使用PyTorch訓練一個分類器

2018-12-19 10:12:14 人工智能遇見磐創

一數據

通常，當你不得不處理圖像，文本，語音或者視頻數據時，你可以使用將數據加載到numpy數組的標準python包，接著可以將這個數組轉換成torch.Tensor

對於圖像，需要像Pillow，OpenCV這些包。
對於語音，需要像scipy,librosa這些包。
對於文本，需要原始的Python或者基於loading的Cython，或者NLTK和SpaCy。

特別是對於視覺，我們已經創建了一個叫做totchvision的包，該包有對於如Imagenet,CIFAR10,MNIST等公共數據集的數據加載器和對於圖像的數據轉換器，即torchvision.datasets和torch.utils.data.DataLoader。這提供了極大的便利，並且避免了編寫樣板代碼。

對於本教程，我們將使用CIFAR10數據集，它的類別為：'airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck'。CIFAR-10中的圖像尺寸為3*32*32，也就是RGB的3層顏色通道，每層通道內的尺寸為32*32。

圖片一 cifar10

二訓練一個圖像分類器

我們將按次序的做如下幾步：

使用torchvision加載並且歸一化CIFAR10的訓練和測試數據集
定義一個卷積神經網絡
定義一個損失函數
在訓練樣本數據上訓練網絡
在測試樣本數據上測試網絡

1. 加載並歸一化CIFAR10

使用torchvision,用它來加載CIFAR10數據是非常簡單

import torch
import torchvision
import torchvision.transforms as transforms

torchvision數據集的輸出是範圍在[0,1]之間的PILImage，我們將他們轉換成歸一化範圍為[-1,1]之間的張量Tensors。

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')

輸出：

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

展示其中的一些訓練圖片。

import matplotlib.pyplot as pltimport 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)))
 plt.show()
# 得到一些隨機圖像
dataiter = iter(trainloader)images, labels = dataiter.next()
# show imagesimshow(torchvision.utils.make_grid(images))
# 打印類標
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))

圖片二

輸出：

cat car dog cat

2. 定義一個卷積神經網絡

在這之前從神經網絡章節複製神經網絡，修改它為3通道的圖片(在此之前它被定義為1通道)

import torch.nn as nnimport torch.nn.functional as F
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()

3. 定義一個損失函數和優化器

讓我們使用分類交叉熵Cross-Entropy 作損失函數，動量SGD做優化器。

import torch.optim as optim 

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

4. 訓練網絡

這裡就是事情開始變得有趣的時候了，我們只需要在數據迭代器上循環傳給網絡和優化器輸入就可以。

for epoch in range(2): # 多次循環遍歷數據集
 running_loss = 0.0
 for i, data in enumerate(trainloader, 0):
 # 獲取輸入
 inputs, labels = data
 # 參數梯度置零
 optimizer.zero_grad()
 # 前向+ 反向 + 優化
 outputs = net(inputs)
 loss = criterion(outputs, labels)
 loss.backward()
 optimizer.step()
 # 輸出統計 
running_loss += loss.item()
 if i % 2000 == 1999: # 每2000 mini-batchs輸出一次 		print('[%d, %5d] loss: %.3f' %
 (epoch + 1, i + 1, running_loss / 2000))
 running_loss = 0.0
print('Finished Training')

輸出：

[1, 2000] loss: 2.211
[1, 4000] loss: 1.837
[1, 6000] loss: 1.659
[1, 8000] loss: 1.570
[1, 10000] loss: 1.521
[1, 12000] loss: 1.451
[2, 2000] loss: 1.411
[2, 4000] loss: 1.393
[2, 6000] loss: 1.348
[2, 8000] loss: 1.340
[2, 10000] loss: 1.363 

[2, 12000] loss: 1.320
Finished Training

5. 在測試集上測試網絡

我們已經通過訓練數據集對網絡進行了2次訓練，但是我們需要檢查網絡是否已經學到了任何東西。

我們將用神經網絡的輸出作為預測的類標來檢查網絡的預測性能，用樣本的真實類標來校對。如果預測是正確的，我們將樣本添加到正確預測的列表裡。

好的，第一步，讓我們從測試集中顯示一張圖像來熟悉它。

dataiter = iter(testloader)images, labels = dataiter.next()
# 打印圖片
imshow(torchvision.utils.make_grid(images))
print('GroundTruth: ', ' '.join('%5s' % classes[labels[j]] for j in range(4)))

圖片三

輸出：

GroundTruth: cat ship ship plane

現在讓我們神經網絡認為這些樣本應該預測成什麼：

outputs = net(images)

輸出是預測十個類的近似程度，一個類的近似程度越高，網絡就越認為圖像是一個特定的類別。所以讓我們得到最高的相似程度的下標：

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

輸出：

Predicted: cat car car ship

結果看起開非常好，接下來看一下網絡在整個數據集上的表現。


correct = 0total = 0with 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))

輸出：

Accuracy of the network on the 10000 test images: 53 %

這看起來比隨機預測要好，隨機預測的準確率為10%（隨機預測出為10類中的哪一類）。看來網絡學到了東西。

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

輸出：

Accuracy of plane : 52 %
Accuracy of car : 73 %
Accuracy of bird : 34 %
Accuracy of cat : 54 %
Accuracy of deer : 48 %
Accuracy of dog : 26 %
Accuracy of frog : 68 %
Accuracy of horse : 51 %
Accuracy of ship : 63 %
Accuracy of truck : 60 %

所以接下來呢？

我們怎麼在GPU上跑這些神經網絡？

三在GPU上訓練

就像你怎麼把一個張量轉移到GPU上一樣，你要將神經網絡轉到GPU上。

如果CUDA可以用，讓我們首先定義下我們的設備為第一個可見的cuda設備。

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
# 假設在一臺CUDA機器上運行，那麼這裡將輸出一個CUDA設備號：
print(device)

輸出：

cuda:0

本節剩餘部分都會假定設備就是臺CUDA設備。

接著這些方法會遞歸地遍歷所有模塊，並將它們的參數和緩衝器轉換為CUDA張量。

net.to(device)

記住你也必須在每一個步驟向GPU發送輸入和目標：

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

為什麼沒有注意到與CPU相比巨大的加速？因為你的網絡非常小。

練習：嘗試增加網絡寬度（首個nn.Conv2d參數設定為2，第二個nn.Conv2d參數設定為1--它們需要有相同的個數），看看會得到怎麼的速度提升。

目標：

深度理解了PyTorch的張量和神經網絡
訓練了一個小的神經網絡來分類圖像

四在多個GPU上訓練

如果你想要來看到大規模加速，使用你的所有GPU，請查看：數據並行性

（https://pytorch.org/tutorials/beginner/blitz/data_parallel_tutorial.html）。

五接下來可以學哪些？

訓練神經網絡玩電子遊戲（https://pytorch.org/tutorials/intermediate/reinforcement_q_learning.html）
在imagenet上訓練最優ResNet網絡（https://github.com/pytorch/examples/tree/master/imagenet）
使用生成網絡來訓練面部生成器（https://github.com/pytorch/examples/tree/master/dcgan）
使用週期性LSTM網絡訓練一個詞級（word-level）語言模型（https://github.com/pytorch/examples/tree/master/word_language_model）
更多例子（https://github.com/pytorch/examples）
更多教程（https://github.com/pytorch/tutorials）
在論壇上討論PyTorch （https://discuss.pytorch.org/）

在Slack上與其他用戶交流（https://pytorch.slack.com/messages/beginner/）

腳本總運行時間：（9分48.748秒）

下載python源代碼文件：cifar10_tutorial.py

（https://pytorch.org/tutorials/_downloads/ba100c1433c3c42a16709bb6a2ed0f85/cifar10_tutorial.py）

下載Jupyter notebook文件：cifar10_tutorial.ipynb

（https://pytorch.org/tutorials/_downloads/17a7c7cb80916fcdf921097825a0f562/cifar10_tutorial.ipynb）

分享到:

閱讀更多 人工智能遇見磐創 的文章

關鍵字: NLTK 數據加載