训练分类器

译者:bat67

校验者:FontTian

目前为止,我们以及看到了如何定义网络,计算损失,并更新网络的权重。所以你现在可能会想,

数据应该怎么办呢?

通常来说,当必须处理图像、文本、音频或视频数据时,可以使用python标准库将数据加载到numpy数组里。然后将这个数组转化成torch.*Tensor

  • 对于图片,有Pillow,OpenCV等包可以使用
  • 对于音频,有scipy和librosa等包可以使用
  • 对于文本,不管是原生python的或者是基于Cython的文本,可以使用NLTK和SpaCy

特别对于视觉方面,我们创建了一个包,名字叫torchvision,其中包含了针对Imagenet、CIFAR10、MNIST等常用数据集的数据加载器(data loaders),还有对图片数据变形的操作,即torchvision.datasetstorch.utils.data.DataLoader

这提供了极大的便利,可以避免编写样板代码。

在这个教程中,我们将使用CIFAR10数据集,它有如下的分类:“飞机”,“汽车”,“鸟”,“猫”,“鹿”,“狗”,“青蛙”,“马”,“船”,“卡车”等。在CIFAR-10里面的图片数据大小是3x32x32,即三通道彩色图,图片大小是32x32像素。

cifar10

训练一个图片分类器

我们将按顺序做以下步骤:

  1. 通过torchvision加载CIFAR10里面的训练和测试数据集,并对数据进行标准化
  2. 定义卷积神经网络
  3. 定义损失函数
  4. 利用训练数据训练网络
  5. 利用测试数据测试网络

1.加载并标准化CIFAR10

使用torchvision加载CIFAR10超级简单。

  1. import torch
  2. import torchvision
  3. import torchvision.transforms as transforms

torchvision数据集加载完后的输出是范围在[0, 1]之间的PILImage。我们将其标准化为范围在[-1, 1]之间的张量。

  1. transform = transforms.Compose(
  2. [transforms.ToTensor(),
  3. transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
  4. trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)
  5. trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True, num_workers=2)
  6. testset = torchvision.datasets.CIFAR10(root='./data', train=False, download=True, transform=transform)
  7. testloader = torch.utils.data.DataLoader(testset, batch_size=4, shuffle=False, num_workers=2)
  8. classes = ('plane', 'car', 'bird', 'cat',
  9. 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

输出:

  1. Downloading https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./data/cifar-10-python.tar.gz
  2. Files already downloaded and verified

乐趣所致,现在让我们可视化部分训练数据。

  1. import matplotlib.pyplot as plt
  2. import numpy as np
  3. # 输出图像的函数
  4. def imshow(img):
  5. img = img / 2 + 0.5 # unnormalize
  6. npimg = img.numpy()
  7. plt.imshow(np.transpose(npimg, (1, 2, 0)))
  8. plt.show()
  9. # 随机获取训练图片
  10. dataiter = iter(trainloader)
  11. images, labels = dataiter.next()
  12. # 显示图片
  13. imshow(torchvision.utils.make_grid(images))
  14. # 打印图片标签
  15. print(' '.join('%5s' % classes[labels[j]] for j in range(4)))

https://pytorch.org/tutorials/_images/sphx_glr_cifar10_tutorial_001.png

输出:

  1. horse horse horse car

2.定义卷积神经网络

将之前神经网络章节定义的神经网络拿过来,并将其修改成输入为3通道图像(替代原来定义的单通道图像)。

  1. import torch.nn as nn
  2. import torch.nn.functional as F
  3. class Net(nn.Module):
  4. def __init__(self):
  5. super(Net, self).__init__()
  6. self.conv1 = nn.Conv2d(3, 6, 5)
  7. self.pool = nn.MaxPool2d(2, 2)
  8. self.conv2 = nn.Conv2d(6, 16, 5)
  9. self.fc1 = nn.Linear(16 * 5 * 5, 120)
  10. self.fc2 = nn.Linear(120, 84)
  11. self.fc3 = nn.Linear(84, 10)
  12. def forward(self, x):
  13. x = self.pool(F.relu(self.conv1(x)))
  14. x = self.pool(F.relu(self.conv2(x)))
  15. x = x.view(-1, 16 * 5 * 5)
  16. x = F.relu(self.fc1(x))
  17. x = F.relu(self.fc2(x))
  18. x = self.fc3(x)
  19. return x
  20. net = Net()

3.定义损失函数和优化器

我们使用分类的交叉熵损失和随机梯度下降(使用momentum)。

  1. import torch.optim as optim
  2. criterion = nn.CrossEntropyLoss()
  3. optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

4.训练网络

事情开始变得有趣了。我们只需要遍历我们的数据迭代器,并将输入“喂”给网络和优化函数。

  1. for epoch in range(2): # loop over the dataset multiple times
  2. running_loss = 0.0
  3. for i, data in enumerate(trainloader, 0):
  4. # get the inputs
  5. inputs, labels = data
  6. # zero the parameter gradients
  7. optimizer.zero_grad()
  8. # forward + backward + optimize
  9. outputs = net(inputs)
  10. loss = criterion(outputs, labels)
  11. loss.backward()
  12. optimizer.step()
  13. # print statistics
  14. running_loss += loss.item()
  15. if i % 2000 == 1999: # print every 2000 mini-batches
  16. print('[%d, %5d] loss: %.3f' % (epoch + 1, i + 1, running_loss / 2000))
  17. running_loss = 0.0
  18. print('Finished Training')

输出:

  1. [1, 2000] loss: 2.182
  2. [1, 4000] loss: 1.819
  3. [1, 6000] loss: 1.648
  4. [1, 8000] loss: 1.569
  5. [1, 10000] loss: 1.511
  6. [1, 12000] loss: 1.473
  7. [2, 2000] loss: 1.414
  8. [2, 4000] loss: 1.365
  9. [2, 6000] loss: 1.358
  10. [2, 8000] loss: 1.322
  11. [2, 10000] loss: 1.298
  12. [2, 12000] loss: 1.282
  13. Finished Training

5.使用测试数据测试网络

我们已经在训练集上训练了2遍网络。但是我们需要检查网络是否学到了一些东西。

我们将通过预测神经网络输出的标签来检查这个问题,并和正确样本进行(ground-truth)对比。如果预测是正确的,我们将样本添加到正确预测的列表中。

ok,第一步。让我们显示测试集中的图像来熟悉一下。

  1. dataiter = iter(testloader)
  2. images, labels = dataiter.next()
  3. # 输出图片
  4. imshow(torchvision.utils.make_grid(images))
  5. print('GroundTruth: ', ' '.join('%5s' % classes[labels[j]] for j in range(4)))

https://pytorch.org/tutorials/_images/sphx_glr_cifar10_tutorial_002.png

  1. GroundTruth: cat ship ship plane

ok,现在让我们看看神经网络认为上面的例子是:

  1. outputs = net(images)

输出是10个类别的量值。一个类的值越高,网络就越认为这个图像属于这个特定的类。让我们得到最高量值的下标/索引;

  1. _, predicted = torch.max(outputs, 1)
  2. print('Predicted: ', ' '.join('%5s' % classes[predicted[j]] for j in range(4)))

输出:

  1. Predicted: dog ship ship plane

结果还不错。

让我们看看网络在整个数据集上表现的怎么样。

  1. correct = 0
  2. total = 0
  3. with torch.no_grad():
  4. for data in testloader:
  5. images, labels = data
  6. outputs = net(images)
  7. _, predicted = torch.max(outputs.data, 1)
  8. total += labels.size(0)
  9. correct += (predicted == labels).sum().item()
  10. print('Accuracy of the network on the 10000 test images: %d %%' % (
  11. 100 * correct / total))

输出:

  1. Accuracy of the network on the 10000 test images: 55 %

这比随机选取(即从10个类中随机选择一个类,正确率是10%)要好很多。看来网络确实学到了一些东西。

那么哪些是表现好的类呢?哪些是表现的差的类呢?

  1. class_correct = list(0. for i in range(10))
  2. class_total = list(0. for i in range(10))
  3. with torch.no_grad():
  4. for data in testloader:
  5. images, labels = data
  6. outputs = net(images)
  7. _, predicted = torch.max(outputs, 1)
  8. c = (predicted == labels).squeeze()
  9. for i in range(4):
  10. label = labels[i]
  11. class_correct[label] += c[i].item()
  12. class_total[label] += 1
  13. for i in range(10):
  14. print('Accuracy of %5s : %2d %%' % (
  15. classes[i], 100 * class_correct[i] / class_total[i]))

输出:

  1. Accuracy of plane : 70 %
  2. Accuracy of car : 70 %
  3. Accuracy of bird : 28 %
  4. Accuracy of cat : 25 %
  5. Accuracy of deer : 37 %
  6. Accuracy of dog : 60 %
  7. Accuracy of frog : 66 %
  8. Accuracy of horse : 62 %
  9. Accuracy of ship : 69 %
  10. Accuracy of truck : 61 %

ok,接下来呢?

怎么在GPU上运行神经网络呢?

在GPU上训练

与将一个张量传递给GPU一样,可以这样将神经网络转移到GPU上。

如果我们有cuda可用的话,让我们首先定义第一个设备为可见cuda设备:

  1. device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
  2. # Assuming that we are on a CUDA machine, this should print a CUDA device:
  3. print(device)

输出:

  1. cuda:0

本节的其余部分假设device是CUDA。

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:

  1. net.to(device)

请记住,我们不得不将输入和目标在每一步都送入GPU:

  1. inputs, labels = inputs.to(device), labels.to(device)

为什么我们感受不到与CPU相比的巨大加速?因为我们的网络实在是太小了。

尝试一下:加宽你的网络(注意第一个nn.Conv2d的第二个参数和第二个nn.Conv2d的第一个参数要相同),看看能获得多少加速。

已实现的目标:

  • 在更高层次上理解PyTorch的Tensor库和神经网络
  • 训练一个小的神经网络做图片分类

在多GPU上训练

如果希望使用您所有GPU获得更大的加速,请查看Optional: Data Parallelism

接下来要做什么?