注意
单击此处下载完整的示例代码
训练分类器¶
创建于：2017 年 3 月 24 日 | 最后更新：2024 年 12 月 20 日 | 最后验证：未验证
就是这样。您已经了解了如何定义神经网络、计算损失以及更新网络的权重。
现在您可能在想，
数据呢？¶
通常，当您需要处理图像、文本、音频或视频数据时，可以使用标准 Python 包将数据加载到 NumPy 数组中。然后您可以将此数组转换为 torch.*Tensor。
对于图像，Pillow、OpenCV 等包非常有用
对于音频，scipy 和 librosa 等包非常有用
对于文本，可以使用原始 Python 或基于 Cython 的加载，或者 NLTK 和 SpaCy
专门针对视觉，我们创建了一个名为 torchvision 的包，其中包含用于常见数据集（如 ImageNet、CIFAR10、MNIST 等）的数据加载器以及用于图像的数据转换器，即 torchvision.datasets 和 torch.utils.data.DataLoader。
这提供了极大的便利，并避免了编写样板代码。
在本教程中，我们将使用 CIFAR10 数据集。它具有以下类别：“airplane”、“automobile”、“bird”、“cat”、“deer”、“dog”、“frog”、“horse”、“ship”、“truck”。CIFAR-10 中的图像大小为 3x32x32，即 3 通道彩色图像，大小为 32x32 像素。
cifar10¶
训练图像分类器¶
我们将按顺序执行以下步骤
使用
torchvision加载并归一化 CIFAR10 训练和测试数据集定义卷积神经网络
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. 加载并归一化 CIFAR10¶
使用 torchvision，加载 CIFAR10 非常容易。
import torch
import torchvision
import torchvision.transforms as transforms
torchvision 数据集的输出是范围为 [0, 1] 的 PILImage 图像。我们将它们转换为归一化范围为 [-1, 1] 的张量。
注意
如果在 Windows 上运行并遇到 BrokenPipeError，请尝试将 torch.utils.data.DataLoader() 的 num_worker 设置为 0。
transform = transforms.Compose(
[transforms.ToTensor(),
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
batch_size = 4
trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=batch_size,
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=batch_size,
shuffle=False, num_workers=2)
classes = ('plane', 'car', 'bird', 'cat',
'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
0%| | 0.00/170M [00:00<?, ?B/s]
0%| | 655k/170M [00:00<00:25, 6.54MB/s]
5%|4 | 8.52M/170M [00:00<00:03, 48.9MB/s]
11%|#1 | 19.1M/170M [00:00<00:02, 74.9MB/s]
18%|#7 | 30.5M/170M [00:00<00:01, 90.4MB/s]
24%|##4 | 41.3M/170M [00:00<00:01, 96.5MB/s]
31%|### | 52.4M/170M [00:00<00:01, 101MB/s]
37%|###7 | 63.5M/170M [00:00<00:01, 104MB/s]
43%|####3 | 74.2M/170M [00:00<00:00, 105MB/s]
50%|####9 | 84.7M/170M [00:00<00:00, 105MB/s]
56%|#####5 | 95.2M/170M [00:01<00:00, 104MB/s]
62%|######2 | 106M/170M [00:01<00:00, 106MB/s]
69%|######8 | 117M/170M [00:01<00:00, 107MB/s]
75%|#######5 | 128M/170M [00:01<00:00, 107MB/s]
82%|########1 | 139M/170M [00:01<00:00, 109MB/s]
88%|########8 | 150M/170M [00:01<00:00, 108MB/s]
95%|#########4| 162M/170M [00:01<00:00, 109MB/s]
100%|##########| 170M/170M [00:01<00:00, 101MB/s]
让我们展示一些训练图像，以供娱乐。
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 = next(dataiter)
# show images
imshow(torchvision.utils.make_grid(images))
# print labels
print(' '.join(f'{classes[labels[j]]:5s}' for j in range(batch_size)))
frog plane deer car
2. 定义卷积神经网络¶
从之前的神经网络部分复制神经网络，并对其进行修改以接受 3 通道图像（而不是定义的 1 通道图像）。
import torch.nn as nn
import torch.nn.functional as F
class Net(nn.Module):
def __init__(self):
super().__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 = torch.flatten(x, 1) # flatten all dimensions except batch
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¶
让我们使用分类交叉熵损失和带有动量的 SGD。
import torch.optim as optim
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)
4. 训练网络¶
这时事情开始变得有趣起来。我们只需循环遍历数据迭代器，并将输入馈送到网络并进行优化。
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; 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(f'[{epoch + 1}, {i + 1:5d}] loss: {running_loss / 2000:.3f}')
running_loss = 0.0
print('Finished Training')
[1, 2000] loss: 2.144
[1, 4000] loss: 1.835
[1, 6000] loss: 1.677
[1, 8000] loss: 1.573
[1, 10000] loss: 1.526
[1, 12000] loss: 1.447
[2, 2000] loss: 1.405
[2, 4000] loss: 1.363
[2, 6000] loss: 1.341
[2, 8000] loss: 1.340
[2, 10000] loss: 1.315
[2, 12000] loss: 1.281
Finished Training
让我们快速保存我们训练好的模型
PATH = './cifar_net.pth'
torch.save(net.state_dict(), PATH)
有关保存 PyTorch 模型的更多详细信息，请参阅此处。
5. 在测试数据上测试网络¶
我们已经对训练数据集进行了 2 次传递来训练网络。但我们需要检查网络是否学习到了任何东西。
我们将通过预测神经网络输出的类别标签，并将其与真实标签进行比较来检查这一点。如果预测正确，我们会将样本添加到正确预测的列表中。
好的，第一步。让我们显示测试集中的图像以熟悉一下。
dataiter = iter(testloader)
images, labels = next(dataiter)
# print images
imshow(torchvision.utils.make_grid(images))
print('GroundTruth: ', ' '.join(f'{classes[labels[j]]:5s}' for j in range(4)))
GroundTruth: cat ship ship plane
接下来，让我们重新加载我们保存的模型（注意：此处保存和重新加载模型不是必要的，我们这样做只是为了说明如何操作）
net = Net()
net.load_state_dict(torch.load(PATH, weights_only=True))
<All keys matched successfully>
好的，现在让我们看看神经网络认为上面的例子是什么
输出是 10 个类别的能量。类别的能量越高，网络就越认为图像属于该特定类别。因此，让我们获取能量最高的索引
Predicted: cat ship truck ship
结果看起来相当不错。
让我们看看网络在整个数据集上的表现如何。
correct = 0
total = 0
# since we're not training, we don't need to calculate the gradients for our outputs
with torch.no_grad():
for data in testloader:
images, labels = data
# calculate outputs by running images through the network
outputs = net(images)
# the class with the highest energy is what we choose as prediction
_, predicted = torch.max(outputs, 1)
total += labels.size(0)
correct += (predicted == labels).sum().item()
print(f'Accuracy of the network on the 10000 test images: {100 * correct // total} %')
Accuracy of the network on the 10000 test images: 54 %
这看起来比偶然情况要好得多，偶然情况的准确率为 10%（从 10 个类别中随机选择一个类别）。看起来网络学习到了一些东西。
嗯，哪些类别的表现良好，哪些类别的表现不佳
# prepare to count predictions for each class
correct_pred = {classname: 0 for classname in classes}
total_pred = {classname: 0 for classname in classes}
# again no gradients needed
with torch.no_grad():
for data in testloader:
images, labels = data
outputs = net(images)
_, predictions = torch.max(outputs, 1)
# collect the correct predictions for each class
for label, prediction in zip(labels, predictions):
if label == prediction:
correct_pred[classes[label]] += 1
total_pred[classes[label]] += 1
# print accuracy for each class
for classname, correct_count in correct_pred.items():
accuracy = 100 * float(correct_count) / total_pred[classname]
print(f'Accuracy for class: {classname:5s} is {accuracy:.1f} %')
Accuracy for class: plane is 37.9 %
Accuracy for class: car is 62.2 %
Accuracy for class: bird is 45.6 %
Accuracy for class: cat is 29.2 %
Accuracy for class: deer is 50.3 %
Accuracy for class: dog is 45.9 %
Accuracy for class: frog is 60.1 %
Accuracy for class: horse is 70.3 %
Accuracy for class: ship is 82.9 %
Accuracy for class: truck is 63.1 %
好的，接下来做什么？
我们如何在 GPU 上运行这些神经网络？
在 GPU 上训练¶
就像您将张量传输到 GPU 上一样，您也将神经网络传输到 GPU 上。
如果我们有 CUDA 可用，让我们首先将我们的设备定义为第一个可见的 CUDA 设备
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)
cuda:0
本节的其余部分假设 device 是 CUDA 设备。
然后，这些方法将递归遍历所有模块，并将它们的参数和缓冲区转换为 CUDA 张量
net.to(device)
请记住，您还必须在每个步骤将输入和目标发送到 GPU
为什么我没有注意到与 CPU 相比 MASSIVE 的加速？因为您的网络真的很小。
练习： 尝试增加网络的宽度（第一个 nn.Conv2d 的参数 2，以及第二个 nn.Conv2d 的参数 1 – 它们需要是相同的数字），看看您能获得什么样的加速。
目标已实现:
在高层次上理解 PyTorch 的张量库和神经网络。
训练小型神经网络以对图像进行分类
