文章目录
一、pytorch官网入门demo——实现一个图像分类器
demo用的是CIFAR10数据集，也是一个很经典的图像分类数据集，由 Hinton 的学生 Alex Krizhevsky 和 Ilya Sutskever 整理的一个用于识别普适物体的小型数据集，一共包含 10 个类别的 RGB 彩色图片。
二、代码部分
1.module.py----定义LeNet的网络结构
代码如下（示例）：
import torch.nn as nn
import torch.nn.functional as F
class LeNet(nn.Module):#定义一个类 继承于副类nn.module
def __init__(self):#初始化函数：搭建中所需要的网络结构
super(LeNet, self).__init__()#super解决调用类问题
self.conv1 = nn.Conv2d(3, 16, 5)#卷积层1 （通道数3 卷积核16个 卷积尺寸5）
self.pool1 = nn.MaxPool2d(2, 2)#下采样1
self.conv2 = nn.Conv2d(16, 32, 5)#卷积层2
self.pool2 = nn.MaxPool2d(2, 2)#下采样2
self.fc1 = nn.Linear(32*5*5, 120)#全连接层1 节点个数120
self.fc2 = nn.Linear(120, 84)#全连接层2 节点个数80
self.fc3 = nn.Linear(84, 10)#全连接层3 (CIFAR10数据集，训练集类别为10,根据训练集进行修改)
def forward(self, x):#正向传播的过程
x = F.relu(self.conv1(x)) # input(3, 32, 32) output(16, 28, 28) BATCH
x = self.pool1(x) # output(16, 14, 14) 池化层只改变尺寸 不改变通道数
x = F.relu(self.conv2(x)) # output(32, 10, 10) 卷积之后通过relu激活函数
x = self.pool2(x) # output(32, 5, 5)
x = x.view(-1, 32*5*5) # output(32*5*5) 展平成一个向量
x = F.relu(self.fc1(x)) # output(120) 全连接1
x = F.relu(self.fc2(x)) # output(84) 全连接2
x = self.fc3(x) # output(10)
return x
#经过卷积计算之后的尺寸大小公式：(W-F+2P/S)+1 W是输入通道 F是卷积大小 P是填0 S是步长
#验证卷积神经网络CNN各个层的输出是否与理论计算正确
# 多行注释CTRL+/ CTRL+函数可以查看不同函数的相关参数以及功能
# import torch
# input1=torch.rand([32,3,32,32])
# model=LeNet()
# print(model)
# output1=model(input1)
2.train.py----加载数据集并进行训练，训练集计算loss，测试集计算accuracy，保存训练好的网络参数
代码如下（示例）：
import torch
import torchvision
import torch.nn as nn
from model import LeNet
import torch.optim as optim
import torchvision.transforms as transforms
import matplotlib.pyplot as plt
import numpy as np
def main():
transform = transforms.Compose(
[transforms.ToTensor(),#对输入的图像数据做预处理，即由H W C (0-255) 转换为 C H W (0-1)
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))]) #标准化
# 50000张训练图片
# 第一次使用时要将download设置为True才会自动去下载数据集 训练集下载到当前目录的data目录下 transform对图像预处理 表示是数据集中的训练集
train_set = torchvision.datasets.CIFAR10(root='./data', train=True,#datasets.CIFAR10里面还有其他数据集
download=False, transform=transform)
train_loader = torch.utils.data.DataLoader(train_set, batch_size=36,#导入图片进行分批次batchsize=36 每次进行36张训练 是否打乱训练集
shuffle=False, num_workers=0)
# train_data_iter = iter(train_loader) # 用来生成迭代器
# train_image, train_label = train_data_iter.next() # 训练的照片以及标签
# 10000张验证图片
# 第一次使用时要将download设置为True才会自动去下载数据集
val_set = torchvision.datasets.CIFAR10(root='./data', train=False,
download=False, transform=transform)
val_loader = torch.utils.data.DataLoader(val_set, batch_size=32,
shuffle=True, num_workers=0)
val_data_iter = iter(val_loader)#用来生成迭代器
val_image, val_label = val_data_iter.next()#验证的照片以及标签
classes = ('plane', 'car', 'bird', 'cat',
'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
# # 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)))#c h w 转换为H W C
# plt.show()
#
#
# # print labels
# batch_size=4
# print(' '.join(f'{classes[val_label[j]]:5s}' for j in range(batch_size)))
# # show images
# imshow(torchvision.utils.make_grid(val_image))
net = LeNet()#定义训练的网络模型
loss_function = nn.CrossEntropyLoss()#定义损失函数
optimizer = optim.Adam(net.parameters(), lr=0.001)#优化器 (所有参数训练+学习率)
for epoch in range(5): #一个epoch即对整个训练集进行一次训练 训练集迭代多少轮次 5轮
running_loss = 0.0
for step, data in enumerate(train_loader, start=0):#遍历训练集数据
inputs, labels = data #获取训练集的图像和标签
optimizer.zero_grad()#历史梯度清零
# 前向传播 + 反向传播 + 优化器
outputs = net(inputs)#前向传播
loss = loss_function(outputs, labels)#计算损失梯度
loss.backward()#反向传播
optimizer.step()#优化器更新参数
#打印耗时、损失、准确率等数据
running_loss += loss.item()
if step % 500 == 499: #每500步打印一次
with torch.no_grad():#在以下步骤中（验证过程中）不用计算每个节点的损失梯度，防止内存占用
outputs = net(val_image) # [batch, 10]验证集传入网络（test_batch_size=10），output维度为[10,10]
predict_y = torch.max(outputs, dim=1)[1]#预测分类 以output中值最大位置对应的索引（标签）作为预测输出
accuracy = torch.eq(predict_y, val_label).sum().item() / val_label.size(0)#计算精确度 转换为数值
print('[%d, %5d] train_loss: %.3f test_accuracy: %.3f' %#打印epoch，step，loss，accuracy
(epoch + 1, step + 1, running_loss / 500, accuracy))
running_loss = 0.0
print('Finished Training')
save_path = './Lenet.pth'#保存权重，训练得到的参数
torch.save(net.state_dict(), save_path)
if __name__ == '__main__':
main()
3.predict.py——得到训练好的网络参数后，用自己找的图像进行分类测试
代码如下（示例）：
import torch
import torchvision.transforms as transforms
from PIL import Image
from model import LeNet
def main():
transform = transforms.Compose(
[transforms.Resize((32, 32)),#缩放和网络大小的图片
transforms.ToTensor(),
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
classes = ('plane', 'car', 'bird', 'cat',
'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
net = LeNet()
net.load_state_dict(torch.load('Lenet.pth'))#载入权重文件
#导入要测试的图像（自己找的，不在数据集中），放在源文件目录下
im = Image.open('bird.png')
im = transform(im) # [C, H, W]
im = torch.unsqueeze(im, dim=0) #[N, C, H, W] 增加维度 tensor[batch, channel, height, width]
with torch.no_grad():#不计算梯度
outputs = net(im)
predict = torch.max(outputs, dim=1)[1].numpy()
print(classes[int(predict)])
if __name__ == '__main__':
main()
三、额外补充
1.pytorch tensor的通道排序：batch channel height width :分别是批次，通道数，高度和宽度
2.lenet网络输入是灰度图像，我们案例用的是彩色图像，所以通道数会是3x32x32
3.不懂的函数可以在pytorch官网里面查看