训练分类器
现在我们已经知道如何定义网络结构，计算损失以及更新网络权重了，那么，
如何准备数据？
一般来说，处理图像、文本、语音或视频数据，我们可以直接使用Python的标准包将数据加载成numpy数组，然后将它转成torch.*Tensor。
- 对于图片数据，可以使用Pillow，OpenCV；
- 对于音频数据，可以使用scipy和librosa。
- 对于文本数据，可以使用基于原生Python或Cython的加载方式，或者使用NLTK和SpaCy包。
特别针对视觉处理，PyTorch提供了torchvision这个包，能够加载常用的数据集，比如ImageNet，CIFAR10，MNIST等，并且还有图像转换功能，我们可以使用这两个包来实现这些功能：torchvision.datasets，torch.utils.data.DataLoader。
这样就为我们提供了极大的便利而不需要编写样板代码。
这里我们将使用CIFAR10数据集，包含这些类别：“airplane”，“automobile”，“bird”，”cat“，”deer“，”dog“，”frog“，”horse“，”ship“，”truck“，图片大小为3 * 32 * 32，即3通道的32 * 32图像。
训练图像分类器
- 使用
torchvision加载、归一化CIFAR10训练、测试数据 - 定义卷积神经网络
- 定义损失函数
- 使用训练数据训练网络
- 使用测试数据测试网络
1. 加载、归一化CIFAR10
使用torchvision能非常便捷地加载CIFAR10。
import torch
import torchvision
import torchvision.transforms as transforms
torchvision数据集的输出是PILImage类型的数据，范围[0,1]。然后我们将数据归一化到[-1,1]。
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')
Downloading https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./data/cifar-10-python.tar.gz
Files already downloaded and verified
我们先来看几张图片：
import matplotlib.pyplot as plt
import numpy as np
# 显示图像函数
def imshow(img):
img = img / 2 + 0.5 # 去归一化
npimg = img.numpy()
plt.imshow(np.transpose(npimg, (1, 2, 0)))
plt.show()
# 随机获取训练图像
dataiter = iter(trainloader)
images, labels = dataiter.next()
# 显示图像
imshow(torchvision.utils.make_grid(images))
# print labels
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))
plane truck car ship
2. 定义卷积神经网络
这里使用之前介绍的网络结构，但是将原本的1通道输入改成3通道输入：
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
使用交叉熵损失和带动量的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
这里就是很有趣的地方啦，只需要简单的遍历数据集，将数据送给网络并且进行优化：
for epoch in range(2): # 多次遍历数据集
running_loss = 0.0
for i, data in enumerate(trainloader, 0):
# 获得图像输入
inputs, labels = data
# 梯度归零
optimizer.zero_grad()
# 前向传播，反向传播，更新参数
outputs = net(inputs)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
# 打印训练信息
running_loss += loss.item()
if i % 2000 == 1999: # 每 2000 个batch打印一次
print('[%d, %5d] loss: %.3f' %
(epoch + 1, i + 1, running_loss / 2000))
running_loss = 0.0
print('Finished Training')
在GPU上训练网络
类似于将tensor放到GPU上，网络也同样能放到GPU上。
现在我们将第1块可用的CUDA设备定义为device：
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
# 如果机器上有CUDA设备，那么这里应该会打印出对应的CUDA设备:
print(device)
cuda:0
然后使用下面的方法，将会递归遍历所有的模块，将它们的参数，缓存都转成CUDA tensor。
net.to(device)
记住同时也要将输入等也放到device设备上：
inputs, labels = inputs.to(device), labels.to(device)
[1, 2000] loss: 2.225
[1, 4000] loss: 1.894
[1, 6000] loss: 1.676
[1, 8000] loss: 1.568
[1, 10000] loss: 1.513
[1, 12000] loss: 1.468
[2, 2000] loss: 1.424
[2, 4000] loss: 1.360
[2, 6000] loss: 1.348
[2, 8000] loss: 1.336
[2, 10000] loss: 1.310
[2, 12000] loss: 1.289
Finished Training
5. 使用测试数据测试网络
我们在数据集上迭代训练了2次，现在我们要看看网络是否学习到了东西。
我们需要使用网络的输出来得到预测的类别，并且和ground-truth进行对比，，如果预测正确，我们将这个样本加入正确预测的列表中。
现在和之前一样，我们看看测试数据：
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
现在我们来看看网络的预测结果：
outputs = net(images)
网络的输出是这10个类的置信度，一个类的置信度越高，说明网络认为图片属于这一类的可能性越大。所以我们获取最大置信度的类的下标：
_, predicted = torch.max(outputs, 1)
print('Predicted: ', ' '.join('%5s' % classes[predicted[j]]
for j in range(4)))
Predicted: frog ship car plane
结果看起来还不错。
现在来看看网络在整个测试数据集上的表现：
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: 55 %
这看起来比随机猜的结果要好多了，随机猜测的准确率为10%，所以看起来网络学习到了一些东西。
那么，我们现在想看看网络在哪些类别上分类准确，哪些又没那么好：
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 : 52 %
Accuracy of car : 68 %
Accuracy of bird : 39 %
Accuracy of cat : 26 %
Accuracy of deer : 46 %
Accuracy of dog : 46 %
Accuracy of frog : 62 %
Accuracy of horse : 80 %
Accuracy of ship : 76 %
Accuracy of truck : 64 %
微信扫一扫关注公众号：机器工匠，回复关键字“cifar”获取代码和数据。
