简介 || 张量 || Autograd || 构建模型 || TensorBoard 支持 || 训练模型 || 模型理解

PyTorch 简介

创建于：2021 年 11 月 30 日 | 最后更新：2024 年 1 月 19 日 | 最后验证：2024 年 11 月 05 日

观看以下视频或在 youtube 上观看。

PyTorch 张量

从 03:50 开始观看视频。

首先，我们将导入 pytorch。

import torch

让我们看一些基本的张量操作。首先，仅介绍几种创建张量的方法

z = torch.zeros(5, 3)
print(z)
print(z.dtype)

tensor([[0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.]])
torch.float32

上面，我们创建了一个填充零的 5x3 矩阵，并查询其数据类型以找出零是 32 位浮点数，这是 PyTorch 的默认设置。

如果想要整数怎么办？您可以随时覆盖默认值

i = torch.ones((5, 3), dtype=torch.int16)
print(i)

tensor([[1, 1, 1],
        [1, 1, 1],
        [1, 1, 1],
        [1, 1, 1],
        [1, 1, 1]], dtype=torch.int16)

您可以看到，当我们更改默认值时，张量会在打印时 helpful 地报告这一点。

通常随机初始化学习权重，通常使用 PRNG 的特定种子以实现结果的可重复性

torch.manual_seed(1729)
r1 = torch.rand(2, 2)
print('A random tensor:')
print(r1)

r2 = torch.rand(2, 2)
print('\nA different random tensor:')
print(r2) # new values

torch.manual_seed(1729)
r3 = torch.rand(2, 2)
print('\nShould match r1:')
print(r3) # repeats values of r1 because of re-seed

A random tensor:
tensor([[0.3126, 0.3791],
        [0.3087, 0.0736]])

A different random tensor:
tensor([[0.4216, 0.0691],
        [0.2332, 0.4047]])

Should match r1:
tensor([[0.3126, 0.3791],
        [0.3087, 0.0736]])

PyTorch 张量直观地执行算术运算。可以添加、乘法等形状相似的张量。与标量的运算分布在张量上

ones = torch.ones(2, 3)
print(ones)

twos = torch.ones(2, 3) * 2 # every element is multiplied by 2
print(twos)

threes = ones + twos       # addition allowed because shapes are similar
print(threes)              # tensors are added element-wise
print(threes.shape)        # this has the same dimensions as input tensors

r1 = torch.rand(2, 3)
r2 = torch.rand(3, 2)
# uncomment this line to get a runtime error
# r3 = r1 + r2

tensor([[1., 1., 1.],
        [1., 1., 1.]])
tensor([[2., 2., 2.],
        [2., 2., 2.]])
tensor([[3., 3., 3.],
        [3., 3., 3.]])
torch.Size([2, 3])

这是一个可用数学运算的小样本

r = (torch.rand(2, 2) - 0.5) * 2 # values between -1 and 1
print('A random matrix, r:')
print(r)

# Common mathematical operations are supported:
print('\nAbsolute value of r:')
print(torch.abs(r))

# ...as are trigonometric functions:
print('\nInverse sine of r:')
print(torch.asin(r))

# ...and linear algebra operations like determinant and singular value decomposition
print('\nDeterminant of r:')
print(torch.det(r))
print('\nSingular value decomposition of r:')
print(torch.svd(r))

# ...and statistical and aggregate operations:
print('\nAverage and standard deviation of r:')
print(torch.std_mean(r))
print('\nMaximum value of r:')
print(torch.max(r))

A random matrix, r:
tensor([[ 0.9956, -0.2232],
        [ 0.3858, -0.6593]])

Absolute value of r:
tensor([[0.9956, 0.2232],
        [0.3858, 0.6593]])

Inverse sine of r:
tensor([[ 1.4775, -0.2251],
        [ 0.3961, -0.7199]])

Determinant of r:
tensor(-0.5703)

Singular value decomposition of r:
torch.return_types.svd(
U=tensor([[-0.8353, -0.5497],
        [-0.5497,  0.8353]]),
S=tensor([1.1793, 0.4836]),
V=tensor([[-0.8851, -0.4654],
        [ 0.4654, -0.8851]]))

Average and standard deviation of r:
(tensor(0.7217), tensor(0.1247))

Maximum value of r:
tensor(0.9956)

关于 PyTorch 张量的强大功能还有很多需要了解的内容，包括如何设置它们以在 GPU 上进行并行计算 - 我们将在另一个视频中深入探讨。

PyTorch 模型

从 10:00 开始观看视频。

让我们讨论一下如何在 PyTorch 中表达模型

import torch                     # for all things PyTorch
import torch.nn as nn            # for torch.nn.Module, the parent object for PyTorch models
import torch.nn.functional as F  # for the activation function

图：LeNet-5

上面是 LeNet-5 的图表，LeNet-5 是最早的卷积神经网络之一，也是深度学习爆炸式增长的驱动力之一。它旨在读取手写数字的小图像（MNIST 数据集），并正确分类图像中表示的数字。

这是其工作原理的简略版本

• 层 C1 是一个卷积层，这意味着它扫描输入图像以查找在训练期间学习到的特征。它输出一个特征图，显示在图像中看到每个学习到的特征的位置。此“激活图”在层 S2 中进行下采样。

• 层 C3 是另一个卷积层，这次扫描 C1 的激活图以查找特征的组合。它还输出一个激活图，描述这些特征组合的空间位置，该激活图在层 S4 中进行下采样。

• 最后，末尾的全连接层 F5、F6 和 OUTPUT 是一个分类器，它获取最终的激活图，并将其分类为代表 10 个数字的 10 个 bin 之一。

我们如何在代码中表达这个简单的神经网络？

class LeNet(nn.Module):

    def __init__(self):
        super(LeNet, self).__init__()
        # 1 input image channel (black & white), 6 output channels, 5x5 square convolution
        # kernel
        self.conv1 = nn.Conv2d(1, 6, 5)
        self.conv2 = nn.Conv2d(6, 16, 5)
        # an affine operation: y = Wx + b
        self.fc1 = nn.Linear(16 * 5 * 5, 120)  # 5*5 from image dimension
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        # Max pooling over a (2, 2) window
        x = F.max_pool2d(F.relu(self.conv1(x)), (2, 2))
        # If the size is a square you can only specify a single number
        x = F.max_pool2d(F.relu(self.conv2(x)), 2)
        x = x.view(-1, self.num_flat_features(x))
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

    def num_flat_features(self, x):
        size = x.size()[1:]  # all dimensions except the batch dimension
        num_features = 1
        for s in size:
            num_features *= s
        return num_features

查看此代码，您应该能够发现与上面的图表的一些结构相似之处。

这演示了典型 PyTorch 模型的结构

• 它继承自 torch.nn.Module - 模块可以嵌套 - 实际上，即使是 Conv2d 和 Linear 层类也继承自 torch.nn.Module。

• 模型将具有一个 __init__() 函数，在其中实例化其层，并加载它可能需要的任何数据工件（例如，NLP 模型可能会加载词汇表）。

• 模型将具有一个 forward() 函数。这是实际计算发生的地方：输入通过网络层和各种函数传递以生成输出。

• 除此之外，您可以像构建任何其他 Python 类一样构建您的模型类，添加支持模型计算所需的任何属性和方法。

让我们实例化此对象并运行一个示例输入。

net = LeNet()
print(net)                         # what does the object tell us about itself?

input = torch.rand(1, 1, 32, 32)   # stand-in for a 32x32 black & white image
print('\nImage batch shape:')
print(input.shape)

output = net(input)                # we don't call forward() directly
print('\nRaw output:')
print(output)
print(output.shape)

LeNet(
  (conv1): Conv2d(1, 6, kernel_size=(5, 5), stride=(1, 1))
  (conv2): Conv2d(6, 16, kernel_size=(5, 5), stride=(1, 1))
  (fc1): Linear(in_features=400, out_features=120, bias=True)
  (fc2): Linear(in_features=120, out_features=84, bias=True)
  (fc3): Linear(in_features=84, out_features=10, bias=True)
)

Image batch shape:
torch.Size([1, 1, 32, 32])

Raw output:
tensor([[ 0.0898,  0.0318,  0.1485,  0.0301, -0.0085, -0.1135, -0.0296,  0.0164,
          0.0039,  0.0616]], grad_fn=<AddmmBackward0>)
torch.Size([1, 10])

上面发生了一些重要的事情

首先，我们实例化 LeNet 类，并打印 net 对象。torch.nn.Module 的子类将报告它创建的层及其形状和参数。如果您想了解模型的处理流程，这可以提供模型的方便概述。

在下面，我们创建一个虚拟输入，表示具有 1 个颜色通道的 32x32 图像。通常，您会加载图像图块并将其转换为此形状的张量。

您可能已经注意到我们的张量有一个额外的维度 - 批次维度。PyTorch 模型假设它们正在处理数据批次 - 例如，16 个图像图块批次的形状为 (16, 1, 32, 32)。由于我们仅使用一张图像，因此我们创建一个批次为 1 的批次，形状为 (1, 1, 32, 32)。

我们通过像函数一样调用模型来请求推理：net(input)。此调用的输出表示模型对输入表示特定数字的置信度。（由于模型的此实例尚未学习任何内容，因此我们不应期望在输出中看到任何信号。）查看 output 的形状，我们可以看到它也具有批次维度，其大小应始终与输入批次维度匹配。如果我们传入 16 个实例的输入批次，则 output 的形状将为 (16, 10)。

数据集和数据加载器

从 14:00 开始观看视频。

下面，我们将演示如何使用 TorchVision 中随时可下载的开放访问数据集之一，如何转换图像以供模型使用，以及如何使用 DataLoader 将数据批次馈送到模型。

我们需要做的第一件事是将传入的图像转换为 PyTorch 张量。

#%matplotlib inline

import torch
import torchvision
import torchvision.transforms as transforms

transform = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2470, 0.2435, 0.2616))])

在这里，我们为输入指定了两个变换

• transforms.ToTensor() 将 Pillow 加载的图像转换为 PyTorch 张量。

• transforms.Normalize() 调整张量的值，使其平均值为零，标准偏差为 1.0。大多数激活函数在 x = 0 附近具有最强的梯度，因此将我们的数据集中在那里可以加速学习。传递给变换的值是数据集中图像的 rgb 值的均值（第一个元组）和标准偏差（第二个元组）。您可以通过运行以下几行代码自行计算这些值

  ```

  from torch.utils.data import ConcatDataset transform = transforms.Compose([transforms.ToTensor()]) trainset = torchvision.datasets.CIFAR10(root=’./data’, train=True,

  download=True, transform=transform)

  #将所有训练图像堆叠在一起，形成形状为 #(50000, 3, 32, 32) 的张量 x = torch.stack([sample[0] for sample in ConcatDataset([trainset])])

  #获取每个通道的均值 mean = torch.mean(x, dim=(0,2,3)) #tensor([0.4914, 0.4822, 0.4465]) std = torch.std(x, dim=(0,2,3)) #tensor([0.2470, 0.2435, 0.2616])

  ```

还有更多可用的变换，包括裁剪、居中、旋转和反射。

接下来，我们将创建一个 CIFAR10 数据集的实例。这是一组 32x32 彩色图像图块，代表 10 类对象：6 类动物（鸟、猫、鹿、狗、青蛙、马）和 4 类交通工具（飞机、汽车、轮船、卡车）

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

  0%|          | 0.00/170M [00:00<?, ?B/s]
  0%|          | 459k/170M [00:00<00:37, 4.55MB/s]
  4%|4         | 7.60M/170M [00:00<00:03, 43.7MB/s]
 10%|#         | 17.6M/170M [00:00<00:02, 69.3MB/s]
 16%|#6        | 27.8M/170M [00:00<00:01, 82.1MB/s]
 22%|##2       | 37.7M/170M [00:00<00:01, 88.4MB/s]
 28%|##8       | 48.1M/170M [00:00<00:01, 93.5MB/s]
 34%|###4      | 58.4M/170M [00:00<00:01, 96.4MB/s]
 40%|####      | 68.5M/170M [00:00<00:01, 97.9MB/s]
 46%|####6     | 78.4M/170M [00:00<00:00, 98.3MB/s]
 52%|#####1    | 88.3M/170M [00:01<00:00, 96.6MB/s]
 57%|#####7    | 98.0M/170M [00:01<00:00, 95.3MB/s]
 63%|######3   | 108M/170M [00:01<00:00, 95.8MB/s]
 69%|######9   | 118M/170M [00:01<00:00, 97.7MB/s]
 75%|#######5  | 128M/170M [00:01<00:00, 99.3MB/s]
 81%|########1 | 139M/170M [00:01<00:00, 101MB/s]
 87%|########7 | 149M/170M [00:01<00:00, 102MB/s]
 94%|#########3| 160M/170M [00:01<00:00, 102MB/s]
100%|#########9| 170M/170M [00:01<00:00, 103MB/s]
100%|##########| 170M/170M [00:01<00:00, 93.7MB/s]

注意

当您运行上面的单元格时，数据集可能需要一些时间才能下载。

这是在 PyTorch 中创建数据集对象的示例。可下载数据集（如上面的 CIFAR-10）是 torch.utils.data.Dataset 的子类。PyTorch 中的 Dataset 类包括 TorchVision、Torchtext 和 TorchAudio 中的可下载数据集，以及实用程序数据集类，例如 torchvision.datasets.ImageFolder，它将读取标记图像的文件夹。您还可以创建自己的 Dataset 子类。

当我们实例化数据集时，我们需要告诉它几件事

• 我们希望数据转到的文件系统路径。

• 我们是否将此集合用于训练；大多数数据集将分为训练和测试子集。

• 如果我们尚未下载数据集，是否要下载它。

• 我们要应用于数据的变换。

数据集准备就绪后，您可以将其提供给 DataLoader

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

Dataset 子类包装对数据的访问，并且专门用于它所服务的数据类型。DataLoader 对数据一无所知，但会将 Dataset 提供的输入张量组织成具有您指定的参数的批次。

在上面的示例中，我们要求 DataLoader 从 trainset 中提供 4 个图像的批次，随机化其顺序 (shuffle=True)，并且我们告诉它启动两个工作程序以从磁盘加载数据。

最好可视化 DataLoader 提供的批次

import matplotlib.pyplot as plt
import numpy as np

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

def imshow(img):
    img = img / 2 + 0.5     # unnormalize
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg, (1, 2, 0)))


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

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

Clipping input data to the valid range for imshow with RGB data ([0..1] for floats or [0..255] for integers). Got range [-0.49473685..1.5632443].
 ship   car horse  ship

运行上面的单元格应显示给您四张图像的条带，以及每张图像的正确标签。

训练您的 PyTorch 模型

从 17:10 开始观看视频。

让我们将所有部分放在一起，并训练一个模型

#%matplotlib inline

import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim

import torchvision
import torchvision.transforms as transforms

import matplotlib
import matplotlib.pyplot as plt
import numpy as np

首先，我们将需要训练和测试数据集。如果您尚未下载数据集，请运行下面的单元格以确保数据集已下载。（可能需要一分钟。）

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')

我们将在 DataLoader 的输出上运行我们的检查

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)))


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

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

cat   cat  deer  frog

这是我们将要训练的模型。如果看起来很眼熟，那是因为它是 LeNet 的变体 - 在本视频前面讨论过 - 适用于 3 色图像。

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()

我们需要的最后一个要素是损失函数和优化器

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

如本视频前面所述，损失函数是衡量模型的预测与理想输出之间的差距的指标。交叉熵损失是我们这样的分类模型的典型损失函数。

优化器是驱动学习的因素。在这里，我们创建了一个实现随机梯度下降的优化器，随机梯度下降是最直接的优化算法之一。除了算法的参数（如学习率 (lr) 和动量）之外，我们还传入 net.parameters()，它是模型中所有学习权重的集合 - 这就是优化器调整的内容。

最后，所有这些都组装到训练循环中。继续运行此单元格，因为它可能需要几分钟才能执行

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

        # 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')

[1,  2000] loss: 2.195
[1,  4000] loss: 1.876
[1,  6000] loss: 1.655
[1,  8000] loss: 1.576
[1, 10000] loss: 1.519
[1, 12000] loss: 1.466
[2,  2000] loss: 1.421
[2,  4000] loss: 1.376
[2,  6000] loss: 1.336
[2,  8000] loss: 1.335
[2, 10000] loss: 1.326
[2, 12000] loss: 1.270
Finished Training

在这里，我们只进行 2 个训练 epoch（第 1 行）- 也就是说，在训练数据集上进行两次传递。每次传递都有一个内部循环，该循环迭代训练数据（第 4 行），提供转换后的输入图像及其正确标签的批次。

将梯度归零（第 9 行）是一个重要的步骤。梯度在批次中累积；如果我们不为每个批次重置它们，它们将继续累积，这将提供不正确的梯度值，从而使学习变得不可能。

在第 12 行中，我们要求模型预测此批次。在接下来的行（第 13 行）中，我们计算损失 - outputs（模型预测）和 labels（正确输出）之间的差异。

在第 14 行中，我们执行 backward() 传递，并计算将指导学习的梯度。

在第 15 行中，优化器执行一个学习步骤 - 它使用来自 backward() 调用的梯度来朝它认为会减少损失的方向微调学习权重。

循环的其余部分对 epoch 编号、已完成的训练实例数以及在训练循环中收集的损失进行一些简单的报告。

当您运行上面的单元格时，您应该会看到类似这样的内容

[1,  2000] loss: 2.235
[1,  4000] loss: 1.940
[1,  6000] loss: 1.713
[1,  8000] loss: 1.573
[1, 10000] loss: 1.507
[1, 12000] loss: 1.442
[2,  2000] loss: 1.378
[2,  4000] loss: 1.364
[2,  6000] loss: 1.349
[2,  8000] loss: 1.319
[2, 10000] loss: 1.284
[2, 12000] loss: 1.267
Finished Training

请注意，损失是单调下降的，表明我们的模型正在继续提高其在训练数据集上的性能。

作为最后一步，我们应该检查模型是否真的在进行一般学习，而不仅仅是“记住”数据集。这称为 过拟合，通常表明数据集太小（没有足够的示例用于一般学习），或者模型具有比正确建模数据集所需的学习参数更多。

这就是数据集分为训练和测试子集的原因 - 为了测试模型的泛化性，我们要求它对未训练的数据进行预测

correct = 0
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))

Accuracy of the network on the 10000 test images: 54 %

如果您按照操作，您应该看到模型此时的准确率约为 50%。这并不完全是最先进的水平，但远好于我们从随机输出中期望的 10% 的准确率。这表明模型中确实发生了一些一般学习。