简介 || 张量 || 自动微分 || 构建模型 || TensorBoard 支持 || 训练模型 || 模型理解

PyTorch 简介

请按照以下视频或在 youtube 上观看。

PyTorch 张量

请从 03:50 开始观看视频。

首先，我们将导入 PyTorch。

import torch

让我们看看一些基本的张量操作。首先，只是一些创建张量的方法

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

在上面，我们创建了一个填充了零的 5x3 矩阵，并查询其数据类型以发现零是 32 位浮点数，这是 PyTorch 的默认设置。

如果你想要整数而不是浮点数怎么办？你可以随时覆盖默认设置

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)

你可以看到，当我们更改默认设置时，张量在打印时会很有帮助地报告这一点。

通常会随机初始化学习权重，通常使用特定的 PRNG 种子来确保结果的可重复性

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 张量以直观的方式执行算术运算。形状相似的张量可以相加、相乘等。标量运算会分布到整个张量上

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])

以下是一些可用的数学运算示例

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 张量的功能，还有很多需要了解的，包括如何在 GPU 上设置它们以进行并行计算 - 我们将在另一个视频中更深入地探讨。

PyTorch 模型

请从 10:00 开始观看视频。

让我们来谈谈如何在 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 的示意图，LeNet-5 是最早的卷积神经网络之一，也是深度学习爆发式增长的推动力之一。它被构建用来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哪个数字。

以下是其工作原理的简要版本

• 层 C1 是一个卷积层，这意味着它会扫描输入图像以寻找在训练期间学习到的特征。它输出一个地图，显示它在图像中看到每个学习到的特征的位置。这个“激活图”在层 S2 中被下采样。

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

• 最后，末端的全连接层 F5、F6 和 OUTPUT 是一个分类器，它接收最终的激活图，并将其分类到十个箱子中的一个，代表 10 个数字。

我们如何用代码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

查看这段代码，您应该能够发现它与上面的图表在结构上有一些相似之处。

这演示了一个典型的 PyTorch 模型的结构

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

• 一个模型将有一个 __init__() 函数，它在其中实例化其层，并加载可能需要的任何数据构件（例如，NLP 模型可能会加载词汇表）。

• 一个模型将有一个 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，添加任何您需要支持模型计算的属性和方法。

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要点，这可以提供模型的便捷概述。

在下面，我们创建一个虚拟输入，表示一个具有 1 个颜色通道的 32x32 图像。通常，您会加载一个图像块并将其转换为这种形状的张量。

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的批次 - 例如，16 个图像块的批次将具有形状 (16, 1, 32, 32)。由于我们只使用一张图像，因此我们创建一个具有形状 (1, 1, 32, 32) 的批次 1。

我们通过像函数一样调用它来要求模型进行推理： 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。（由于此模型实例尚未学习任何内容，因此我们不应该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。如果我们传入一个包含 16 个实例的输入批次，则 output 将具有 (16, 10) 的形状。

数据集和数据加载器

请继续观看从 14:00 开始的视频。

下面，我们将演示如何使用 TorchVision 中的一个现成的、开放访问的数据集，如何转换图像以供您的模型使用，以及如何使用 DataLoader 将批次数据馈送到您的模型。

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种转换

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

• transforms.Normalize() 调整张量值，使其平均值为零，标准差为 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快学习速度。传递给转换的值是数据集中图像的 rgb 值的均值（第一个元组）和标准差（第二个元组）。您可以通过运行以下几行代码自己计算这些值

  ```

  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到一个形状为 #(50000, 3, 32, 32) 的张量中 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])

  ```

还有更多可用的转换，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 彩色图像块，代表 10 类对象：6 种动物（鸟、猫、鹿、狗、青蛙、马）和 4 种车辆（飞机、汽车、船、卡车）

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

Downloading https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./data/cifar-10-python.tar.gz

  0%|          | 0.00/170M [00:00<?, ?B/s]
  0%|          | 459k/170M [00:00<00:38, 4.46MB/s]
  4%|3         | 6.23M/170M [00:00<00:04, 35.4MB/s]
  8%|7         | 12.9M/170M [00:00<00:03, 49.6MB/s]
 12%|#1        | 20.3M/170M [00:00<00:02, 59.3MB/s]
 16%|#6        | 27.9M/170M [00:00<00:02, 65.1MB/s]
 23%|##3       | 39.5M/170M [00:00<00:01, 82.2MB/s]
 30%|##9       | 51.1M/170M [00:00<00:01, 93.1MB/s]
 37%|###6      | 62.6M/170M [00:00<00:01, 100MB/s]
 43%|####3     | 74.2M/170M [00:00<00:00, 105MB/s]
 50%|#####     | 85.6M/170M [00:01<00:00, 108MB/s]
 57%|#####7    | 97.2M/170M [00:01<00:00, 110MB/s]
 64%|######3   | 109M/170M [00:01<00:00, 111MB/s]
 70%|#######   | 120M/170M [00:01<00:00, 112MB/s]
 77%|#######7  | 131M/170M [00:01<00:00, 113MB/s]
 84%|########3 | 143M/170M [00:01<00:00, 112MB/s]
 90%|######### | 154M/170M [00:01<00:00, 113MB/s]
 97%|#########7| 166M/170M [00:01<00:00, 112MB/s]
100%|##########| 170M/170M [00:01<00:00, 97.1MB/s]
Extracting ./data/cifar-10-python.tar.gz to ./data

注意

当您运行上面的单元格时，数据集下载可能需要一些时间。

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，它将读取一个标记图像的文件夹。您还可以创建自己的 Dataset 子类。

当我们实例化数据集时，我们需要告诉它一些事情

• 我们希望数据保存到的文件系统路径。

• 我们是否将此数据集用于训练；大多数数据集将被分成训练和测试子集。

• 如果我们还没有下载数据集，我们是否希望下载它。

• 我们想要应用于数据的转换。

一旦您的数据集准备就绪，您可以将其提供给 DataLoader

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

Dataset 子类封装了对数据的访问，并且专门用于它正在服务的数据类型。DataLoader 对数据一无所知，但会根据您指定的参数将 Dataset 提供的输入张量组织成批次。

在上面的示例中，我们要求 DataLoader 从 trainset 中为我们提供 4 张图像的批次，随机化它们的顺序（shuffle=True），并告诉它启动两个工作进程以从磁盘加载数据。

最好可视化您的 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)))

ship   car horse  ship

运行上面的单元格应该会显示一个包含四张图像的条带，以及每张图像的正确标签。

训练您的 PyTorch 模型

请继续观看从 17:10 开始的视频。

让我们把所有部分放在一起，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，我们需要训练和测试数据集。如果您还没有，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')

Files already downloaded and verified
Files already downloaded and verified

我们将对 DataLoader 的输出进行检查

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。如果它看起来很熟悉，那是因为它与本视频前面讨论的 LeNet 的变体 - 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()

我们需要的最后两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预测与理想输出之间差距的指标。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**是推动学习的动力。在这里，我们创建了一个实现随机梯度下降的优化器，这是更简单的优化算法之一。除了算法的参数，如学习率（lr）和动量之外，我们还传入 net.parameters()，它是由模型中的所有学习权重组成的集合 - 优化器会调整这些权重。

最后，所有这些都组合到训练循环中。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，我们只进行了 **2 个训练周期**（第 1 行） - 也就是说，对训练数据集进行了两次遍历。每次遍历都有一个内部循环，**遍历训练数据**（第 4 行），提供经过转换的输入图像批次及其正确的标签。

**将梯度清零**（第 9 行）是一个重要步骤。梯度在批次上累积；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，我们**要求模型对该批次进行预测**。在下一行（第 13 行），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，我们执行 backward() 传递，并计算将指导学习的梯度。

在第 15 行，优化器执行一个学习步骤 - 它使用 backward() 调用的梯度将学习权重推向它认为会减少损失的方向。

循环的其余部分对周期编号、已完成的训练实例数量以及训练循环中收集到的损失进行了一些轻量级的报告。

**当您运行上面的单元格时，**您应该会看到类似以下内容

[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，这表明我们的模型正在继续提高其在训练数据集上的性能。

最后一步，我们应该检查模型是否真正进行了泛化学习，而不是简单地“记忆”数据集。这称为**过拟合**，通常表示数据集太小（没有足够的示例进行泛化学习），或者模型的学习参数多于其正确建模数据集所需的参数。

这就是将数据集分成训练集和测试集的原因——为了测试模型的泛化能力，我们要求它对未经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 %

如果你按照步骤操作，你应该会发现模型此时的准确率大约为 50%。这不算最先进的水平，但远好于随机输出的 10% 准确率。这表明模型确实进行了一些泛化学习。