代码地址
上一篇:Pytorch入门实战(1) - 实现线性回归
涉及知识点
Pytorch nn.Module的基本使用
Pytorch nn.Linear的基本用法
PytorchVision Transforms的基本使用
Pytorch中DataLoader的基本用法
Pytorch详解NLLLoss和CrossEntropyLoss
如何确定神经网络的层数和隐藏层神经元数量
本文内容
本文将会使用BP神经网络(就是最普通的神经网络)实现一个MNIST手写数据集的实现。话不多说,直接开始。
首先先导入需要的包:
import osimport numpy as npimport torchimport torchvisionimport matplotlib.pyplot as pltfrom time import timefrom torchvision import datasets, transformsfrom torch import nn, optim
定义transform对象,其定义了数据集中的图片应该做怎样的处理:
transform = pose([transforms.ToTensor(),transforms.Normalize((0.5,), (0.5,)),])
加载和下载训练数据集,这里使用pytorch提供的API进行下载:
train_set = datasets.MNIST('train_set', # 下载到该文件夹下download=not os.path.exists('train_set'), # 是否下载,如果下载过,则不重复下载train=True, # 是否为训练集transform=transform # 要对图片做的transform)train_set
Dataset MNISTNumber of datapoints: 60000Root location: train_setSplit: TrainStandardTransformTransform: Compose(ToTensor()Normalize(mean=(0.5,), std=(0.5,)))
等待一段时间下载成功后,可以看到训练集中一共有6w个数据,接下来下载测试数据集:
test_set = datasets.MNIST('test_set', download=not os.path.exists('test_set'),train=False, transform=transform)test_set
Dataset MNISTNumber of datapoints: 10000Root location: test_setSplit: TestStandardTransformTransform: Compose(ToTensor()Normalize(mean=(0.5,), std=(0.5,)))
测试数据集包含1w条数据
接下来构建训练数据集和测试数据集的DataLoader对象:
train_loader = torch.utils.data.DataLoader(train_set, batch_size=64, shuffle=True)test_loader = torch.utils.data.DataLoader(test_set, batch_size=64, shuffle=True)dataiter = iter(train_loader)images, labels = dataiter.next()print(images.shape)print(labels.shape)
torch.Size([64, 1, 28, 28])torch.Size([64])
在上面,我们将其分成64个一组的图片,每个图片只有一个通道(灰度图),大小为28x28。抽一张绘制一下:
plt.imshow(images[0].numpy().squeeze(), cmap='gray_r');
到这里,前期准备工作就结束了。
开始定义神经网络
class NerualNetwork(nn.Module):def __init__(self):super().__init__()"""定义第一个线性层,输入为图片(28x28),输出为第一个隐层的输入,大小为128。"""self.linear1 = nn.Linear(28 * 28, 128)# 在第一个隐层使用ReLU激活函数self.relu1 = nn.ReLU()"""定义第二个线性层,输入是第一个隐层的输出,输出为第二个隐层的输入,大小为64。"""self.linear2 = nn.Linear(128, 64)# 在第二个隐层使用ReLU激活函数self.relu2 = nn.ReLU()"""定义第三个线性层,输入是第二个隐层的输出,输出为输出层,大小为10"""self.linear3 = nn.Linear(64, 10)# 最终的输出经过softmax进行归一化self.softmax = nn.LogSoftmax(dim=1)# 上述动作可以直接使用nn.Sequential写成如下形式:self.model = nn.Sequential(nn.Linear(28 * 28, 128),nn.ReLU(),nn.Linear(128, 64),nn.ReLU(),nn.Linear(64, 10),nn.LogSoftmax(dim=1))def forward(self, x):"""定义神经网络的前向传播x: 图片数据, shape为(64, 1, 28, 28)"""# 首先将x的shape转为(64, 784)x = x.view(x.shape[0], -1)# 接下来进行前向传播x = self.linear1(x)x = self.relu1(x)x = self.linear2(x)x = self.relu2(x)x = self.linear3(x)x = self.softmax(x)# 上述一串,可以直接使用 x = self.model(x) 代替。return x
model = NerualNetwork()
神经网络定义完后,开始定义损失函数,这里选用负对数似然损失函数(NLLLoss
, negative log likelihood loss),其常用于分类任务。详情可参考链接
criterion = nn.NLLLoss()
接下来定义优化器,这里使用随机梯度下降法,学习率设置为0.003,momentum取默认的0.9(用于防止过拟合)
optimizer = optim.SGD(model.parameters(), lr=0.003, momentum=0.9)
准备工作完毕,开始训练数据集:
time0 = time() # 记录下当前时间epochs = 15 # 一共训练15轮for e in range(epochs):running_loss = 0 # 本轮的损失值for images, labels in train_loader:# 前向传播获取预测值output = model(images) # 计算损失loss = criterion(output, labels) # 进行反向传播loss.backward()# 更新权重optimizer.step()# 清空梯度optimizer.zero_grad() # 累加损失running_loss += loss.item()else:# 一轮循环结束后打印本轮的损失函数print("Epoch {} - Training loss: {}".format(e, running_loss/len(train_loader)))# 打印总的训练时间 print("\nTraining Time (in minutes) =",(time()-time0)/60)
Epoch 0 - Training loss: 0.6462286284117937Epoch 1 - Training loss: 0.27847810615418056Epoch 2 - Training loss: 0.21768317640081905Epoch 3 - Training loss: 0.17949896098088736Epoch 4 - Training loss: 0.1514430489978874Epoch 5 - Training loss: 0.12892813527329103Epoch 6 - Training loss: 0.11302738852882341Epoch 7 - Training loss: 0.09980541475113235Epoch 8 - Training loss: 0.08899609394905679Epoch 9 - Training loss: 0.0805584444001174Epoch 10 - Training loss: 0.07290568387211323Epoch 11 - Training loss: 0.06743549962075296Epoch 12 - Training loss: 0.06314737589380491Epoch 13 - Training loss: 0.056689855163551565Epoch 14 - Training loss: 0.05361823974547586Training Time (in minutes) = 2.9436919848124186
最终在我这台机器上,花费了2分多钟完成了训练。可以看到,损失是越来越小的。
接下来进行模型的评估
correct_count, all_count = 0, 0model.eval() # 将模型设置为评估模式# 从test_loader中一批一批加载图片for images,labels in test_loader:# 循环检测这一批图片for i in range(len(labels)):logps = model(images[i]) # 进行前向传播,获取预测值probab = list(logps.detach().numpy()[0]) # 将预测结果转为概率列表。[0]是取第一张照片的10个数字的概率列表(因为一次只预测一张照片)pred_label = probab.index(max(probab)) # 取最大的index作为预测结果true_label = labels.numpy()[i]if(true_label == pred_label): # 判断是否预测正确correct_count += 1all_count += 1print("Number Of Images Tested =", all_count)print("\nModel Accuracy =", (correct_count/all_count))
Number Of Images Tested = 10000Model Accuracy = 0.9741
最终,本次训练在测试数据集上的精准率为97.41%
参考资料
Handwritten Digit Recognition Using PyTorch — Intro To Neural Networks: /handwritten-digit-mnist-pytorch-977b5338e627