PyTorchの基本-畳み込みニューラルネットワークCNNを使用した手書きデータセット認識の実現-07

import numpy as np
import torch
from torch import nn,optim
from torch.autograd import Variable
from torchvision import datasets,transforms
from torch.utils.data import DataLoader

# 训练集
train_data = datasets.MNIST(root="./", # 存放位置
                            train = True, # 载入训练集
                            transform=transforms.ToTensor(), # 把数据变成tensor类型
                            download = True # 下载
                           )
# 测试集
test_data = datasets.MNIST(root="./",
                            train = False,
                            transform=transforms.ToTensor(),
                            download = True
                           )

# 批次大小
batch_size = 64
# 装载训练集
train_loader = DataLoader(dataset=train_data,batch_size=batch_size,shuffle=True)
# 装载测试集
test_loader = DataLoader(dataset=test_data,batch_size=batch_size,shuffle=True)

for i,data in enumerate(train_loader):
    inputs,labels = data
    print(inputs.shape)
    print(labels.shape)
    break

  in_channel：入力データのチャネル数。たとえば、RGB画像チャネルの数は3、グレー画像チャネルの数は1です。

out_channel：出力データのチャネル数。これはモデルに応じて調整されます。

kennel_size：畳み込みカーネルのサイズ（intまたはtuple）。kennel_size= 2は、畳み込み2のサイズを意味します。kennel_size=（2,3）は、畳み込みのサイズが1次元で2であることを意味します。 、および2次元のサイズは3です。

stride：stride、デフォルトは1、kennel_size、stride = 2と同様に、すべての次元のストライドが2であることを意味します。stride=（2,3）、つまり、最初の次元のストライドが2であることを意味します。 2番目の次元のそれ次元のステップは3です。

パディング：ゼロパディング：3X3畳み込みウィンドウは1つのゼロ円で埋められ、5X5畳み込みウィンドウは2つのゼロ円で埋められ、7X7畳み込みウィンドウは3つのゼロ円で埋められます

# 定义网络结构
class Net(nn.Module):
    def __init__(self):
        super(Net,self).__init__()# 初始化
        # nn.Conv2d(1,32,5,1,2): 通道数，输出，卷积窗口 步长，填充几圈0  激活函数relu   最大池化窗口2*2
        self.conv1 = nn.Sequential(nn.Conv2d(1,32,5,1,2),nn.ReLU(),nn.MaxPool2d(2,2)) # 卷积层
        self.conv2 = nn.Sequential(nn.Conv2d(32,64,5,1,2),nn.ReLU(),nn.MaxPool2d(2,2)) # 卷积层
        self.fc1 = nn.Sequential(nn.Linear(64*7*7,500),nn.Dropout(p=0.5),nn.ReLU()) # 全连接层 全连接层 features_in其实就是输入的神经元个数，features_out就是输出神经元个数 64*7*7,1000 64个特征图 大小7*7  输出500个特征图
        self.fc2 = nn.Sequential(nn.Linear(500,10),nn.Softmax(dim=1)) # 全连接层
        
    def forward(self,x):
         # torch.Size([64, 1, 28, 28])  # 卷积中需要传入4维  批次大小  图像通道数 图片大小
        x = self.conv1(x)
        x = self.conv2(x)
        # torch.Size([64, 1, 28, 28]) -> (64,784)
        x = x.view(x.size()[0],-1) # 4维变2维 （在全连接层做计算只能2维）
        x = self.fc1(x)
        x = self.fc2(x)
        return x

# 定义模型
model = Net()
# 定义代价函数
mse_loss = nn.CrossEntropyLoss()# 交叉熵
# 定义优化器
optimizer = optim.Adam(model.parameters(),lr=0.5)# 随机梯度下降

# 定义模型训练和测试的方法
def train():
    # 模型的训练状态
    model.train()
    for i,data in enumerate(train_loader):
        # 获得一个批次的数据和标签
        inputs,labels = data
        # 获得模型预测结果（64，10)
        out = model(inputs)
        # 交叉熵代价函数out（batch，C：类别的数量），labels（batch）
        loss = mse_loss(out,labels)
        # 梯度清零
        optimizer.zero_grad()
        # 计算梯度
        loss.backward()
        # 修改权值
        optimizer.step()
        
def test():
    # 模型的测试状态
    model.eval()
    correct = 0 # 测试集准确率
    for i,data in enumerate(test_loader):
        # 获得一个批次的数据和标签
        inputs,labels = data
        # 获得模型预测结果（64，10)
        out = model(inputs)
        # 获得最大值，以及最大值所在的位置
        _,predicted = torch.max(out,1)
        # 预测正确的数量
        correct += (predicted==labels).sum()
    print("Test acc:{0}".format(correct.item()/len(test_data)))
    
    correct = 0
    for i,data in enumerate(train_loader): # 训练集准确率
        # 获得一个批次的数据和标签
        inputs,labels = data
        # 获得模型预测结果（64，10)
        out = model(inputs)
        # 获得最大值，以及最大值所在的位置
        _,predicted = torch.max(out,1)
        # 预测正确的数量
        correct += (predicted==labels).sum()
    print("Train acc:{0}".format(correct.item()/len(train_data)))

# 训练
for epoch in range(10):
    print("epoch:",epoch)
    train()
    test()