Pytorch实现RNN网络对MNIST字体分类

 我们知道，循环神经网络RNN非常擅长处理序列数据，但它也可以用来处理图像数据，这是因为一张图像可以看作一组由很长的像素点组成的序列。下面将会使用RNN对MNIST数据集建立分类器。

目录

1.准备数据集、定义数据加载器

2.搭建RNN网络 

3.RNN网络的训练与预测

---

1.准备数据集、定义数据加载器

在进行数据准备工作时，可以直接从torchvision库的datasets模块导入MNIST手写字体的训练数据集和测试数据集，然后使用Data.DataLoader()函数将两个数据集定义为数据加载器，其中每个batch包含64张图像，最后得到训练集数据加载器train_loader与测试集数据加载器test_loader。在导入的数据集中，训练集包含60000张28×28的灰度图像，测试集包含10000张28×28的灰度图像。

#准备训练数据集
train_data=torchvision.datasets.MNIST(
    root="../Dataset",
    train=True,
    transform=transforms.ToTensor(),
    download=False
)
#定义一个数据加载器
train_loader=Data.DataLoader(
    dataset=train_data,
    batch_size=64,
    shuffle=True,
    num_workers=0
)
#准备测试数据集
test_data=torchvision.datasets.MNIST(
    root="../Dataset",
    train=False,
    transform=transforms.ToTensor(),
    download=False
)
#定义测试数据集的数据加载器
test_loader=Data.DataLoader(
    dataset=test_data,
    batch_size=64,
    shuffle=True,
    num_workers=0
)

2.搭建RNN网络 

下面程序定义了MyRnnMnistNet类，在调用时需要输入4个参数，参数input_dim表示输入数据的维度，针对图像分类器，其值是图片中每行的数据像素点量，针对手写字体数据其值等于28;参数hidden_dim表示构建RNN网络层中包含神经元的个数;参数layer_dim表示在RNN网络层中有多少层RNN神经元;参数output_dim则表示在使用全连接层进行分类时输出的维度，可以使用数据的类别数表示，MNIST数据集表示为10

#定义网络
class MyRnnMnistNet(nn.Module):
    def __init__(self,input_dim,hidden_dim,layer_dim,output_dim):
        # input_dim:输入数据的维度(图片每行的数据像素点)
        #hidden_dim:RNN神经元个数
        #layer_dim:RNN层数
        #output_dim:隐藏层输出的维度(分类的数量)
        super(MyRnnMnistNet,self).__init__()
        self.hidden_dim=hidden_dim
        self.layer_dim=layer_dim
        self.rnn=nn.RNN(input_dim,hidden_dim,layer_dim,batch_first=True,nonlinearity='relu')
        #连接全连接层
        self.fc1=nn.Linear(hidden_dim,output_dim)
    def forward(self,x):
        # x:[batch,time_step,input_dim]
        #time_step=图像所有像素数量 / input_size
        #out:[batch,time_step,output_size]
        out,h_n=self.rnn(x,None)#None表示h0会使用全0进行初始化
        #选取最后一个时间点的out输出
        out=self.fc1(out[:,-1,:])
        return out
#模型的调用
input_dim=28#图片每行的像素数量
hidden_dim=128#RNN神经元个数
layer_dim=1#RNN层数
output_dim=10#隐藏层输出的维度(10类图像)
MyRnnMnistNet=MyRnnMnistNet(input_dim,hidden_dim,layer_dim,output_dim)
#print(MyRnnMnistNet)

在MyRnnMnistNet类调用nn.RNN()函数时，参数batch_first=True表示使用的数据集中batch在数据的第一个维度，参数nonlinearity='relu'表示RNN层使用的激活函数为ReLU函数。从RNNimc类的forward()函数中，发现网络的self.rnn()层的输入有两个参数，第一个参数为需要分析的数据x，第二个参数则为初始的隐藏层输出，这里使用None代替，表示使用全0进行初始化。而输出则包含两个参数，其中out表示RNN最后一层的输出特征，h_n表示隐藏层的输出。在将RNN层和全连接分类层连接时,将全连接层网络作用于最后一个时间点的out输出。

3.RNN网络的训练与预测

对定义好的网络模型使用训练集进行训练，需要定义优化器和损失函数，优化器使用torch.optim.RMSprop()定义，损失函数则使用交叉嫡损失nn.CrossEntropyLoss()函数定义,并且使用训练集对网络训练30个epoch 

#对模型进行训练
optimizer=torch.optim.RMSprop(MyRnnMnistNet.parameters(),lr=0.0003)
criterion=nn.CrossEntropyLoss()#损失函数
train_loss_all=[]
train_acc_all=[]
test_loss_all=[]
test_acc_all=[]
num_epochs=30
for epoch in range(num_epochs):
    print("Epoch {} / {}".format(epoch,num_epochs-1))
    MyRnnMnistNet.train()
    corrects=0
    train_num=0
    for step,(b_x,b_y) in enumerate(train_loader):
        xdata=b_x.view(-1,28,28)
        output=MyRnnMnistNet(xdata)
        pre_lab=torch.argmax(output,1)
        loss=criterion(output,b_y)
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()
        loss+=loss.item() * b_x.size(0)
        corrects +=torch.sum(pre_lab == b_y.data)
        train_num += b_x.size(0)
    #经过一个计算epoch的训练后在训练集上的损失和精度
    train_loss_all.append((loss / train_num).detach().numpy())
    train_acc_all.append(corrects.double().item()/train_num)
    print('{}Train Loss:{:.4f} Train Acc:{:.4f}'.format(epoch,train_loss_all[-1],train_acc_all[-1]))
    #设置模型为验证模式
    MyRnnMnistNet.eval()
    corrects=0
    test_num=0
    for step,(b_x,b_y) in enumerate(test_loader):
        xdata=b_x.view(-1,28,28)
        output=MyRnnMnistNet(xdata)
        pre_lab=torch.argmax(output,1)
        loss=criterion(output,b_y)
        loss +=loss.item() * b_x.size(0)
        corrects +=torch.sum(pre_lab == b_y.data)
        test_num +=b_x.size(0)
    #计算经过一个epoch的训练后在测试集上的损失和精度
    test_loss_all.append((loss / test_num).detach().numpy())
    test_acc_all.append(corrects.double().item() /test_num)
    print("{}Test Loss:{:.4f} Test Acc:{:.4f}".format(epoch,test_loss_all[-1],test_acc_all[-1]))

在上面的程序中，每使用训练集对网络进行一轮训练，都会使用测试集来测试当前网络的分类效果，针对训练集和测试集的每个epoch损失和预测精度，都保存在train_loss_all、train_acc_all、test_loss_all、test_acc_all四个列表中。在每个epoch中使用MyRNNimc.train()将网络切换为训练模式，使用MyRnnMnistNet.eval()将网络切换为验证模式。针对网络的输入x，需要从图像数据集[batch, channel, height,width]转化为[batch, time_step, input_dim]，即从[64,1,28,28]转化为[64,28,28]。在网络训练完毕后，将网络在训练集和测试集上的损失及预测精度使用折线图可视化，得到的图像如下图所示

#可视化模型训练过程
plt.figure(figsize=(14,5))
plt.subplot(1,2,1)
plt.plot(train_loss_all,"ro-",label="Train Loss")
plt.plot(test_loss_all,"bs-",label="Val Loss")
plt.legend()
plt.xlabel("epoch")
plt.ylabel("Loss")
plt.subplot(1,2,2)
plt.plot(train_acc_all,"ro-",label="Train acc")
plt.plot(test_acc_all,"bs-",label="Val acc")
plt.xlabel("epoch")
plt.ylabel("acc")
plt.legend()
plt.show()

扫描二维码关注公众号，回复： 14775030 查看本文章

 上图中左图所示为每个epoch在训练集和测试集上的损失函数的变化情况，右图所示则为每个epoch在训练集和测试集上的预测精度的变化情况，精度最终稳定在0.97附近。可见使用RNN网络也能很好地对手写字体图像数据进行预测。

4.该案例的完整代码

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import time
import copy
import torch
from torch import nn
import torch.nn.functional as F
import torch.optim as optim
import torchvision
import torch.utils.data as Data
from  torchvision import transforms

#准备训练数据集
train_data=torchvision.datasets.MNIST(
    root="../Dataset",
    train=True,
    transform=transforms.ToTensor(),
    download=False
)
#定义一个数据加载器
train_loader=Data.DataLoader(
    dataset=train_data,
    batch_size=64,
    shuffle=True,
    num_workers=0
)
#准备测试数据集
test_data=torchvision.datasets.MNIST(
    root="../Dataset",
    train=False,
    transform=transforms.ToTensor(),
    download=False
)
#定义测试数据集的数据加载器
test_loader=Data.DataLoader(
    dataset=test_data,
    batch_size=64,
    shuffle=True,
    num_workers=0
)


#定义网络
class MyRnnMnistNet(nn.Module):
    def __init__(self,input_dim,hidden_dim,layer_dim,output_dim):
        # input_dim:输入数据的维度(图片每行的数据像素点)
        #hidden_dim:RNN神经元个数
        #layer_dim:RNN层数
        #output_dim:隐藏层输出的维度(分类的数量)
        super(MyRnnMnistNet,self).__init__()
        self.hidden_dim=hidden_dim
        self.layer_dim=layer_dim
        self.rnn=nn.RNN(input_dim,hidden_dim,layer_dim,batch_first=True,nonlinearity='relu')
        #连接全连接层
        self.fc1=nn.Linear(hidden_dim,output_dim)
    def forward(self,x):
        # x:[batch,time_step,input_dim]
        #time_step=图像所有像素数量 / input_size
        #out:[batch,time_step,output_size]
        out,h_n=self.rnn(x,None)#None表示h0会使用全0进行初始化
        #选取最后一个时间点的out输出
        out=self.fc1(out[:,-1,:])
        return out
#模型的调用
input_dim=28#图片每行的像素数量
hidden_dim=128#RNN神经元个数
layer_dim=1#RNN层数
output_dim=10#隐藏层输出的维度(10类图像)
MyRnnMnistNet=MyRnnMnistNet(input_dim,hidden_dim,layer_dim,output_dim)
#print(MyRnnMnistNet)
#可视化神经网络


#对模型进行训练
optimizer=torch.optim.RMSprop(MyRnnMnistNet.parameters(),lr=0.0003)
criterion=nn.CrossEntropyLoss()#损失函数
train_loss_all=[]
train_acc_all=[]
test_loss_all=[]
test_acc_all=[]
num_epochs=30
for epoch in range(num_epochs):
    print("Epoch {} / {}".format(epoch,num_epochs-1))
    MyRnnMnistNet.train()
    corrects=0
    train_num=0
    for step,(b_x,b_y) in enumerate(train_loader):
        xdata=b_x.view(-1,28,28)
        output=MyRnnMnistNet(xdata)
        pre_lab=torch.argmax(output,1)
        loss=criterion(output,b_y)
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()
        loss+=loss.item() * b_x.size(0)
        corrects +=torch.sum(pre_lab == b_y.data)
        train_num += b_x.size(0)
    #经过一个计算epoch的训练后在训练集上的损失和精度
    train_loss_all.append((loss / train_num).detach().numpy())
    train_acc_all.append(corrects.double().item()/train_num)
    print('{}Train Loss:{:.4f} Train Acc:{:.4f}'.format(epoch,train_loss_all[-1],train_acc_all[-1]))
    #设置模型为验证模式
    MyRnnMnistNet.eval()
    corrects=0
    test_num=0
    for step,(b_x,b_y) in enumerate(test_loader):
        xdata=b_x.view(-1,28,28)
        output=MyRnnMnistNet(xdata)
        pre_lab=torch.argmax(output,1)
        loss=criterion(output,b_y)
        loss +=loss.item() * b_x.size(0)
        corrects +=torch.sum(pre_lab == b_y.data)
        test_num +=b_x.size(0)
    #计算经过一个epoch的训练后在测试集上的损失和精度
    test_loss_all.append((loss / test_num).detach().numpy())
    test_acc_all.append(corrects.double().item() /test_num)
    print("{}Test Loss:{:.4f} Test Acc:{:.4f}".format(epoch,test_loss_all[-1],test_acc_all[-1]))
#可视化模型训练过程
plt.figure(figsize=(14,5))
plt.subplot(1,2,1)
plt.plot(train_loss_all,"ro-",label="Train Loss")
plt.plot(test_loss_all,"bs-",label="Val Loss")
plt.legend()
plt.xlabel("epoch")
plt.ylabel("Loss")
plt.subplot(1,2,2)
plt.plot(train_acc_all,"ro-",label="Train acc")
plt.plot(test_acc_all,"bs-",label="Val acc")
plt.xlabel("epoch")
plt.ylabel("acc")
plt.legend()
plt.show()