【人工智能实验室】第三次培训之手写数字识别代码理解

感觉把每一行代码都理解过去特别爽！！！

minist_train.py

import torch
from torch import nn
from torch.nn import functional as F
from torch import optim
import torchvision
from matplotlib import pyplot as plt
from utils import plot_image, plot_curve, one_hot


#！！！首先是训练集处理部分！！！
#提前设置好批大小
#批大小，每次训练在训练集中取batch_size个样本训练
#训练完60000张图片需要60000/batch_size次，本代码即需要60000/512=117次
#训练其实就是在让预测结果和标签贴合，而评价贴合过程必采用损失函数
batch_size = 512

#加载数据集
#训练集下载
train_loader = torch.utils.data.DataLoader(   #该方法参数较为复杂
    #torchvision.datasets是用来进行数据加载的
    torchvision.datasets.MNIST('mnist_data', train=True, download=True,
                               #train=True用于说明需要载入数据集的训练部分
                               #download=True用于指定是否需要下载
                               #transform用于指定导入数据集时需要对数据进行哪种变换操作
                               transform=torchvision.transforms.Compose([
                                   torchvision.transforms.ToTensor(),
                                   torchvision.transforms.Normalize(
                                       (0.1307,), (0.3081,))
                               ])),
    #每一个批次的数量：batch_size=batch_size, 是否需要随机打乱：shuffle=True
    batch_size=batch_size, shuffle=True)

#测试集下载
#从测试集中的10000张图片选取512张图片进行测试
test_loader = torch.utils.data.DataLoader(
    torchvision.datasets.MNIST('mnist_data/', train=False, download=True,
                               #train=False用于说明需要载入数据集的测试部分
                               transform=torchvision.transforms.Compose([
                                   torchvision.transforms.ToTensor(),
                                   torchvision.transforms.Normalize(
                                       (0.1307,), (0.3081,))
                               ])),
    #每一个批次的数量：batch_size=batch_size, 是否需要随机打乱：shuffle=False
    batch_size=batch_size, shuffle=False)

#从训练数据集中取一批数据出来
#x表示样本（即某张手写图片），y表示对应的标签
x,y = next(iter(train_loader))
#把x,y打印出来可以看到很神奇的结果，对图像中的数据存储理解会更清晰
#print(x,y)
print(x.shape, y.shape, x.min(), x.max())
plot_image(x,y, "image sample")

#建立神经网络（类）
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()

        #降维，将28*28个数据（每个数据即像素值，取值范围为0~255）转化为10个数据
        #这里将像素值进行归一化，获得0~1的浮点数
        #利用矩阵乘法方式来降维[a,b]*[b,c]->[a,c]
        #线性变换xw+b：x为输入即可看作上述的[a,b],w作为用于转换的矩阵即可看作上述的[b,c],b为偏置，也是矩阵
        #nn.Linear表示线性变换，实现xw+b,也用于设置网络中的全连接层
        #在处理二维图像任务中，全连接层的输入与输出一般都设置为二维张量（即矩阵）
        #输入张量形状通常为[batch_size,in_features],输出张量形状通常为[batch_size,out_features]
        #nn.Linear参数不涉及batch_size，只需要输入张量的“列”和输出张量的“列”，即in_features和out_features
        #因此以下代码没有出现“60000”（是60000不是512，我理解是在前向传播前先对60000预处理，之后再细分批次处理）
        #第一层降维
        self.fc1 = nn.Linear(28*28, 256)
        #第二层降维
        self.fc2 = nn.Linear(256, 64)
        #第三层降维
        self.fc3 = nn.Linear(64, 10)

    #前向传播
    def forward(self, x):
        # x: [b, 1, 28, 28]
        # h1 = relu(xw1+b1)，第一层激活函数
        x = F.relu(self.fc1(x))
        # h2 = relu(h1w2+b2)，第二层激活函数
        x = F.relu(self.fc2(x))
        # h3 = h2w3+b3，第三层激活函数
        x = self.fc3(x)
        return x

#创建神经网络类的对象net，即实例化网络结构
net = Net()
# [w1, b1, w2, b2, w3, b3]分别为三层对应的两个参数
#梯度下降算法更新参数（优化）
#optim包定义了许多深度学习常用的优化算法，包括 SGD + 动量（即SGDM）
#lr即学习率，人为设定
optimizer = optim.SGD(net.parameters(), lr=0.01, momentum=0.9)

#设定一个训练损失列表用于存储训练
train_loss = []
#1个epoch等于使用训练集中的全部样本训练一次
#本代码1个epoch包含117次的批训练
#编写训练结构，设定训练的轮数epoch为3轮
for epoch in range(3):
    #enumerate函数用于遍历，当该函数没有输入第二个参数值时，默认从第0个数据开始遍历
    #batch_idx表示当前训练的批次，(x,y)表述该次序的数据内容
    for batch_idx, (x, y) in enumerate(train_loader):

        #x: [b, 1, 28, 28], y: [512]（这里的b表示batch_size,不是偏置！！！1是通道数，[512]表示1行512列）
        #对x进行4维降2维，对每一张图片进行打平（在第二重for循环里，循环一次处理一批，一共循环117次）
        #[b, 1, 28, 28] => [b, 784]
        x = x.view(x.size(0), 28*28)
        #将batch_size张图片中的每张784个数据转化为10个数据
        #调用前面的神经网络类的对象来实现转换
        # => [b, 10]
        out = net(x)
        
        #对512个标签进行独热处理
        y_onehot = one_hot(y)
        #求batch_size张图片中每张图片的10个数据与其对应的10个独热标签的损失函数
        # loss = mse(out, y_onehot)
        loss = F.mse_loss(out, y_onehot)

        #把梯度初始化为0
        optimizer.zero_grad()
        #反向传播求解梯度
        loss.backward()
        #更新参数
        #w_new = w_old - lr*grad
        #b_new = b_old - lr*grad 
        optimizer.step()

        #将每张手写图像对应的loss值添加到列表中，方便后续可以作出Loss函数图像
        train_loss.append(loss.item())

        #每遍历10次就打印出1次
        if batch_idx % 10==0:
            print(epoch, batch_idx, loss.item())

#打印出遍历完后的loss函数图像
plot_curve(train_loss)
# we get optimal [w1, b1, w2, b2, w3, b3]


#！！！接下来是测试集处理部分！！！
total_correct = 0
#遍历测试集的10000张图片
for x,y in test_loader:
    #降维
    #for循环一次就处理一批图片（共需循环2次），所以x.size(0) == 1,"0"表示第一个维度
    x = x.view(x.size(0), 28*28)
    #784->10
    out = net(x)
    #out: [b, 10] => pred: [b]
    #dim=1:消除列，保留行，
    #argmax(dim=1):取每一行中数据值最大的列下标,由于保留列，所以有几行输出就有几个数据
    #值最大的那个数据即可认为是“1”的概率最大，这里说的“1”即独热编码中的“1”
    pred = out.argmax(dim=1)
    #将这个为“1”概率最大的下标与标签中为“1”的下标进行比较
    #若两个下标一致说明预测成功；若不一致则说明预测不成功；correct为一批次中预测成功的图片数目
    correct = pred.eq(y).sum().float().item()
    #计算总预测成功的图片张数
    total_correct += correct

#求测试集图片张数
total_num = len(test_loader.dataset)
#测试成功的图片张数与测试集全部张数的比例，即正确率
acc = total_correct / total_num
#输出整体预测的准确度
print('test.acc:', acc)

#取出一批测试集图片
x, y = next(iter(test_loader))
#print(x,y)
out = net(x.view(x.size(0), 28*28))
#print(x.size())
#print(x.size(0))
#print(x.view(x.size(0), 28*28))
#print(out)
pred = out.argmax(dim=1)
#print(pred)
plot_image(x, pred, 'test')

utils.py

import torch
from matplotlib import pyplot as plt


def plot_curve(data):                                #画曲线
    fig = plt.figure()                               
    plt.plot(range(len(data)), data, color='blue')
    plt.legend(['value'], loc='upper right')
    plt.xlabel('step')
    plt.ylabel('value')
    plt.show()



def plot_image(img, label, name):                     #画图像
    fig = plt.figure()
    for i in range(6):
        plt.subplot(2, 3, i + 1)
        plt.tight_layout()
        plt.imshow(img[i][0]*0.3081+0.1307, cmap='gray', interpolation='none')
        plt.title("{}: {}".format(name, label[i].item()))
        plt.xticks([])
        plt.yticks([])
    plt.show()


def one_hot(label, depth=10):                        #独热编码
    out = torch.zeros(label.size(0), depth)
    idx = torch.LongTensor(label).view(-1, 1)
    out.scatter_(dim=1, index=idx, value=1)
    return out

运行结果（部分）

训练集中的未处理过的x，y打印结果

 

 

调试过程部分参数结果

---------------------------------------------------------------------------------------------------------------------------------                                   以下为代码涉及到的一些函数和算法的理解参考                                         -

 梯度下降算法： 梯度下降算法原理讲解——机器学习_Arrow and Bullet-CSDN博客_梯度下降法https://blog.csdn.net/qq_41800366/article/details/86583789

epoch、batchsize、iterations:

深度学习： Epoch 是什么？_yuuzhao的博客-CSDN博客_训练epoch是什么意思https://blog.csdn.net/yinxian9019/article/details/107870356几句话搞懂什么是batch_Miracle_520的博客-CSDN博客_什么是batchhttps://blog.csdn.net/Miracle_520/article/details/101149961

torchvision包介绍：

torchvision 包的介绍_造未来-CSDN博客_torchvisionhttps://blog.csdn.net/qq_33590958/article/details/102602029nn.Linear:

PyTorch的nn.Linear（）详解_风雪夜归人o的博客-CSDN博客_nn.linearhttps://blog.csdn.net/qq_42079689/article/details/102873766全连接层与torch.nn.linear()理解_shuijinghua的博客-CSDN博客_torch 全连接层https://blog.csdn.net/weixin_38145317/article/details/111270687enumerate函数:

enumerate函数详解_windmyself的专栏-CSDN博客https://blog.csdn.net/windmyself/article/details/119413613反向传播前把梯度清0原因：

Pytorch实现将模型的所有参数的梯度清0_菜鸟教程-CSDN博客https://blog.csdn.net/liming89/article/details/110806079-----------------------------------------------------------------------------------------------------------------------------

以下为实验室学习内容补充：

softmax函数（我现在感觉这函数没那么陌生了，就是用来分类的）：

一分钟理解softmax函数（超简单）_L.Z.的博客-CSDN博客_softmax函数https://blog.csdn.net/lz_peter/article/details/84574716前向传播和反向传播：

前向传播和反向传播（举例说明）_郭云飞的专栏-CSDN博客_前向传播和反向传播的区别https://blog.csdn.net/guoyunfei20/article/details/78031498根据我目前的理解，通俗来讲，前向传播就是一个将前一个计算公式的结果值带入到下一个计算公式的输入值；反向传播就是一个应用链式法则求导的过程。