按照计划，学习深度学习的第一步是对minist数据集进行分类，选取的网络也是比较简单的网络，主要是为了大概理解一个深度学习网络的框架是怎么样的以及如何从零开始做一深度学习项目。在第一步的基础上，接下来就是需要处理更大难度的数据集以及选取复杂度更大的网络模型。
一、数据集
这里选择了torchvision.datasets中的CIFAR10数据集，该数据集是torchvision自带的数据集之一，包含了10个类别共60000张图片。
数据的加载和使用：
transforms = torchvision.transforms.Compose([torchvision.transforms.ToTensor(),torchvision.transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
# 下载 CIFAR10 数据集
train_data = torchvision.datasets.CIFAR10(
root='./data/', # 保存或提取的位置 会放在当前文件夹中
train=True, # true说明是用于训练的数据，false说明是用于测试的数据
transform=transforms, # 转换PIL.Image or numpy.ndarray
download=DOWNLOAD_MNIST, # 已经下载了就不需要下载了
)
train_loader = Data.DataLoader(
dataset=train_data,
batch_size=BATCH_SIZE,
shuffle=True # 是否打乱数据，一般都打乱
)二、图像分类模型
官方示例中简单定义了一种模型，层数较少，训练起来比较快，但是准确率就比较低。
class Net(nn.Module): # 我们建立的Net继承nn.Module这个模块
def __init__(self):
super(Net, self).__init__() # 第二、三行都是python类继承的基本操作,此写法应该是python2.7的继承格式,但python3里写这个好像也可以
self.conv1 = nn.Conv2d(3, 6, 5) # 添加第一个卷积层,调用了nn里面的Conv2d（）
self.pool = nn.MaxPool2d(2, 2) # 最大池化层
self.conv2 = nn.Conv2d(6, 16, 5) # 同样是卷积层
self.fc1 = nn.Linear(16 * 5 * 5, 120) # 接着三个全连接层
self.fc2 = nn.Linear(120, 84)
self.fc3 = nn.Linear(84, 10)
def forward(self, x): # 这里定义前向传播的方法，为什么没有定义反向传播的方法呢？这其实就涉及到torch.autograd模块了，
# 但说实话这部分网络定义的部分还没有用到autograd的知识，所以后面遇到了再讲
x = self.pool(torch.nn.functional.relu(self.conv1(x))) # F是torch.nn.functional的别名，这里调用了relu函数 F.relu()
x = self.pool(torch.nn.functional.relu(self.conv2(x)))
x = x.view(-1, 16 * 5 * 5) # .view( )是一个tensor的方法，使得tensor改变size但是元素的总数是不变的。
# 第一个参数-1是说这个参数由另一个参数确定， 比如矩阵在元素总数一定的情况下，确定列数就能确定行数。
# 那么为什么这里只关心列数不关心行数呢，因为马上就要进入全连接层了，而全连接层说白了就是矩阵乘法，
# 你会发现第一个全连接层的首参数是16*5*5，所以要保证能够相乘，在矩阵乘法之前就要把x调到正确的size
# 更多的Tensor方法参考Tensor: http://pytorch.org/docs/0.3.0/tensors.html
x = torch.nn.functional.relu(self.fc1(x))
x = torch.nn.functional.relu(self.fc2(x))
x = self.fc3(x)
return x除了官方定义的网络之外，图像分类的网络模型还有很多，比如vgg系列、googlenet、resnet系列等等，这些网络层数深浅不一，但是都是经过科研人员和工程师反复验证过的，我调用这些模型做一个简单的对比：在训练同样轮次的情况下，对比每种模型的准确率怎么样。最后发现，在一般情况下，层数越深，模型的准确度越高。
def get_cnn_net():
#返回不同的模型，后面是在EPOCH=10时，该模型的准确率
cnn = Net() #64%
#cnn = torchvision.models.vgg11() #73%
#cnn = torchvision.models.googlenet() #76%
#cnn = torchvision.models.resnet18() #77%
#cnn = torchvision.models.resnet50() #71%
print(cnn)
return cnn总体代码（gpu版本）：
# 训练+测试
import torch
import torch.nn as nn
import torch.utils.data as Data
import torchvision
import matplotlib.pyplot as plt
import torchvision.transforms as transforms
import os
import cv2
import numpy as np
torch.manual_seed(1) # 使用随机化种子使神经网络的初始化每次都相同
# 超参数
EPOCH = 10 # 训练整批数据的次数
BATCH_SIZE = 50
LR = 0.001 # 学习率
DOWNLOAD_MNIST = True # 表示还没有下载数据集，如果数据集下载好了就写False
# 用class类来建立CNN模型
class Net(nn.Module): # 我们建立的Net继承nn.Module这个模块
def __init__(self):
super(Net, self).__init__() # 第二、三行都是python类继承的基本操作,此写法应该是python2.7的继承格式,但python3里写这个好像也可以
self.conv1 = nn.Conv2d(3, 6, 5) # 添加第一个卷积层,调用了nn里面的Conv2d（）
self.pool = nn.MaxPool2d(2, 2) # 最大池化层
self.conv2 = nn.Conv2d(6, 16, 5) # 同样是卷积层
self.fc1 = nn.Linear(16 * 5 * 5, 120) # 接着三个全连接层
self.fc2 = nn.Linear(120, 84)
self.fc3 = nn.Linear(84, 10)
def forward(self, x): # 这里定义前向传播的方法，为什么没有定义反向传播的方法呢？这其实就涉及到torch.autograd模块了，
# 但说实话这部分网络定义的部分还没有用到autograd的知识，所以后面遇到了再讲
x = self.pool(torch.nn.functional.relu(self.conv1(x))) # F是torch.nn.functional的别名，这里调用了relu函数 F.relu()
x = self.pool(torch.nn.functional.relu(self.conv2(x)))
x = x.view(-1, 16 * 5 * 5) # .view( )是一个tensor的方法，使得tensor改变size但是元素的总数是不变的。
# 第一个参数-1是说这个参数由另一个参数确定， 比如矩阵在元素总数一定的情况下，确定列数就能确定行数。
# 那么为什么这里只关心列数不关心行数呢，因为马上就要进入全连接层了，而全连接层说白了就是矩阵乘法，
# 你会发现第一个全连接层的首参数是16*5*5，所以要保证能够相乘，在矩阵乘法之前就要把x调到正确的size
# 更多的Tensor方法参考Tensor: http://pytorch.org/docs/0.3.0/tensors.html
x = torch.nn.functional.relu(self.fc1(x))
x = torch.nn.functional.relu(self.fc2(x))
x = self.fc3(x)
return x
def dataloader():
transforms = torchvision.transforms.Compose([torchvision.transforms.ToTensor(),torchvision.transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
# 下载CIFAR10数据集
train_data = torchvision.datasets.CIFAR10(
root='./data/', # 保存或提取的位置 会放在当前文件夹中
train=True, # true说明是用于训练的数据，false说明是用于测试的数据
transform=transforms, # 转换PIL.Image or numpy.ndarray
download=DOWNLOAD_MNIST, # 已经下载了就不需要下载了
)
test_data = torchvision.datasets.CIFAR10(
root='./data',
train=False,
download=True,
transform=transforms,
)
return train_data,test_data
def get_text_data(test_data):
# 进行测试
testloader = torch.utils.data.DataLoader(test_data, batch_size=4, shuffle=False, num_workers=2)
dataiter = iter(testloader)
images, labels = dataiter.next()
classes = ('plane', 'car', 'bird', 'cat','deer', 'dog', 'frog', 'horse', 'ship', 'truck')
return images,labels,classes
def get_cnn_net():
#返回不同的模型，后面是在EPOCH=10时，该模型的准确率
cnn = Net() #64%
#cnn = torchvision.models.vgg11() #73%
#cnn = torchvision.models.googlenet() #76%
#cnn = torchvision.models.resnet18() #77%
#cnn = torchvision.models.resnet50() #71%
print(cnn)
return cnn
def train(train_data):
# 批训练 50个samples
# Torch中的DataLoader是用来包装数据的工具，它能帮我们有效迭代数据，这样就可以进行批训练
train_loader = Data.DataLoader(
dataset=train_data,
batch_size=BATCH_SIZE,
shuffle=True # 是否打乱数据，一般都打乱
)
# 获取 cnn 网络
net = get_cnn_net()
# 模型加载到gpu中
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
net = net.to(device)
# 优化器选择Adam
optimizer = torch.optim.Adam(net.parameters(), lr=LR)
# 定义损失函数
loss_func = nn.CrossEntropyLoss() # 目标标签是one-hotted
# 把x和y 都放入Variable中，然后放入cnn中计算output，最后再计算误差
# 开始训练
for epoch in range(EPOCH):
running_loss = 0.0
for step, (inputs, labels) in enumerate(train_loader): # 分配batch data
# 数据加载到gpu中
inputs = inputs.to(device)
labels = labels.to(device)
output = net(inputs) # 先将数据放到cnn中计算output
### 梯度下降算法 ###
loss = loss_func(output, labels) # 损失函数，输出和真实标签的loss，二者位置不可颠倒
optimizer.zero_grad() # 清除之前学到的梯度的参数
loss.backward() # 反向传播，计算梯度
optimizer.step() # 应用梯度（权重更新）
### 梯度下降算法 ###
# 数据加载到cpu中
loss = loss.to('cpu')
running_loss += loss.item()
if step % 50 == 0:
print('[%d, %5d] loss: %.3f' % (epoch + 1, step + 1, running_loss / 50))
running_loss = 0.0
#保存模型
torch.save(net.state_dict(), 'test_cifar_gpu.pkl')
def imshow(img):
img = img / 2 + 0.5 # unnormalize
npimg = img.numpy()
plt.imshow(np.transpose(npimg, (1, 2, 0)))
plt.show()
def predict(test_data):
# 获取测试数据集
#images,labels,classes= get_text_data(test_data)
# print images
#imshow(torchvision.utils.make_grid(images))
#print('GroundTruth: ', ' '.join('%5s' % classes[labels[j]] for j in range(4)))
testloader = torch.utils.data.DataLoader(test_data, batch_size=BATCH_SIZE, shuffle=False, num_workers=2)
# 获取cnn网络
net = get_cnn_net()
# 加载模型
net.load_state_dict(torch.load('test_cifar_gpu.pkl'))
# 设置为推理模式
net.eval（)
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
# 模型加载到gpu中
net = net.to(device)
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
# 数据加载到gpu中
images = images.to(device)
labels = labels.to(device)
# calculate outputs by running images through the network
outputs = net(images)
# 数据加载回cpu
outputs = outputs.to('cpu')
labels = labels.to('cpu')
# the class with the highest energy is what we choose as prediction
_, 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))
if __name__ == "__main__":
# 数据加载
train_data,test_data = dataloader()
# 训练（先训练再预测）
train(train_data)
# 预测（预测前将训练注释掉，否则会再训练一遍）
predict(test_data)
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
