输出是在[0,1]范围的PILImage。我们将它们转换成范围是[-1,1]的张量。

Note:

如果在Windows上运行时你遇到了一个BrokenPipeError，请尝试将torch.utils.data.DataLoader()的num_worker设置为0。

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')

Files already downloaded and verified
Files already downloaded and verified

让我们来展示一些训练图像：

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)))

plane  bird   car truck

2. 定义卷积神经网络

复制之前的神经网络，然后对其进行修改以获取3通道图像（而不是原来定义的1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

这里我们使用分类交叉熵损失和带有动量的SGD。

import torch.optim as optim

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

4. 训练网络

我们只需要遍历数据迭代器，然后将输入喂给网络并进行优化。

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

print('Finished Training')

[1,  2000] loss: 2.192
[1,  4000] loss: 1.815
[1,  6000] loss: 1.630
[1,  8000] loss: 1.541
[1, 10000] loss: 1.475
[1, 12000] loss: 1.446
[2,  2000] loss: 1.370
[2,  4000] loss: 1.350
[2,  6000] loss: 1.302
[2,  8000] loss: 1.292
[2, 10000] loss: 1.268
[2, 12000] loss: 1.253
Finished Training

5. 在测试集上测试网络

我们已经使用训练集在网络上进行了两轮的训练，但我们需要确认一下网络是否真的学到了些什么。

我们将对测试集上的数据进行预测，并根据实际情况进行检查。如果预测正确，则将样本添加到正确预测列表中。

第一步，让我们显示一些测试集中的图像。

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)))

GroundTruth:    cat  ship  ship plane

那么，我们的神经网络是如何预测上面的图片的呢？

outputs = net(images)

outputs给出十个类的置信度，置信度越高，代表网络认为这张图片越可能属于这一类别，所以我们现在获取置信度最高的类别的下标。

_, predicted = torch.max(outputs, 1)

print('Predicted: ', ' '.join('%5s' % classes[predicted[j]]
                              for j in range(4)))

Predicted:    cat  ship  ship  ship

结果似乎还行，我们来看一下网络在整个数据集上的表现。

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))

Accuracy of the network on the 10000 test images: 53 %

看起来，这个准确率比随机选择10%的准确率要高得多，看来我们的网络学到了一些东西。

让我们看下哪些类的准确率高，哪些类的准确率低：

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]))

Accuracy of plane : 57 %
Accuracy of   car : 58 %
Accuracy of  bird : 57 %
Accuracy of   cat : 49 %
Accuracy of  deer : 49 %
Accuracy of   dog : 19 %
Accuracy of  frog : 41 %
Accuracy of horse : 67 %
Accuracy of  ship : 73 %
Accuracy of truck : 61 %

那么接下来，我们该如何在GPU上运行这个神经网络呢？

在GPU上训练

就像把Tensor转移到GPU上一样，神经网络也可以转移到GPU上。

如果CUDA可用，首先让我们将设备定义为第一个可见的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)

cuda:0

接下来，我们假定device为CUDA设备。

下面这些方法将逐一将模块转移到CUDA设备上。

net.to(device)

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)
)

请记得你需要将输入和每一步的目标都设定在GPU。

inputs, labels = data[0].to(device), data[1].to(device)

为什么相比CPU，GPU在这里没有表现出很大的加速？这是因为这里的网络真的很小。

至此，我们实现了：

全面了解PyTorch的Tensor库和神经网络。
训练一个小型神经网络对图像进行分类。

PyTorch深度学习60分钟闪电战：04 训练一个分类器