CNN的Pytorch实现(LeNet)
目录
- CNN的Pytorch实现(LeNet)
- 1. 任务目标
- 2. 库的导入
- 3. 模型定义
- 4. 数据加载、处理
- 5.模型训练
- 整个代码
CNN的Pytorch实现(LeNet)
上次写了一篇CNN的详解，可是累坏了老僧我。写完后拿给朋友看，朋友说你这Pytorch的实现方式对于新人来讲会很不友好，然后反问我说里面所有的细节你都明白了吗。我想想，的确如此。那个源码是我当时《动手学pytorch》的时候整理的，里面有很多包装过的函数，对于新入门的人来讲，的确是个大问题。于是，痛定思痛的我决定重新写Pytorch实现这一部分，理论部分我就不多讲了，咱们直接分析代码，此代码是来自Pytorch官方给出的LeNet Model。你可以使用Jupyter Notebook一行一行的学习，也可以使用Pycharm进行断点训练和Debug来学习。
没有看过理论部分的同学可以看我上篇文章：一文带你了解CNN(卷积神经网络)。
在整个讲解的过程中，其中的一些比较重要的代码我会引入一些例子来进行解释它的功能，如果你想先直接跑通代码，可以直接跳到代码汇总部分，Here we go~
1. 任务目标
这是一个对于彩色图的10分类的问题，具体种类有：'plane', 'car', 'bird', 'cat','deer', 'dog', 'frog', 'horse', 'ship', 'truck'，训练一个能够对其进行分类的分类器。
2. 库的导入
这一部分咱们就不说太多了吧，直接上code：
import torch # 张量的有关运算，如创建、索引、连接、转置....和numpy的操作很像 import torch.nn as nn # 八廓搭建神经网络层的模块、loss等等 import torch.nn.functional as F # 常用的激活函数都在这里面 import torchvision # 专门处理图像的库 import torch.optim as optim # 各种参数优化方法，SGD、Adam... import torchvision.transforms as transforms # 提供了一般的图像转换操作的类，也可以用于图像增强 import matplotlib.pyplot as plt import numpy as np
3. 模型定义
我们在定义自己网络的时候，需要继承nn.Module类，并重新实现构造函数__init__和forward两个方法。forward方法是必须要重写的，它是实现模型的功能，实现各个层之间的连接关系的核心。如果你是用我下面的这个方法来定义的模型，在forward中要去连接它们之间的关系；如果你是用Sequential的方法来定义的模型，一般来讲可以直接在构造函数定义好后，在foward函数中return就行了（如果模型比较复杂就另当别论）。
class LeNet(nn.Module):
"""
下面这个模型定义没有用Sequential来定义，Sequential的定义方法能够在init中就给出各个层
之间的关系，我这里是根据是否有可学习的参数。我将可学习参数的层（如全连接、卷积）放在构造函数
中（其实你想把不具有参数的层放在里面也可以），把不具有学习参数的层(如dropout，
ReLU等激活函数、BN层)放在forward。
"""
def __init__(self):
super(LeNet,self).__init__()
# 第一个卷积块，这里输入的是3通道，彩色图。
self.conv1 = nn.Conv2d(3,16,5)
self.pool1 = nn.MaxPool2d(2,2)
# 第二个卷积块
self.conv2 = nn.Conv2d(16,32,5)
self.pool2 = nn.MaxPool2d(2,2)
# 稠密块，包含三个全连接层
self.fc1 = nn.Linear(32*5*5,120)
self.fc2 = nn.Linear(120,84)
self.fc3 = nn.Linear(84,10)
pass
def forward(self,x):
# x是输入数据，是一个tensor
# 正向传播
x = F.relu(self.conv1(x)) # input(3, 32, 32) output(16, 28, 28)
x = self.pool1(x) # output(16, 14, 14)
x = F.relu(self.conv2(x)) # output(32, 10, 10)
x = self.pool2(x) # output(32, 5, 5)
x = x.view(-1, 32*5*5) # output(32*5*5)
# 数据通过view展成一维向量，第一个参数-1是batch，自动推理；32x5x5是展平后的个数
x = F.relu(self.fc1(x)) # output(120)
x = F.relu(self.fc2(x)) # output(84)
x = self.fc3(x) # output(10)
# 为什么没有用softmax函数 --- 在网络模型中已经计算交叉熵以及概率
return x
我们还可以随便看一下可训练参数：
model = LeNet()
for name,parameters in model.named_parameters():
if param.requires_grad:
print(name,':',parameters.size())
看一下实例化的模型：
import torch input1 = torch.rand([32,3,32,32]) model = LeNet() # 模式实例化 print(model) # 看一下模型结构 output = model(input1)
这里就不再拓展了，我发4我发4，我会专门再写一篇使用pytorch查看特征矩阵 和卷积核参数的文章。
4. 数据加载、处理
# 调用设备内的GPU并打印出来
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print("using {} device.".format(device))
# 定义图像数据的数据预处理方式
transform = transforms.Compose(
[transforms.ToTensor(),
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
# 如果是第一次运行代码，没有下载数据集，则将download调制为True进行下载，并加载训练集
# transform是选择数据预处理的方式，我们已经提前定义
train_set = torchvision.datasets.CIFAR10(root='./data', train=True,
download=False,transform=transform)
# 如果你是windows系统，一定要记得把num_workers设置为0，不然会报错。
# 这个是将数据集划为为n个批次，每个批次的数据集有batchSize张图片，shuffle是打乱数据集
train_loader = torch.utils.data.DataLoader(train_set, batch_size=36,
shuffle=True, num_workers=0)
# 上面已经下载过的话，download设置为False
val_set = torchvision.datasets.CIFAR10(root='./data', train=False,
download=False, transform=transform)
# 验证集不用打乱，把batchsize设置为1，每次拿出1张来验证
val_loader = torch.utils.data.DataLoader(val_set, batch_size=1
shuffle=False, num_workers=0)
# 定义classes类别
classes = ('plane', 'car', 'bird', 'cat',
'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
val_data_iter = iter(val_loader) # 转换成可迭代的迭代器
val_image, val_label = val_data_iter.next()
# 定义imshow函数显示图像
def imshow(img):
img = img / 2 + 0.5 # unnormalize -> 反标准化处理
npimg = img.numpy() # numpy和tensor的通道顺序不同 tensor是通道度、宽度，numpy是高、宽、通
# 使用transpose调整维度
plt.imshow(np.transpose(npimg, (1, 2, 0))) #（1,2,0）-> 代表高度、宽度 通道
plt.show()
imshow(torchvision.utils.make_grid(val_image))
# 显示图像结果：
在这个图像加载部分，我做了些其它的尝试，想要去发现train_set和train_loader之间的不同。这里你可以逐行取消我注释的代码，然后去观察，去对比，你就知道有哪些不一样了。
"""
train_set:
总结：经过多次尝试，发现train_set是用一个Dataset包装起来，用索引来提取第n个数据，提出的数据是一个元组。
元组的第一个索引是Tensor的图像数据，(channel,height,width)，索引的第二个数据是标签 int类型。
可以选择用enumerate迭代器，也可以直接进行索引，这里因为没有batchsize的维度，所以可以直接调用自己写的
imshow函数来显示图片
"""
for i,data in enumerate(train_set):
if i == 7:
# imshow(data[0])
# print(data[0])
# print(train_set[i][0]) # 查看train-set第七张图元组 的 索引0
print(train_set[i][0].shape)
print(train_set[i][1]) # 查看train-set第七张图元组 的 索引1
# imshow(train_set[i][0])
print(type(train_set[i][1]))
# print(train_set[i].shape)
print(data[0])
print(data[0].shape)
# print(type(data[i]))
"""
train_loader
总结：和Dataset类型不一样,DataLoader不能够直接用索引获取数据。需要用enumerate迭代器来获取 或者 iter.
经过enumerate索引后，得到的data类型是拥有两个变量的列表类型。第一个变量是Tensor类型，用[batchSize,channel,height,width]表示
批图像数据，里面是有batchsize张图的。第二个变量也是Tensor类型，是代表每张图像的标签,是个一维torch
"""
for i,data in enumerate(train_loader):
if i == 7:
print(type(data))
print(len(data))
print(type(data[0]))
print(type(data[1]))
print(data[0].shape)
print(data[1].shape)
print(type(data[1]))
# print(data[0])
print(data[1])
# print(type(data[2]))
5.模型训练
# 用GPU训练
import time
torch.cuda.synchronize()
start = time.time()
net = LeNet()
net.to(device) #使用GPU时把网络分配到指定的device中
loss_function = nn.CrossEntropyLoss()
optimizer = optim.Adam(net.parameters(),lr=0.001) # Adam优化器
Loss = []
for epoch in range(5):
# 这里就只训练5个epoch，你可以试试多个
running_loss = 0.0
for step,data in enumerate(train_loader,start=0):
inputs,labels = data # data是一个列表，[数据，标签]
# 清除历史梯度，加快训练
optimizer.zero_grad()
outputs = net(inputs.to(device)) # 将输入的数据分配到指定的GPU中
loss = loss_function(outputs,labels.to(device)) # 将labels分配到指定的device
loss.backward() # loss进行反向传播
optimizer.step() # step进行参数更新
# 打印数据
running_loss += loss.item() # 每次计算完loss后加入到running_loss中
if step % 500 == 499: # 每500个mini-batches 就打印一次
with torch.no_grad():
outputs = net(val_image.to(device))
# outputs的shape = [32,10]
# dim是max函数索引的维度，0是每列最大值，1是每行最大值
predict_y = torch.max(outputs,dim=1)[1] # max函数返回的每个batchSize的最大值 + 索引。获取索引[1]
# == 来比较每个batchSize中的训练结果标签和原标签是否相同，如果预测正确就返回1，否则返回0，并累计正确的数量。
# 得到的是tensor，用item转成数字，CPU时使用
accuracy = (predict_y == val_label.to(device)).sum().item()/val_label.size(0)
# val_label.size是验证集中batchSize的大小
print('[%d %5d] train_loss: %.3f test_accuracy:%.3f' % (epoch+1,step+1,
running_loss/500,accuracy))
Loss.append(running_loss)
running_loss = 0.0
print('Finished Training')
torch.cuda.synchronize()
end = time.time()
print("训练用时:",end-start,'s')
五个epoch在我的GPU上训练了68s。
整个代码
model.py
import torch.nn as nn
import torch.nn.functional as F
class LeNet(nn.Module):
# 要继承于nn.Moudule父类
def __init__(self):
# 初始化函数
super(LeNet, self).__init__()
# 使用super函数，解决多继承可能遇到的一些问题；调用基类的构造函数
self.conv1 = nn.Conv2d(3, 16, 5) # 调用卷积层 （in_channels,out_channels(也是卷积核个数。输出的通道数),kernel_size（卷积核大小）,stride）
self.pool1 = nn.MaxPool2d(2, 2) # 最大池化层，进行下采样
self.conv2 = nn.Conv2d(16, 32, 5) # 输出的通道数为32
self.pool2 = nn.MaxPool2d(2, 2)
self.fc1 = nn.Linear(32*5*5, 120) # 全连接层输入是一维向量，这里是32x5x5，我们要展平，120是节点的个数
# 32是通道数
# Linear(input_features,output_features)
self.fc2 = nn.Linear(120, 84)
self.fc3 = nn.Linear(84, 10)
def forward(self, x):
# x是输入数据，是一个tensor
# 正向传播
x = F.relu(self.conv1(x)) # input(3, 32, 32) output(16, 28, 28)
x = self.pool1(x) # output(16, 14, 14)
x = F.relu(self.conv2(x)) # output(32, 10, 10)
x = self.pool2(x) # output(32, 5, 5)
x = x.view(-1, 32*5*5) # output(32*5*5)
# 数据通过view展成一维向量，第一个参数-1是batch，自动推理；32x5x5是展平后的个数
x = F.relu(self.fc1(x)) # output(120)
x = F.relu(self.fc2(x)) # output(84)
x = self.fc3(x) # output(10)
# 为什么没有用softmax函数 --- 在网络模型中已经计算交叉熵以及概率
return x
import torch
input1 = torch.rand([32,3,32,32])
model = LeNet() # 模式实例化
print(model) # 看一下模型结构
output = model(input1)
train.py
import torch
import torchvision
import torch.nn as nn
from model import LeNet
import torch.optim as optim
import torchvision.transforms as transforms
import matplotlib.pyplot as plt
import numpy as np
def main():
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print("using {} device.".format(device))
transform = transforms.Compose(
[transforms.ToTensor(),
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
# 50000张训练图片
# 第一次使用时要将download设置为True才会自动去下载数据集
train_set = torchvision.datasets.CIFAR10(root='./data', train=True,
download=False, transform=transform)
train_loader = torch.utils.data.DataLoader(train_set, batch_size=36,
shuffle=True, num_workers=0)
# 把训练集读取，别分成一个一个批次的，shuffle可用于随机打乱；batch_size是一次处理36张图像
# num_worker在windows下只能设置成0
# 10000张验证图片
# 第一次使用时要将download设置为True才会自动去下载数据集
val_set = torchvision.datasets.CIFAR10(root='./data', train=False,
download=False, transform=transform)
val_loader = torch.utils.data.DataLoader(val_set, batch_size=5000,
shuffle=False, num_workers=0)
# 验证集 一次拿出5000张1出来验证，不用打乱
val_data_iter = iter(val_loader) # 转换成可迭代的迭代器
val_image, val_label = val_data_iter.next()
# 转换成迭代器后，用next方法可以得到测试的图像和图像的标签值
classes = ('plane', 'car', 'bird', 'cat',
'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
# 这一部分用来看数据集
# def imshow(img):
# img = img / 2 + 0.5 # unnormalize -> 反标准化处理
# npimg = img.numpy()
# plt.imshow(np.transpose(npimg, (1, 2, 0))) #（1,2,0）-> 代表高度、宽度 通道
# plt.show()
#
# # print labels
# print(' '.join('%5s' % classes[val_label[j]] for j in range(4)))
# imshow(torchvision.utils.make_grid(val_image))
net = LeNet()
net.to(device) # 使用GPU时将网络分配到指定的device中，不使用GPU注释
loss_function = nn.CrossEntropyLoss() # 已经包含了softmax函数
optimizer = optim.Adam(net.parameters(), lr=0.001) #Adam优化器
for epoch in range(5): # loop over the dataset multiple times
running_loss = 0.0
for step, data in enumerate(train_loader, start=0):
# get the inputs; data is a list of [inputs, labels]
inputs, labels = data
# zero the parameter gradients
optimizer.zero_grad()
# 一般batch_size根据硬件设备来设置的，这个清楚历史梯度，不让梯度累计，可以让配置低的用户加快训练
# forward + backward + optimize 、、、、、CPU
# outputs = net(inputs)
# loss = loss_function(outputs, labels)
# GPU使用时添加，不使用时注释
outputs = net(inputs.to(device)) # 将inputs分配到指定的device中
loss = loss_function(outputs, labels.to(device)) # 将labels分配到指定的device中
loss.backward() # loss进行反向传播
optimizer.step() # step进行参数更新
# print statistics
running_loss += loss.item() # m每次计算完后就加入到running_loss中
if step % 500 == 499: # print every 500 mini-batches
with torch.no_grad(): # 在测试、预测过程中，这个函数可以优化内存，防止爆内存
# outputs = net(val_image) # [batch, 10]
outputs = net(val_image.to(device)) # 使用GPU时用这行将test_image分配到指定的device中
predict_y = torch.max(outputs, dim=1)[1] #dim=1，因为dim=0是batch；[1]是索引，最大值在哪个位置
# accuracy = torch.eq(predict_y, val_label).sum().item() / val_label.size(0)
# eq用来比较，如果预测正确返回1，错误返回0 -> 得到的是tensor，要用item转成数值 CPU时使用
accuracy = (predict_y==val_label.to(device)).sum().item() / val_label.size(0)
print('[%d, %5d] train_loss: %.3f test_accuracy: %.3f' %
(epoch + 1, step + 1, running_loss / 500, accuracy))
running_loss = 0.0
print('Finished Training')
save_path = './Lenet.pth'
torch.save(net.state_dict(), save_path)
if __name__ == '__main__':
main()
Tips：数据集在当前目录下创建一个data文件夹，然后在train_set导入数据那里的download设置为True就可以下载了。如果你没有GPU的话，你可以使用CPU训练，只需要把代码中标记的GPU部分注释，注释掉的CPU部分取消注释就ok了。有条件还是GPU吧，CPU太慢了。
引用：
pytorch官方model
到此这篇关于CNN的Pytorch实现(LeNet)的文章就介绍到这了,更多相关CNN的Pytorch实现内容请搜索hwidc以前的文章或继续浏览下面的相关文章希望大家以后多多支持hwidc！
【文章转自：韩国cn2服务器 转载请保留连接】