深度学习 Day24——使用Pytorch环境实现mnist手写数字识别

文章目录

深度学习 Day24——使用Pytorch环境实现mnist手写数字识别一、前言二、我的环境三、Pytorch简介四、前期工作1、导入依赖项和设置GPU2、导入数据3、加载数据4、数据可视化

五、构建简单的CNN网络六、训练模型1、设置超参数2、编写训练函数3、编写测试函数4、正式训练

七、结果可视化八、最后我想说

一、前言

🍨 本文为🔗365天深度学习训练营 中的学习记录博客

🍦 参考文章：365天深度学习训练营-第P1周：实现mnist手写数字识别

🍖 原作者：K同学啊|接辅导、项目定制

接下来我们将转战Pytorch环境继续学习深度学习，Pytorch和Tensorflow是目前最主流的两个深度学习框架，近些来越来越多的人选择学习Pytorch，因为相比于Tensorflow其更加易用以及拥有大量的开源资源，Tensorflow系统相对底层，而Pytorch更多的从算法工程师的角度考虑，其接口可以更便捷的被调用，学习起来相对容易一点。

首先我们需要去下载Pytorch，我是使用Anaconda下载的，在下载之前我们最好重新创建一个虚拟环境，这样就不会相互影响：

<code># 创建虚拟环境

conda create -n your_env_name python=x.x

# 激活虚拟环境

activate your_env_name

然后我们去Pytorch官网下载对应版本：

在Anaconda里面输入官网下面的指令就可以下载了（下载时记得去掉命令后面的 -c pytorch），然后我们验证一下：

<code>import torch

print(torch.__version__)

torch.cuda.is_available()

1.12.1

True

显示如上信息代表安装成功。

二、我的环境

电脑系统：Windows 11语言环境：Python 3.8.5编译器：Datalore深度学习环境：

torch 1.12.1+cu113torchvision 0.13.1+cu113 显卡及显存：RTX 3070 8G

三、Pytorch简介

PyTorch是由Meta AI(Facebook)人工智能研究小组开发的一种基于Lua编写的Torch库的Python实现的深度学习库，目前被广泛应用于学术界和工业界，相较于Tensorflow2.x，PyTorch在API的设计上更加简洁、优雅和易懂。

PyTorch的主要功能如下所述：

简单的界面 - PyTorch提供易于使用的API; 因此，它在Python上运行，操作非常简单。这个框架中的代码执行非常简单。

Python用法 - PyTorch库认为是Pythonic，可以与Python数据科学堆栈平滑地集成。因此，它可以利用Python环境提供的所有服务和功能。

计算图 - PyTorch提供了一个提供动态计算图的出色平台。因此，用户可以在运行时更改它们。当开发人员不知道创建神经网络模型需要多少内存时，这时非常有用。

PyTorch以三个抽象级别而闻名，如下所示 -

Tensor - 在GPU上运行命令式n维数组。变量 - 计算图中的节点，它存储数据和梯度。模块 - 存储状态或可学习权重的神经网络层。

下面是TensorFlow和PyTorch之间的主要区别：

四、前期工作

1、导入依赖项和设置GPU

如果设备支持GPU就是用GPU，否则就使用CPU：

import torch

import torch.nn as nn

import matplotlib.pyplot as plt

import torchvision

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

2、导入数据

对于MNIST手写数字的数据集，我们可以之间使用Pytorch自带的数据库，调用torchvision.datasets在线下载数据，并且使用该函数参数进行划分训练集和测试集。

# 设置训练集

train_ds = torchvision.datasets.MNIST('data', train=True, transform=torchvision.transforms.ToTensor(), download=True)

# 设置测试集

test_ds = torchvision.datasets.MNIST('data', train=False, transform=torchvision.transforms.ToTensor(), download=True)

其中torchvision.datasets.MNIST函数原型是：

torchvision.datasets.MNIST(root, train=True, transform=None, target_transform=None, download=False)

其中的参数介绍如下：

3、加载数据

在导入数据之后我们还需要进行数据的加载：

<code>batch_size = 32

train_dl = torch.utils.data.DataLoader(train_ds,

batch_size=batch_size,

shuffle=True)

test_dl = torch.utils.data.DataLoader(test_ds,

batch_size=batch_size)

# 取一个批次查看数据格式

# 数据的shape为：[batch_size, channel, height, weight]

# 其中batch_size为自己设定，channel，height和weight分别是图片的通道数，高度和宽度。

imgs, labels = next(iter(train_dl))

imgs.shape

torch.Size([32, 1, 28, 28])

其中torch.utils.data.DataLoader函数是Pytorch自带的一个数据加载器，结合了数据集和取样器，并且可以提供多个线程处理数据集，其函数原型是：

torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=None, sampler=None, batch_sampler=None, num_workers=0, collate_fn=None, pin_memory=False, drop_last=False, timeout=0, worker_init_fn=None, multiprocessing_context=None, generator=None, *, prefetch_factor=2, persistent_workers=False, pin_memory_device='')code>

其中的常用参数介绍如下：

<code>import numpy as np

# 指定图片大小，图像大小为20宽、5高的绘图(单位为英寸inch)

plt.figure(figsize=(20, 5))

for i, imgs in enumerate(imgs[:20]):

# 维度缩减

npimg = np.squeeze(imgs.numpy())

# 将整个figure分成2行10列，绘制第i+1个子图。

plt.subplot(2, 10, i+1)

plt.imshow(npimg, cmap=plt.cm.binary)

plt.axis('off')

其中<code>squeeze()函数的功能是从矩阵shape中去掉维度为1的。例如一个矩阵的shape是（5，1），使用过这个函数之后就变成了（5，）。

五、构建简单的CNN网络

对于一般的CNN网络来说，都是由特征提取网络和分类网络构成，其中特征提取网络用于提取图片的特征，分类网络用于将图片进行分类。

nn.Conv2d为卷积层，用于提取图片的特征，传入参数为输入channel，输出channel，池化核大小nn.MaxPool2d为池化层，进行下采样，用更高层的抽象表示图像特征，传入参数为池化核大小nn.ReLU为激活函数，使模型可以拟合非线性数据nn.Linear为全连接层，可以起到特征提取器的作用，最后一层的全连接层也可以认为是输出层，传入参数为输入特征数和输出特征数（输入特征数由特征提取网络计算得到，如果不会计算可以直接运行网络，报错中会提示输入特征数的大小，下方网络中第一个全连接层的输入特征数为1600）nn.Sequential可以按构造顺序连接网络，在初始化阶段就设定好网络结构，不需要在前向传播中重新写一遍

import torch.nn.functional as F

num_classes = 10 # 图片的类别数

class Model(nn.Module):

def __init__(self):

super().__init__()

# 特征提取网络

self.conv1 = nn.Conv2d(1, 32, kernel_size=3) # 第一层卷积,卷积核大小为3*3

self.pool1 = nn.MaxPool2d(2) # 设置池化层，池化核大小为2*2

self.conv2 = nn.Conv2d(32, 64, kernel_size=3) # 第二层卷积,卷积核大小为3*3

self.pool2 = nn.MaxPool2d(2)

# 分类网络

self.fc1 = nn.Linear(1600, 64)

self.fc2 = nn.Linear(64, num_classes)

# 前向传播

def forward(self, x):

x = self.pool1(F.relu(self.conv1(x)))

x = self.pool2(F.relu(self.conv2(x)))

x = torch.flatten(x, start_dim=1)

x = F.relu(self.fc1(x))

x = self.fc2(x)

return x

加载并打印模型：

from torchinfo import summary

model = Model().to(device)

summary(model)

打印的结果是：

=================================================================

Layer (type:depth-idx) Param #

=================================================================

Model --

├─Conv2d: 1-1 320

├─MaxPool2d: 1-2 --

├─Conv2d: 1-3 18,496

├─MaxPool2d: 1-4 --

├─Linear: 1-5 102,464

├─Linear: 1-6 650

=================================================================

Total params: 121,930

Trainable params: 121,930

Non-trainable params: 0

=================================================================

六、训练模型

1、设置超参数

# 创建损失函数

loss_fn = nn.CrossEntropyLoss()

# 设置学习率

learn_rate = 1e-2

# 设置优化器

opt = torch.optim.SGD(model.parameters(), lr=learn_rate)

2、编写训练函数

# 训练循环

def train(dataloader, model, loss_fn, optimizer):

size = len(dataloader.dataset) # 训练集的大小，一共60000张图片

num_batches = len(dataloader) # 批次数目，1875（60000/32）

train_loss, train_acc = 0, 0 # 初始化训练损失和正确率

for X, y in dataloader: # 获取图片及其标签

X, y = X.to(device), y.to(device)

# 计算预测误差

pred = model(X) # 网络输出

loss = loss_fn(pred, y) # 计算网络输出和真实值之间的差距，targets为真实值，计算二者差值即为损失

# 反向传播

optimizer.zero_grad() # grad属性归零

loss.backward() # 反向传播

optimizer.step() # 每一步自动更新

# 记录acc与loss

train_acc += (pred.argmax(1) == y).type(torch.float).sum().item()

train_loss += loss.item()

train_acc /= size

train_loss /= num_batches

return train_acc, train_loss

介绍其中的几个函数：

optimizer.zero_grad()

函数会遍历模型的所有参数，通过内置方法截断反向传播的梯度流，再将每个参数的梯度值设为0，即上一次的梯度记录被清空。

loss.backward()

PyTorch的反向传播(即tensor.backward())是通过autograd包来实现的，autograd包会根据tensor进行过的数学运算来自动计算其对应的梯度。

具体来说，torch.tensor是autograd包的基础类，如果你设置tensor的requires_grads为True，就会开始跟踪这个tensor上面的所有运算，如果你做完运算后使用tensor.backward()，所有的梯度就会自动运算，tensor的梯度将会累加到它的.grad属性里面去。

更具体地说，损失函数loss是由模型的所有权重w经过一系列运算得到的，若某个w的requires_grads为True，则w的所有上层参数（后面层的权重w）的.grad_fn属性中就保存了对应的运算，然后在使用loss.backward()后，会一层层的反向传播计算每个w的梯度值，并保存到该w的.grad属性中。

如果没有进行tensor.backward()的话，梯度值将会是None，因此loss.backward()要写在optimizer.step()之前。

optimizer.step()

step()函数的作用是执行一次优化步骤，通过梯度下降法来更新参数的值。因为梯度下降是基于梯度的，所以在执行optimizer.step()函数前应先执行loss.backward()函数来计算梯度。

注意：optimizer只负责通过梯度下降进行优化，而不负责产生梯度，梯度是tensor.backward()方法产生的。

3、编写测试函数

测试函数和训练函数大致相同，但是由于不进行梯度下降对网络权重进行更新，所以不需要传入优化器。

def test (dataloader, model, loss_fn):

size = len(dataloader.dataset) # 测试集的大小，一共10000张图片

num_batches = len(dataloader) # 批次数目，313（10000/32=312.5，向上取整）

test_loss, test_acc = 0, 0

# 当不进行训练时，停止梯度更新，节省计算内存消耗

with torch.no_grad():

for imgs, target in dataloader:

imgs, target = imgs.to(device), target.to(device)

# 计算loss

target_pred = model(imgs)

loss = loss_fn(target_pred, target)

test_loss += loss.item()

test_acc += (target_pred.argmax(1) == target).type(torch.float).sum().item()

test_acc /= size

test_loss /= num_batches

return test_acc, test_loss

4、正式训练

epochs = 5

train_loss = []

train_acc = []

test_loss = []

test_acc = []

for epoch in range(epochs):

model.train()

epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, opt)

model.eval()

epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)

train_acc.append(epoch_train_acc)

train_loss.append(epoch_train_loss)

test_acc.append(epoch_test_acc)

test_loss.append(epoch_test_loss)

template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%，Test_loss:{:.3f}')

print(template.format(epoch+1, epoch_train_acc*100, epoch_train_loss, epoch_test_acc*100, epoch_test_loss))

print('Done')

训练的结果是：

Epoch: 1, Train_acc:76.9%, Train_loss:0.762, Test_acc:91.8%，Test_loss:0.271

Epoch: 2, Train_acc:94.0%, Train_loss:0.198, Test_acc:95.0%，Test_loss:0.159

Epoch: 3, Train_acc:96.3%, Train_loss:0.123, Test_acc:97.3%，Test_loss:0.087

Epoch: 4, Train_acc:97.2%, Train_loss:0.093, Test_acc:97.6%，Test_loss:0.073

Epoch: 5, Train_acc:97.5%, Train_loss:0.078, Test_acc:98.0%，Test_loss:0.064

Done

介绍其中的几个函数：

model.train()

它的作用是启用 Batch Normalization 和 Dropout。

如果模型中有BN层(Batch Normalization）和Dropout，需要在训练时添加model.train()。model.train()是保证BN层能够用到每一批数据的均值和方差。对于Dropout，model.train()是随机取一部分网络连接来训练更新参数。

model.eval()

它的作用是不启用 Batch Normalization 和 Dropout。

如果模型中有BN层(Batch Normalization）和Dropout，在测试时添加model.eval()。model.eval()是保证BN层能够用全部训练数据的均值和方差，即测试过程中要保证BN层的均值和方差不变。对于Dropout，model.eval()是利用到了所有网络连接，即不进行随机舍弃神经元。

训练完train样本后，生成的模型model要用来测试样本。在model(test)之前，需要加上model.eval()，否则的话，有输入数据，即使不训练，它也会改变权值。这是model中含有BN层和Dropout所带来的的性质。

七、结果可视化

#隐藏警告

import warnings

warnings.filterwarnings("ignore") #忽略警告信息

plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签

plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号

plt.rcParams['figure.dpi'] = 100 #分辨率

epochs_range = range(epochs)

plt.figure(figsize=(12, 3))

plt.subplot(1, 2, 1)

plt.plot(epochs_range, train_acc, label='Training Accuracy')code>

plt.plot(epochs_range, test_acc, label='Test Accuracy')code>

plt.legend(loc='lower right')code>

plt.title('Training and Validation Accuracy')

plt.subplot(1, 2, 2)

plt.plot(epochs_range, train_loss, label='Training Loss')code>

plt.plot(epochs_range, test_loss, label='Test Loss')code>

plt.legend(loc='upper right')code>

plt.title('Training and Validation Loss')

plt.show()

八、最后我想说