最终成果
GITHUB
本文以最经典的mnist数据集为例，讲述了使用pytorch做机器学习的一整套流程，文中所提到的所有代码都可以到github中查看。
项目场景
简单的学习pytorch、自动求导和神经网络的知识后，我们来练习使用mnist数据集训练一个cnn手写数字识别模型。
导入模块
import torch
import torch.nn as nn
import matplotlib.pyplot as plt
from torch.utils.data import DataLoader
from torchvision import datasets, transforms
pytorch安装教程可以看这这两篇文章：Windows 和 Linux
matplotlib库用于绘图，如果没有请通过pip命令安装：
pip install matplotlib
训练设备
device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')
如果有可用的gpu就在gpu中训练，没有就使用cpu训练。
定义超参数
EPOCH = 10
BATCH_SIZE = 128
LR = 1E-3
EPOCH：训练的轮数。
BATCH_SIZE：数据加载器的批次大小。
LR：优化器的学习率。
下载数据集
train_file = datasets.MNIST(
root='./dataset/',
train=True,
transform=transforms.ToTensor(),
download=True
)
test_file = datasets.MNIST(
root='./dataset/',
train=False,
transform=transforms.ToTensor()
)
root：指定数据集的存放路径。
train：True表示训练集；False表示测试集。
transform：采用何种方式进行图像转换；transforms.ToTensor()是将形状为(H x W x C)的图片数据转换为形状为(C x H x W)的张量，C为图片通道数，这里是1，也就是灰度图片，H、W分别为图片宽高，都是28。然后再把图片的灰度值[0, 255]归一化到[0, 1]，也就是除以255。
download：True：下载数据集；False：不下载；默认为False，第一次运行代码时设置为True，之后设置为False就行了。
数据可视化
训练数据可视化
train_data = train_file.data
train_targets = train_file.targets
print(train_data.size()) # [60000, 28, 28]
print(train_targets.size()) # [60000]
# visualization
plt.figure(figsize=(9, 9))
for i in range(9):
plt.subplot(3, 3, i+1)
plt.title(train_targets[i].numpy())
plt.axis('off')
plt.imshow(train_data[i], cmap='gray')
plt.show()
打印训练数据及标签可知：训练数据是6万张28x28的灰度图片，以及6万个标签。
测试数据可视化
test_file = datasets.MNIST(
root='./dataset/',
train=False,
transform=transforms.ToTensor()
)
test_data = test_file.data
test_targets = test_file.targets
print(test_data.size()) # [10000, 28, 28]
print(test_targets.size()) # [10000]
# visualization
plt.figure(figsize=(9, 9))
for i in range(9):
plt.subplot(3, 3, i+1)
plt.title(test_targets[i].numpy())
plt.axis('off')
plt.imshow(test_data[i], cmap='gray')
plt.show()
打印测试数据及标签可知：测试数据是1万张28x28的灰度图片，以及1万个标签。
数据加载器
train_loader = DataLoader(
dataset=train_file,
batch_size=BATCH_SIZE,
shuffle=True
)
test_loader = DataLoader(
dataset=test_file,
batch_size=BATCH_SIZE,
shuffle=False
)
dataset：指定数据集。
batch_size：批次的大小。
shuffle: True：打乱数据顺序；False：不打乱数据顺序。一般训练的时候打乱顺序会取得更好的效果，测试的时候不需要打乱顺序。
模型结构
class CNN(nn.Module):
def __init__(self):
super(CNN, self).__init__()
self.conv = nn.Sequential(
# [BATCH_SIZE, 1, 28, 28]
nn.Conv2d(1, 32, 5, 1, 2),
# [BATCH_SIZE, 32, 28, 28]
nn.ReLU(),
nn.MaxPool2d(2),
# [BATCH_SIZE, 32, 14, 14]
nn.Conv2d(32, 64, 5, 1, 2),
# [BATCH_SIZE, 64, 14, 14]
nn.ReLU(),
nn.MaxPool2d(2)
# [BATCH_SIZE, 64, 7, 7]
)
self.fc = nn.Linear(64 * 7 * 7, 10)
def forward(self, x):
x = self.conv(x)
x = x.view(x.size(0), -1)
y = self.fc(x)
return y
创建模型
model = CNN().to(device)
optim = torch.optim.Adam(model.parameters(), LR)
lossf = nn.CrossEntropyLoss()
训练模型
for epoch in range(EPOCH):
for step, (data, targets) in enumerate(train_loader):
optim.zero_grad()
data = data.to(device)
targets = targets.to(device)
output = model(data)
loss = lossf(output, targets)
loss.backward()
optim.step()
- 梯度清零
- 将图片和标签加载到
GPU或CPU中 - 将图片传入模型中训练
- 根据损失函数计算输出结果和标签的误差
- 误差的反向传播
- 更新参数
计算损失
loss = 0
total = 0
correct = 0
with torch.no_grad():
for data, targets in loader:
data = data.to(device)
targets = targets.to(device)
output = model(data)
loss += lossf(output, targets)
correct += (output.argmax(1) == targets).sum()
total += data.size(0)
loss = loss.item()/len(test_loader)
acc = correct.item()/total
计算模型对于整个训练集或测试集的损失和准确率。
训练过程打印
EPOCH: 01/10 STEP: 469/469 LOSS: 0.0645 ACC: 0.9807 VAL-LOSS: 0.0585 VAL-ACC: 0.9799 TOTAL-TIME: 48
EPOCH: 02/10 STEP: 469/469 LOSS: 0.0405 ACC: 0.9879 VAL-LOSS: 0.0391 VAL-ACC: 0.9870 TOTAL-TIME: 52
EPOCH: 03/10 STEP: 469/469 LOSS: 0.0297 ACC: 0.9913 VAL-LOSS: 0.0320 VAL-ACC: 0.9884 TOTAL-TIME: 46
EPOCH: 04/10 STEP: 469/469 LOSS: 0.0202 ACC: 0.9939 VAL-LOSS: 0.0271 VAL-ACC: 0.9900 TOTAL-TIME: 53
EPOCH: 05/10 STEP: 469/469 LOSS: 0.0192 ACC: 0.9941 VAL-LOSS: 0.0278 VAL-ACC: 0.9900 TOTAL-TIME: 46
EPOCH: 06/10 STEP: 469/469 LOSS: 0.0150 ACC: 0.9956 VAL-LOSS: 0.0294 VAL-ACC: 0.9897 TOTAL-TIME: 47
EPOCH: 07/10 STEP: 469/469 LOSS: 0.0114 ACC: 0.9966 VAL-LOSS: 0.0245 VAL-ACC: 0.9923 TOTAL-TIME: 54
EPOCH: 08/10 STEP: 469/469 LOSS: 0.0115 ACC: 0.9967 VAL-LOSS: 0.0269 VAL-ACC: 0.9906 TOTAL-TIME: 45
EPOCH: 09/10 STEP: 469/469 LOSS: 0.0094 ACC: 0.9972 VAL-LOSS: 0.0278 VAL-ACC: 0.9909 TOTAL-TIME: 47
EPOCH: 10/10 STEP: 469/469 LOSS: 0.0077 ACC: 0.9977 VAL-LOSS: 0.0278 VAL-ACC: 0.9916 TOTAL-TIME: 35
EPOCH：训练的轮数
STEP：数据加载器迭代的次数
LOSS：整个训练集的平均损失
ACC：整个训练集的准确率
VAL-LOSS：整个测试集的平均损失
VAL-ACC：整个测试集的准确率
TOTAL-TIME：训练每轮消耗的时间（单位：秒）。
以上是在英伟达GTX 1050 Ti训练的结果，大概每轮40秒；如果用GTX 1080 Ti每轮大概是20秒。
保存最佳模型
temp = 0
if val_acc > temp:
torch.save(model.state_dict(), 'model.pt')
temp = val_acc
根据EPOCH设置的值不同，模型会训练很多轮，为了以后方便加载，我们将最佳的模型保存下来。
首先，我们要明白：什么样的模型是最佳的？当然，对于一个好的模型来说，相比训练集，我们更看重的是它在测试集上的效果。
测试集上有两个指标可以衡量模型的好坏，损失和准确率。我们这里就保存准确率最高的。（当然损失最小的也行）
| BEST-MODEL | EPOCH: 07/10 STEP: 469/469 LOSS: 0.0114 ACC: 0.9966 VAL-LOSS: 0.0245 VAL-ACC: 0.9923
就上述10轮的训练结果来看，准确率最高的是第7轮，所以我们需要把第7轮训练的模型保存下来。
加载模型
model = CNN()
model.load_state_dict(torch.load('model.pt', map_location=torch.device('cpu')))
model.eval()
更详细的pytorch保存和加载模型的方法可以看我翻译的这一篇官方文档。
测试模型
打开Windows系统自带的画图应用，创建28x28的画布，背景颜色设置为黑色，前景色为白色，然后随便写几个数字，保存为png或其它格式的图片。
这里我手写了10个黑底白字的数字：
然后加载最佳模型，预测结果如下：（单次预测准确率100%）
pred: tensor([0, 1, 2, 3, 4, 5, 6, 7, 2, 9])
true: tensor([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
我也手写了10个白底黑字：
测试效果很不理想，毕竟模型是在黑底白字的数据集上训练的嘛:)（单次预测准确率30%)
pred: tensor([3, 2, 2, 3, 2, 5, 5, 2, 2, 2])
true: tensor([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
部署模型
我们不可能每次都打开画图软件写一个数字来测试吧？
pytorch模型线上部署的教程正在制作中，敬请期待……
引用参考
https://mofanpy.com/tutorials/machine-learning/torch/CNN/
https://pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html