注意

点击here下载完整的示例代码

训练分类器

创建于：2017年3月24日 | 最后更新：2024年12月20日 | 最后验证：未验证

就是这样。你已经了解了如何定义神经网络，计算损失并更新网络的权重。

现在你可能在想，

数据怎么样？

通常，当你需要处理图像、文本、音频或视频数据时，你可以使用标准的python包将数据加载到numpy数组中。然后你可以将这个数组转换为torch.*Tensor。

对于图像处理，Pillow、OpenCV等包非常有用
对于音频，可以使用诸如scipy和librosa等包
对于文本，无论是基于原始Python还是Cython的加载，或者NLTK和SpaCy都是有用的

特别是对于视觉领域，我们创建了一个名为 torchvision的包，它包含了常见数据集（如 ImageNet、CIFAR10、MNIST等）的数据加载器，以及图像的数据转换器，即 torchvision.datasets 和 torch.utils.data.DataLoader。

这提供了极大的便利，并避免了编写样板代码。

在本教程中，我们将使用CIFAR10数据集。它包含以下类别：‘飞机’，‘汽车’，‘鸟’，‘猫’，‘鹿’， ‘狗’，‘青蛙’，‘马’，‘船’，‘卡车’。CIFAR-10中的图像大小为 3x32x32，即32x32像素大小的3通道彩色图像。

cifar10

训练图像分类器

我们将按顺序执行以下步骤：

使用torchvision加载并标准化CIFAR10训练和测试数据集
定义一个卷积神经网络
定义一个损失函数
在训练数据上训练网络
在测试数据上测试网络

1. 加载并标准化CIFAR10

使用 torchvision，加载 CIFAR10 非常容易。

import torch
import torchvision
import torchvision.transforms as transforms

torchvision数据集的输出是范围为[0, 1]的PILImage图像。我们将它们转换为归一化范围为[-1, 1]的张量。

注意

如果在Windows上运行并遇到BrokenPipeError，请尝试将torch.utils.data.DataLoader()的num_worker设置为0。

transform = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

batch_size = 4

trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
                                        download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=batch_size,
                                          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=batch_size,
                                         shuffle=False, num_workers=2)

classes = ('plane', 'car', 'bird', 'cat',
           'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

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<00:37, 4.50MB/s]
  5%|4         | 8.00M/170M [00:00<00:03, 45.8MB/s]
 11%|#1        | 19.1M/170M [00:00<00:02, 75.3MB/s]
 18%|#7        | 30.2M/170M [00:00<00:01, 89.3MB/s]
 24%|##4       | 41.2M/170M [00:00<00:01, 96.9MB/s]
 31%|###       | 52.2M/170M [00:00<00:01, 101MB/s]
 37%|###6      | 62.7M/170M [00:00<00:01, 103MB/s]
 43%|####3     | 74.0M/170M [00:00<00:00, 106MB/s]
 50%|####9     | 84.5M/170M [00:00<00:00, 105MB/s]
 56%|#####5    | 95.1M/170M [00:01<00:00, 105MB/s]
 62%|######2   | 106M/170M [00:01<00:00, 106MB/s]
 68%|######8   | 117M/170M [00:01<00:00, 106MB/s]
 75%|#######4  | 128M/170M [00:01<00:00, 107MB/s]
 81%|########1 | 139M/170M [00:01<00:00, 108MB/s]
 88%|########7 | 149M/170M [00:01<00:00, 108MB/s]
 94%|#########4| 160M/170M [00:01<00:00, 108MB/s]
100%|##########| 170M/170M [00:01<00:00, 101MB/s]
Extracting ./data/cifar-10-python.tar.gz to ./data
Files already downloaded and verified

让我们展示一些训练图像，为了好玩。

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)))
    plt.show()


# get some random training images
dataiter = iter(trainloader)
images, labels = next(dataiter)

# show images
imshow(torchvision.utils.make_grid(images))
# print labels
print(' '.join(f'{classes[labels[j]]:5s}' for j in range(batch_size)))

frog  plane deer  car

2. 定义一个卷积神经网络

从神经网络部分复制神经网络，并修改它以处理3通道图像（而不是之前定义的1通道图像）。

import torch.nn as nn
import torch.nn.functional as F


class Net(nn.Module):
    def __init__(self):
        super().__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 = torch.flatten(x, 1) # flatten all dimensions except batch
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x


net = Net()

3. 定义损失函数和优化器

让我们使用分类交叉熵损失和带动量的SGD。

import torch.optim as optim

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

4. 训练网络

这是事情开始变得有趣的时候。我们只需要遍历我们的数据迭代器，并将输入提供给网络并进行优化。

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; data is a list of [inputs, labels]
        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(f'[{epoch + 1}, {i + 1:5d}] loss: {running_loss / 2000:.3f}')
            running_loss = 0.0

print('Finished Training')

[1,  2000] loss: 2.144
[1,  4000] loss: 1.835
[1,  6000] loss: 1.677
[1,  8000] loss: 1.573
[1, 10000] loss: 1.526
[1, 12000] loss: 1.447
[2,  2000] loss: 1.405
[2,  4000] loss: 1.363
[2,  6000] loss: 1.341
[2,  8000] loss: 1.340
[2, 10000] loss: 1.315
[2, 12000] loss: 1.281
Finished Training

让我们快速保存我们训练好的模型：

PATH = './cifar_net.pth'
torch.save(net.state_dict(), PATH)

有关保存 PyTorch 模型的更多详细信息，请参见此处。

5. 在测试数据上测试网络

我们已经对训练数据集进行了2次网络训练。但我们需要检查网络是否学到了任何东西。

我们将通过预测神经网络输出的类别标签，并与真实标签进行对比来检查这一点。如果预测正确，我们将该样本添加到正确预测的列表中。

好的，第一步。让我们显示测试集中的一张图片来熟悉一下。

dataiter = iter(testloader)
images, labels = next(dataiter)

# print images
imshow(torchvision.utils.make_grid(images))
print('GroundTruth: ', ' '.join(f'{classes[labels[j]]:5s}' for j in range(4)))

GroundTruth:  cat   ship  ship  plane

接下来，让我们重新加载我们保存的模型（注意：在这里保存和重新加载模型并不是必要的，我们这样做只是为了说明如何操作）：

net = Net()
net.load_state_dict(torch.load(PATH, weights_only=True))

<All keys matched successfully>

好的，现在让我们看看神经网络认为上述示例是什么：

outputs = net(images)

输出是10个类别的能量值。某个类别的能量值越高，网络就越认为图像属于该特定类别。因此，让我们获取最高能量的索引：

_, predicted = torch.max(outputs, 1)

print('Predicted: ', ' '.join(f'{classes[predicted[j]]:5s}'
                              for j in range(4)))

Predicted:  cat   ship  truck ship

结果看起来相当不错。

让我们看看网络在整个数据集上的表现如何。

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
        # calculate outputs by running images through the network
        outputs = net(images)
        # the class with the highest energy is what we choose as prediction
        _, predicted = torch.max(outputs, 1)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()

print(f'Accuracy of the network on the 10000 test images: {100 * correct // total} %')

Accuracy of the network on the 10000 test images: 54 %

这看起来比随机猜测要好得多，随机猜测的准确率是10%（从10个类别中随机选择一个类别）。似乎网络学到了一些东西。

嗯，哪些类表现良好，哪些类表现不佳：

# prepare to count predictions for each class
correct_pred = {classname: 0 for classname in classes}
total_pred = {classname: 0 for classname in classes}

# again no gradients needed
with torch.no_grad():
    for data in testloader:
        images, labels = data
        outputs = net(images)
        _, predictions = torch.max(outputs, 1)
        # collect the correct predictions for each class
        for label, prediction in zip(labels, predictions):
            if label == prediction:
                correct_pred[classes[label]] += 1
            total_pred[classes[label]] += 1


# print accuracy for each class
for classname, correct_count in correct_pred.items():
    accuracy = 100 * float(correct_count) / total_pred[classname]
    print(f'Accuracy for class: {classname:5s} is {accuracy:.1f} %')

Accuracy for class: plane is 37.9 %
Accuracy for class: car   is 62.2 %
Accuracy for class: bird  is 45.6 %
Accuracy for class: cat   is 29.2 %
Accuracy for class: deer  is 50.3 %
Accuracy for class: dog   is 45.9 %
Accuracy for class: frog  is 60.1 %
Accuracy for class: horse is 70.3 %
Accuracy for class: ship  is 82.9 %
Accuracy for class: truck is 63.1 %

好的，接下来呢？

我们如何在GPU上运行这些神经网络？

在GPU上进行训练

就像你将一个Tensor转移到GPU上一样，你将神经网络转移到GPU上。

首先，如果我们有可用的CUDA，我们将我们的设备定义为第一个可见的cuda设备：

device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')

# Assuming that we are on a CUDA machine, this should print a CUDA device:

print(device)

cuda:0

本节的其余部分假设 device 是一个 CUDA 设备。

然后这些方法将递归地遍历所有模块，并将它们的参数和缓冲区转换为CUDA张量：

net.to(device)

请记住，您还需要在每一步将输入和目标发送到GPU：

inputs, labels = data[0].to(device), data[1].to(device)

为什么我没有注意到与CPU相比的巨大速度提升？因为你的网络真的很小。

练习： 尝试增加网络的宽度（第一个nn.Conv2d的第二个参数，以及第二个nn.Conv2d的第一个参数——它们需要是相同的数字），看看你能获得什么样的加速效果。

目标达成:

从高层次理解PyTorch的张量库和神经网络。
训练一个小型神经网络来分类图像

在多GPU上进行训练

如果你想看到使用所有GPU带来的更大速度提升，请查看可选：数据并行。

接下来我该去哪里？

del dataiter

脚本总运行时间： ( 1 分钟 59.056 秒)

Gallery generated by Sphinx-Gallery