使用PyTorch怎么訓練一個圖像分類器

這篇文章將為大家詳細講解有關使用PyTorch怎么訓練一個圖像分類器，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

如下所示：

import torch
import torchvision
import torchvision.transforms as transforms
import matplotlib.pyplot as plt
import numpy as np

print("torch: %s" % torch.__version__)
print("tortorchvisionch: %s" % torchvision.__version__)
print("numpy: %s" % np.__version__)

Out:

torch: 1.0.0
tortorchvisionch: 0.2.1
numpy: 1.15.4

數據從哪兒來？

通常來說，你可以通過一些python包來把圖像、文本、音頻和視頻數據加載為numpy array。然后將其轉換為torch.*Tensor。

圖像。Pillow、OpenCV是用得比較多的

音頻。scipy和librosa

文本。純Python或者Cython就可以完成數據加載，可以在NLTK和SpaCy找到數據

對于計算機視覺而言，我們有torchvision包，它可以用來加載一下常用數據集如Imagenet、CIFAR10、MINIST等等，也有一些常用的為圖像準備數據轉換例如torchvision.datasets和torch.utils.data.DataLoader。

這次的教程中，我們使用CIFAR10數據集，他有‘airplane', ‘automobile', ‘bird', ‘cat', ‘deer', ‘dog', ‘frog', ‘horse', ‘ship', ‘truck'這幾個類別的圖像。圖像大小都是3x32x32的。也就是說，圖像都是三通道的，每一張圖的尺寸都是32x32。

訓練一個圖像分類器

步驟如下：

使用torchvision加載、歸一化訓練集和測試集

定義卷積神經網絡

定義損失函數

使用訓練集訓練網絡

使用測試集測試網絡

1. 加載、歸一化CIFAR10

我們可以使用torchvision很輕松的完成

torchvision的數據集是基于PILImage的，數值是[0, 1]，我們需要將其轉成范圍為[-1, 1]的Tensor

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=4)

testset = torchvision.datasets.CIFAR10(root='./data', train=False, 
                    download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=4, 
                     shuffle=True, num_workers=4)
classes = ('plane', 'car', 'bird', 'cat', 
      'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

Out:

Downloading https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./data/cifar-10-python.tar.gz
Files already downloaded and verified

讓我們來看看訓練集的圖片

# 顯示一張圖片
def imshow(img):
  img = img / 2 + 0.5   # 逆歸一化
  npimg = img.numpy()
  plt.imshow(np.transpose(npimg, (1, 2, 0)))
  plt.show()


# 任意地拿到一些圖片
dataiter = iter(trainloader)
images, labels = dataiter.next()

# 顯示圖片
imshow(torchvision.utils.make_grid(images))
# 顯示類標
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))

Out:

truck  dog ship  dog

2. 定義卷積神經網絡

可以直接復制神經網絡的代碼，修改里面的幾層即可。

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. 定義損失函數和優化器

使用多分類交叉熵損失函數，和帶有momentum的SGD作為優化器

import torch.optim as optim

criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=1e-3, momentum=0.9)

4. 訓練網絡

我們直接使用循環語句遍歷數據集即可完成訓練

nums_epoch = 2
for epoch in range(nums_epoch):
  _loss = 0.0
  for i, (inputs, labels) in enumerate(trainloader, 0):
    inputs, labels = inputs.to(device), labels.to(device)
    optimizer.zero_grad()
    
    outputs = net(inputs)
    loss = criterion(outputs, labels)
    loss.backward()
    optimizer.step()
    
    _loss += loss.item()
    if i % 2000 == 1999:  # 每2000步打印一次損失值
      print('[%d, %5d] loss: %.3f' %
         (epoch + 1, i + 1, _loss / 2000))
      _loss = 0.0

print('Finished Training')

Out:

[1, 2000] loss: 1.178
[1, 4000] loss: 1.200
[1, 6000] loss: 1.168
[1, 8000] loss: 1.175
[1, 10000] loss: 1.185
[1, 12000] loss: 1.165
[2, 2000] loss: 1.073
[2, 4000] loss: 1.066
[2, 6000] loss: 1.100
[2, 8000] loss: 1.107
[2, 10000] loss: 1.083
[2, 12000] loss: 1.103
Finished Training

5. 測試網絡

這個網絡已經訓練了兩個epoch，我們現在來看看這個網絡是不是學到了一些什么東西。

我們讓這個神經網絡預測幾張圖片，看看它的答案與真實答案的差別。

下面我們選取一些測試數據集中的數據，看看他們的真實標簽。

# 展示測試數據集
dataiter = iter(testloader)
images, labels = dataiter.next()
imshow(torchvision.utils.make_grid(images))
print('GraoundTruth: ', ' '.join(['%5s' % classes[labels[j]] for j in range(4)]))

Out:

GraoundTruth:  ship ship deer ship

接著我們讓神經網絡來給出預測標簽

神經網絡的輸出是10個信號值，信號值最高的那個神經元表示整個網絡的預測值，所以我們需要拿到信號最強的那個節點的索引值

# 展示預測值
outputs = net(images)
_, predicted = torch.max(outputs, 1)
print('Predicted: ', ' '.join(['%5s' % classes[predicted[j]] for j in range(4)]))

Out:

Predicted:  car ship horse ship

下面我們對整個測試集做一次評估：

# 評估測試數據集
correct, total = 0, 0
with torch.no_grad():
  for images, labels in testloader:
    outputs = net(images)
    _, predicted = torch.max(outputs, 1)
    total += labels.size(0)
    correct += (labels == predicted).sum().item()
  
print('Accuracy of the network on the 10000 test images: %d %%' % (
  100 * correct / total))

Out:

Accuracy of the network on the 10000 test images: 58 %

整個結果比隨機猜要好得多（隨機猜是10%的概率）。看來我們的神經網絡還是學到了點東西。

下面我們來看看它在哪一個類別的分類上做得最好：

# 按類標評估
n_classes = len(classes)
class_correct, class_total = [0]*n_classes, [0]* n_classes

with torch.no_grad():
  for images, labels in testloader:
    outputs = net(images)
    _, predicted = torch.max(outputs, 1)
    is_correct = (labels == predicted).squeeze()
    for i in range(len(labels)):
      label = labels[i]
      class_total[label] += 1
      class_correct[label] += is_correct[i].item()

for i in range(n_classes):
  print('Accuracy of %5s: %.2f %%' % (
    classes[i], 100.0 * class_correct[i] / class_total[i]
  ))

Out:

Accuracy of plane: 67.00 %
Accuracy of  car: 71.50 %
Accuracy of bird: 55.20 %
Accuracy of  cat: 45.60 %
Accuracy of deer: 38.20 %
Accuracy of  dog: 47.00 %
Accuracy of frog: 78.80 %
Accuracy of horse: 55.90 %
Accuracy of ship: 72.70 %
Accuracy of truck: 57.50 %

在GPU上訓練

就像把Tensor從CPU轉移到GPU一樣，神經網絡也可以轉移到GPU上

首先需要檢查是否有可用的GPU

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
# 假設我們在支持CUDA的機器上，我們可以打印出CUDA設備：

print(device)

Out:

cuda:0

我們假設device已經是CUDA設備了

下面命令將遞歸的將所有模塊和參數、緩存轉移到CUDA設備上去

net.to(device)

Out:

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)
)

注意，在訓練過程中的傳入輸入數據時，也需要轉移到GPU上

并且，需要重新實例化優化器，否則會報錯

inputs, labels = inputs.to(device), labels.to(device)

關于使用PyTorch怎么訓練一個圖像分類器就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。