1 开发环境
电脑系统：Windows 10
编译器：Jupter Lab
语言环境：Python 3.8
深度学习环境：Pytorch
2 前期准备
2.1 设置GPU
由于实验所用电脑显卡维集成显卡（intel(r) UHD graphics），因此无法使用GPU。
# 设置GPU(没有GPU则为CPU)
import torch
import torch.nn as nn
import matplotlib.pyplot as plt
import torchvision
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
print('device', device)
2.2 导入数据
2.2.1 下载数据
使用torchvision.datasets..CIFAR10下载CIFAR10数据集，并划分好训练集与测试集。
若本地已下载过CIFAR10数据集，则从本地直接读取（通过调整参数download = False实现）
（1）函数原型
torchvision.datasets.CIFAR10(root, train=True, transform=None, target_transform=None, download=False)
（2）参数说明
root (string) ：数据地址
train (string) ：True = 训练集，False = 测试集
download (bool,optional) : 如果为True，从互联网上下载数据集，并把数据集放在 root 目录下。
transform (callable, optional )：这里的参数选择一个你想要的数据转化函数，直接完成数据转化
target_transform (callable,optional) ：接受目标并对其进行转换的函数/转换。
（3）实验代码
import os
ROOT_FOLDER = 'data'
CIFAR10_FOLDER = os.path.join(ROOT_FOLDER, 'cifar-10-batches-py')
if not os.path.exists(CIFAR10_FOLDER) or not os.path.isdir(CIFAR10_FOLDER):
print('开始下载数据集')
# 下载训练集
train_ds = torchvision.datasets.CIFAR10(ROOT_FOLDER,
train=True,
transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
download=True)
# 下载测试集
test_ds = torchvision.datasets.CIFAR10(ROOT_FOLDER,
train=False,
transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
download=True)
else:
print('数据集已下载 直接读取')
# 读取已下载的训练集
train_ds = torchvision.datasets.CIFAR10(ROOT_FOLDER,
train=True,
transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
download=False)
# 读取已下载的测试集
test_ds = torchvision.datasets.CIFAR10(ROOT_FOLDER,
train=False,
transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
download=False)
执行结果如下所示：
运行后，在data文件夹下下载数据包，同时将数据集直接转换成Tensor
2.2.2 加载数据
使用torch.utils.data.DataLoader加载数据，并设置batch_size=32，因此最后输出的图像数据的shape为[32, 3, 32, 32]。
batch_size = 32
# 从 train_ds 加载训练集
train_dl = torch.utils.data.DataLoader(train_ds,
batch_size=batch_size,
shuffle=True)
# 从 test_ds 加载测试集
test_dl = torch.utils.data.DataLoader(test_ds,
batch_size=batch_size)
# 取一个批次查看数据格式
# 数据的shape为：[batch_size, channel, height, weight]
# 其中batch_size为自己设定，channel，height和weight分别是图片的通道数，高度和宽度。
imgs, labels = next(iter(train_dl))
print('Image shape: ', imgs.shape, '\n')
# torch.Size([32, 3, 32, 32]) # 所有数据集中的图像都是32*32的RGB图
2.3 数据可视化
import numpy as np
# 指定图片大小，图像大小为20宽、5高的绘图(单位为英寸inch)
plt.figure('Data Visualization', figsize=(20, 5))
for i, imgs in enumerate(imgs[:20]):
# 维度顺序调整 [3, 32, 32]->[32, 32, 3]
npimg = imgs.numpy().transpose((1, 2, 0))
# 将整个figure分成2行10列，绘制第i+1个子图。
plt.subplot(2, 10, i+1)
plt.imshow(npimg, cmap=plt.cm.binary)
plt.axis('off')
3 构建简单的CNN网络
对于一般的CNN网络来说，都是由特征提取网络和分类网络构成，其中特征提取网络用于提取图片的特征，分类网络用于将图片 进行分类。
3.1 torch.nn.Conv2d()
Conv2d为卷积层，用于提取图片的特征。
（1）函数原型
torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode=‘zeros’, device=None, dtype=None)
- 参数说明
in_channels ( int )：输入图像中的通道数
out_channels ( int )：卷积产生的通道数
kernel_size ( int or tuple )：卷积核的大小
stride ( int or tuple , optional )：卷积的步幅。默认值为1
padding ( int , tuple或str , optional )：添加到输入的所有四个边的填充。默认值为0
dilation( int or tuple , optional )：扩张操作，控制kernel点（卷积核点）的间距，默认值为1
padding_mode (字符串,可选)：'zeros', 'reflect', 'replicate'或'circular'。默认值为'zeros'
其中关于dilation的图解为下图所示：
3.2 torch.nn.Linear()
Linear为全连接层，可以起到特征提取器的作用，最后一层的全连接层也可以认为是输出层。
（1）函数原型
torch.nn.Linear(in_features, out_features, bias=True, device=None, dtype=None)
（2）参数说明
in_features：每个输入样本的大小
out_features：每个输出样本的大小
3.3 torch.nn.MaxPool2d()
MaxPool2d为池化层，进行下采样，用更高层的抽象表示图像特征.
（1）函数原型：
torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)
（2）参数说明：
kernel_size：最大的窗口大小
stride：窗口的步幅，默认值为 kernel_size
padding：填充值，默认为 0
dilation：控制窗口中元素步幅的参数
3.4 CNN网络搭建
3.4.1代码
import torch.nn.functional as F
num_classes = 10 # 图片的类别数
class Model(nn.Module):
def __init__(self):
super().__init__()
# 特征提取网络
self.conv1 = nn.Conv2d(3, 64, kernel_size=3) # 第一层卷积,卷积核大小为3*3
self.pool1 = nn.MaxPool2d(kernel_size=2) # 设置池化层,池化核大小为2*2
self.drop1 = nn.Dropout(p=0.15)
self.conv2 = nn.Conv2d(64, 64, kernel_size=3) # 第二层卷积,卷积核大小为3*3
self.pool2 = nn.MaxPool2d(kernel_size=2) # 设置池化层,池化核大小为2*2
self.drop2 = nn.Dropout(p=0.15)
self.conv3 = nn.Conv2d(64, 128, kernel_size=3) # 第三层卷积,卷积核大小为3*3
self.pool3 = nn.MaxPool2d(kernel_size=2) # 设置池化层,池化核大小为2*2
self.drop3 = nn.Dropout(p=0.15)
# 分类网络
self.fc1 = nn.Linear(512, 256)
self.fc2 = nn.Linear(256, num_classes)
# 前向传播
def forward(self, x):
x = self.drop1(self.pool1(F.relu(self.conv1(x))))
x = self.drop2(self.pool2(F.relu(self.conv2(x))))
x = self.drop3(self.pool3(F.relu(self.conv3(x))))
x = torch.flatten(x, start_dim=1)
x = F.relu(self.fc1(x))
x = self.fc2(x)
return x3.4.2 网络数据shape推导
（1）卷积层shape计算
卷积层输出shape大小(O*O)的计算公式：
其中，w -- 输入数据大小（w*w）
k -- 卷积核大小（k*k）
s -- 步长
p -- 填充大小（padding）
（2）池化层shape计算
池化层输出shape大小（[N,C,Hout,Wout]或[C,Hout,Wout]，输入数据shape为[N,C,Hin,Win]或[C,Hin,Win]） 计算公式：
其中，kernel_size：池化窗口大小
stride：窗口的步长，默认值为kernel_size
padding：填充值，默认为0
dilation：控制窗口中元素步幅的参数，默认为1
（3）网络shape
根据（1）和（2）中的公式和代码中对各层参数的设置，可以推导出各层大小为：
[3, 32, 32] （输入数据）-->
[64, 30, 30] （con1）--> [64, 15, 15] （pool1）-->
[64, 13, 13] （con2）--> [64, 6, 6] （pool2）-->
[128, 4, 4] （con3）--> [128, 2, 2] （pool1）-->
[3, 30, 30] （con1）--> [3, 15, 15] （pool1）-->
[512]（fc1）-> [256] （fc2）-->
[10]（输出层，num_class）
整个网络结构如下图所示：
3.4.3 加载并打印模型
from torchinfo import summary
# 将模型转移到GPU中,但我的PC只能将模型运行在CPU中
model = Model().to(device)
summary(model)输出结果如下:
3.4.4 模型打包
可以使用torch.nn.Sequential把模型进行打包，结构打印更为清晰。
class ModelS(nn.Module):
def __init__(self):
super(ModelS, self).__init__()
self.conv1=nn.Sequential(
nn.Conv2d(3, 64, kernel_size=3, padding=0),# 64*30*30
nn.ReLU(),
nn.MaxPool2d(2), #高宽减半 64*15*15
nn.Dropout(0.15)
)
self.conv2=nn.Sequential(
nn.Conv2d(64, 64, kernel_size=3, padding=0), # 64*13*13
nn.ReLU(),
nn.MaxPool2d(2), #高宽减半 64*6*6
nn.Dropout(0.15)
)
self.conv3=nn.Sequential(
nn.Conv2d(64, 128, kernel_size=3, padding=0), # 128*4*4
nn.ReLU(),
nn.MaxPool2d(2), #高宽减半 128*2*2
nn.Dropout(0.15)
)
self.fc=nn.Sequential(
nn.Linear(128*2*2, 256),
nn.ReLU(),
nn.Linear(256, num_classes)
)
def forward(self, x):
batch_size = x.size(0)
x = self.conv1(x) # 卷积-激活-池化-Dropout
x = self.conv2(x) # 卷积-激活-池化-Dropout
x = self.conv3(x) # 卷积-激活-池化-Dropout
x = x.view(batch_size, -1) # flatten 变成全连接网络需要的输入
x = self.fc(x)
return x
model_s = ModelS().to(device)
summary(model_s)
4 训练模型
4.1 设置超参数
loss_fn = nn.CrossEntropyLoss() # 创建损失函数
learn_rate = 1e-2 # 学习率
opt = torch.optim.SGD(model.parameters(),lr=learn_rate)4.2 编写训练函数
4.2.1 optimizer.zero_grad()
该函数会遍历模型的所有参数，通过内置方法截断反向传播的梯度流，再将每个参数的梯度值设为0，即上一次的梯度记录被清空。
4.2.2 loss.backward()
PyTorch的反向传播（即tensor.backward())是通过autograd包来实现的，autograd包会根据tensor进行过的数学运算来自动计算其对应的梯度。
具体来说，torch.tensor是autograd包的基础类，如果你设置tensor的requires_grads为True，就会开始跟踪这个tensor上面的所有运算，如果你做完运算后使用tensor.backward()，所有的梯度就会自动运算，tensor的梯度将会累加到它的.grad属性里面。
更具体的说，损失函数loss是由模型的所有权重w经过一系列运算得到的，若某个w的requires_grads为True，则w的所有上层参数（后面层的权重w）的.grad_fn属性中就保存了对应的运算，然后在使用loss.backward()后，会一层层的反向传播计算每个梯度值，并保存到该w的.grad属性中。
如果没有进行tensor.backward()的话，梯度值将会是None，因此loss.backward()要写在optimizer.step()之前。
4.2.3 optimizer.step()
step()函数的作用是执行一次优化步骤，通过梯度下降法来更新参数的值。因为梯度下降是基于梯度的，所以在执行optimizer.step()函数前应先执行loss.backward()函数来计算梯度。
注意：optimizer只负责通过梯度下降进行优化，而不负责产生梯度，梯度是tensor.backward()方法产生的。
4.2.4 训练函数代码
# 训练循环
def train(dataloader, model, loss_fn, optimizer):
size = len(dataloader.dataset) # 训练集的大小
num_batches = len(dataloader) # 批次数目
train_loss, train_acc = 0, 0 # 初始化训练损失和正确率
for X, y in dataloader: # 获取图片及其标签
X, y = X.to(device), y.to(device)
# 计算预测误差
pred = model(X) # 网络输出
loss = loss_fn(pred, y) # 计算网络输出和真实值之间的差距，y为真实值，计算二者差值即为损失
# 反向传播
optimizer.zero_grad() # grad属性归零
loss.backward() # 反向传播
optimizer.step() # 每一步自动更新
# 记录acc与loss
train_acc += (pred.argmax(1) == y).type(torch.float).sum().item()
train_loss += loss.item()
train_acc /= size
train_loss /= num_batches
return train_acc, train_loss4.3 编写测试函数
测试函数和训练函数大致相同，但由于不进行梯度下降对网络权重进行更新，所以不需要传入优化器。
def test (dataloader, model, loss_fn):
size = len(dataloader.dataset) # 测试集的大小
num_batches = len(dataloader) # 批次数目
test_loss, test_acc = 0, 0
# 当不进行训练时，停止梯度更新，节省计算内存消耗
with torch.no_grad():
for imgs, target in dataloader:
imgs, target = imgs.to(device), target.to(device)
# 计算loss
target_pred = model(imgs)
loss = loss_fn(target_pred, target)
test_loss += loss.item()
test_acc += (target_pred.argmax(1) == target).type(torch.float).sum().item()
test_acc /= size
test_loss /= num_batches
return test_acc, test_loss
4.4 正式训练
4.4.1 model.train()
model.train()的作用是启用Batch Normalization和Dropout。
如果模型中有BN层（Batch Normalization）和Dropout，需要在训练时添加model.train()。model.train()是保证BN层能够用到每一批数据的均值和方差。对于Dropout，model.train()是随机取一部分网络连接来训练更新参数。
4.4.2 model.eval()
model.eval()的作用是不启用Batch Normalization和Dropout。
如果模型中有BN层（Batch Normalization）和Dropout，在测试时添加model.eval()。model.eval()是保证BN层能够用全部训练数据的均值和方差，即测试过程中要保证BN层的均值和方差不变。对于Dropout，model.eval()是利用到了所有网络连接，即不进行随机舍弃神经元。
训练完train样本后，生成的模型model要用来测试样本。在model(test)之前，需要加上model.eval()，否则的话，有输入数据，即使不训练，它也会改变权值。这是model中含有BN层和Dropout所带来的的性质。
4.4.3 训练代码
import time
epochs = 30
train_loss = []
train_acc = []
test_loss = []
test_acc = []
print('\nStart training...')
for epoch in range(epochs):
model.train()
epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, opt)
model.eval()
epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)
train_acc.append(epoch_train_acc)
train_loss.append(epoch_train_loss)
test_acc.append(epoch_test_acc)
test_loss.append(epoch_test_loss)
template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%，Test_loss:{:.3f}')
print(time.strftime('[%Y-%m-%d %H:%M:%S]'), template.format(epoch+1, epoch_train_acc*100, epoch_train_loss, epoch_test_acc*100, epoch_test_loss))
print('Done')以下是训练输出结果：
最终结果，训练集准确率达到73.6%，测试集准确率达到72.9%，而且loss也仍有下降的趋势，说明目前处于欠拟合的状态，需要继续进行训练。
将训练次数修改为50次，重新进行训练，训练集准确率达到81.2%，测试集准确率达到76.9%，但仍然处于欠拟合状态，仍需要继续训练。
5 预测和结果可视化
import matplotlib.pyplot as plt
#隐藏警告
import warnings
warnings.filterwarnings("ignore") #忽略警告信息
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
plt.rcParams['figure.dpi'] = 100 #分辨率
epochs_range = range(epochs)
plt.figure('Result Visualization', figsize=(12, 3))
plt.subplot(1, 2, 1)
plt.plot(epochs_range, train_acc, label='Training Accuracy')
plt.plot(epochs_range, test_acc, label='Test Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')
plt.subplot(1, 2, 2)
plt.plot(epochs_range, train_loss, label='Training Loss')
plt.plot(epochs_range, test_loss, label='Test Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()
6 总结
本节与上一个minist手写数字识别项目相比，差别不大，除了数据集和网络稍微复杂一点（增加了一组Conv2d+MaxPool2d+Dropout）外，基本没有太大变化。