PyTorch教程之Training a classifier

我们已经了解了如何定义神经网络，计算损失并对网络的权重进行更新。

接下来的问题就是：

一、What about data?

通常处理图像、文本、音频或视频数据时，可以使用标准的python包将数据加载到numpy数组中。然后你可以将这个数组转换成一个torch.Tensor.

对于图片， 涉及到的库有Pillowh和OpenCV。

对于音频，涉及到的库有scipy和librosa

对于文本，无论是原始的Python还是基于Cython的加载，都会用到NLTK或者SpaCy。

我们已经创建了一个名为torchvision的软件包。

torchvision为像Imagenet、CIFAR10、MNIST等普通数据集提供数据加载器，并为图像、viz、torchvision提供数据转换器，也就是torchvision.datasetstorch.utils.data.DataLoader.

我们在这里使用的是CIFAR10数据集。它的类包括:“飞机”、“汽车”、“鸟”、“猫”、“鹿”、“狗”、“青蛙”、“马”、“船”、“卡车”。cifar - 10中的图像大小为3x32x32，即3 - channel彩色图像，大小为32x32像素。

我们将按顺序进行以下步骤:

1使用torchvision对CIFAR10训练和测试数据集进行加载和规范化

2.定义一个卷积神经网络

3.定义一个损失函数

4.在训练数据上训练神经网络

5.在测试数据上测试神经网络

1加载并规范化CIFAR10

　import相关类：

import torch
import torchvision
import torchvision.transforms as transforms

创建transform来处理图像数据

transform = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

下载训练数据集到./data/目录下：

trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
                                        download=True, transform=transform)

　查看下载的数据：

classes = ('plane', 'car', 'bird', 'cat',
           'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

image, label = trainset[0] 
print(image.size())
print(label)
print(classes[label])

输出结果：

torch.Size([3, 32, 32])
6
frog

torchvision数据集的输出是范围[0,1]的PILImage图像。我们将它们转换为标准化范围的Tensor[- 1,1]：

trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
                                          shuffle=True, num_workers=2)

同理，我们下载测试数据集并将其转化为Tensor：

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)

2.定义一个卷积神经网络

从复制代码，然后修改成获取3通道图像(而不是原本定义为1通道的图像)。

from torch.autograd import Variable
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.定义一个损失函数

这里使用的损失函数为Classification Cross-Entropy loss and SGD with momentum：

import torch.optim as optim

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

4.在训练数据上训练神经网络

我们只需要对数据迭代器进行循环，并将输入反馈到网络并进行优化。

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
        inputs, labels = data
        # wrap them in Variable
        inputs, labels = Variable(inputs), Variable(labels)
        # 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.data[0]
        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')

输出结果:

[1,  2000] loss: 2.224
[1,  4000] loss: 1.896
[1,  6000] loss: 1.721
[1,  8000] loss: 1.591
[1, 10000] loss: 1.542
[1, 12000] loss: 1.471
[2,  2000] loss: 1.411
[2,  4000] loss: 1.377
[2,  6000] loss: 1.334
[2,  8000] loss: 1.316
[2, 10000] loss: 1.290
[2, 12000] loss: 1.281

5.在测试数据上测试神经网络

我们将通过预测神经网络输出的类标签来检查它，如果预测是正确的，我们将样本添加到正确预测的列表中。

获取前四个测试数据的GroundTruth：

dataiter = iter(testloader)
images, labels = dataiter.next()

print('GroundTruth: ', ' '.join('%5s' % classes[labels[j]] for j in range(4)))

输出结果：

GroundTruth:    cat  ship  ship plane

神经网络输出是10类分别对应的energy，一个类的 energy量越高，神经网络就认为图像属于该类可能性越高，我们将energy最高的类作为我们预测结果：

outputs = net(Variable(images))
_, predicted = torch.max(outputs.data, 1)

print('Predicted: ', ' '.join('%5s' % classes[predicted[j]]
                              for j in range(4)))

输出结果：

Predicted:    cat  ship  ship  ship

我们在整个测试数据集上进行测试：

correct = 0
total = 0
for data in testloader:
    images, labels = data
    outputs = net(Variable(images))
    _, predicted = torch.max(outputs.data, 1)
    total += labels.size(0)
    correct += (predicted == labels).sum()

print('Accuracy of the network on the 10000 test images: %d %%' % (
    100 * correct / total))

输出结果显示正确率为56%

Accuracy of the network on the 10000 test images: 56 %

我们对不同的类识别效果进行分别统计：

class_correct = list(0. for i in range(10))
class_total = list(0. for i in range(10))
for data in testloader:
    images, labels = data
    outputs = net(Variable(images))
    _, predicted = torch.max(outputs.data, 1)
    c = (predicted == labels).squeeze()
    for i in range(4):
        label = labels[i]
        class_correct[label] += c[i]
        class_total[label] += 1


for i in range(10):
    print('Accuracy of %5s : %2d %%' % (
        classes[i], 100 * class_correct[i] / class_total[i]))

结果显示：

Accuracy of plane : 52 %
Accuracy of   car : 73 %
Accuracy of  bird : 45 %
Accuracy of   cat : 26 %
Accuracy of  deer : 39 %
Accuracy of   dog : 42 %
Accuracy of  frog : 73 %
Accuracy of horse : 73 %
Accuracy of  ship : 75 %
Accuracy of truck : 63 %