0 前言

TRAINGING A CLASSIFIER 这篇教程很清楚的描述了如何使用PyTorch训练一个用于图像分类的卷积网络模型。这里记录一下，学习一波写法，供以后查阅，自己跑的项目在github上，稍微修改了一下训练策略，能使分类精度从53%提升到65%；并且增加了训练损失可视化部分。在这篇教程以前，你应该已经了解了如何使用PyTorch定义一个神经网络，计算神经网络的损失和更新网络的权重。按以下步骤训练一个模型。

使用torchvision，加载和规划化CIFAR10训练集和测试集；
定义一个卷积神经网络；
定义损失函数；
在训练数据上训练网络；
在测试数据上测试网络；

1 加载和规范化CIFAR10

对于视觉应用，使用torchvision包，它为一些常见的数据集（Imagenet,CIFAR10,MNIST等）集成了一些数据加载器和图像变换器，它们在torchvision.datasets和torch.data.DataLoader中。
这个教程中使用的是CIFAR10数据集，它包含了以下类别：‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’。CIFAR-10的图像大小是 $32\times 32$ ，例如，3通道的彩色图像是的尺寸是 $32\times32$ 。
以下这段代码的功能就是使用torchvision.datasets包下载CIFAR10数据集，它的实现逻辑是先定义dataset，然后利用dataset定义dataloader，完成数据加载器的定义。windows系统下在运行这段代码时会报BrokenPipeError错误，此时将torch.utils.data.DataLoader里的num_workers修改为0。

import torch
import torchvision
import torchvision.transforms as transforms
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')

以下代码的功能是利用torchvision.utils.make_grid函数可视化dataloader里的一个batch图像。其中，plt.imshow(np.transpose(npimg, (1, 2, 0)))这样进行在颜色通道维上的转置是因为opencv读入的图像是BGR的，需要转换成RBG通道的。

import matplotlib.pyplot as plt
import numpy as np

# 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)))
    plt.show()


# get some random training images
dataiter = iter(trainloader)
images, labels = dataiter.next()

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

可视化的结果类似下图。使用torchvision.utils.make_grid函数进行图像展示的这一方法值得借鉴，并且看起来torchvision.utils里有很多有趣的工具
在这里插入图片描述

2 定义一个卷积网络

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

分类问题常用的损失函数就是交叉熵损失，这里使用带momentum的SGD优化算法。

import torch.optim as optim

criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

4 训练网络

训练网络的基本流程就是迭代一个batch数据，优化器的梯度归零，使用网络前向传播获得网络输出，计算损失，反向传播，优化器优化。

for epoch in range(2):  # loop over the dataset multiple times

    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        # get the inputs; data is a list of [inputs, labels]
        inputs, labels = data

        # zero the parameter gradients
        optimizer.zero_grad()

        # forward + backward + optimize
        outputs = net(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

        # print statistics
        running_loss += loss.item()
        if i % 2000 == 1999:    # print every 2000 mini-batches
            print('[%d, %5d] loss: %.3f' %
                  (epoch + 1, i + 1, running_loss / 2000))
            running_loss = 0.0

print('Finished Training')
PATH = './cifar_net.pth'
torch.save(net.state_dict(), PATH)

5 测试网络

net = Net()
net.load_state_dict(torch.load(PATH))
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))
# 输出每个类别的精度
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() # squeeze 函数：从数组的形状中删除单维度条目，即把shape中为1的维度去掉
        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]))

6 在GPU上训练模型

首先要判断GPU可不可用；再将网络放在GPU上；然后将数据放在GPU上，就可以在GPU是进行训练了。


device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

# Assuming that we are on a CUDA machine, this should print a CUDA device:

print(device)


net.to(device)
inputs, labels = data[0].to(device), data[1].to(device)

参考资料

PyTorch Tutorials: TRAINING A CLASSIFIER.

PyTorch 训练一个分类器

文章目录