pytorch实现mnist手写彩色数字识别

 

前言

环境:

  • 语言环境:Python3.6
  • 编译器:jupyter lab
  • 深度学习环境:pytorch1.10

要求:

  • 学习如何编写一个完整的深度学习程序(✔)
  • 手动推导卷积层与池化层的计算过程(✔)

 

一 前期工作

环境:python3.6,1080ti,pytorch1.10(实验室服务器的环境)

1.设置GPU或者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")

device

2.导入数据

train_ds = torchvision.datasets.MNIST('data', 
                                    train=True, 
                                    transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
                                    download=True)

test_ds  = torchvision.datasets.MNIST('data', 
                                    train=False, 
                                    transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
                                    download=True)

 

二 数据预处理

1.加载数据

设置数据尺寸

batch_size = 32

设置dataset

 
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)

2.可视化数据

打印部分图片:

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 = imgs.numpy().transpose((1, 2, 0))
  # 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')

3.再次检查数据

输出数据的尺寸:

# 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

 

三 搭建网络

import torch
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential,ReLU

num_classes = 10 

class Model(nn.Module):
  def __init__(self):
      super(Model,self).__init__()
      # 卷积层
      self.layers = Sequential(
          # 第一层
          Conv2d(3, 64, kernel_size=3),
          MaxPool2d(2),
          ReLU(),
          # 第二层
          Conv2d(64, 64, kernel_size=3),
          MaxPool2d(2),
          ReLU(),
          Conv2d(64, 128, kernel_size=3),
          MaxPool2d(2),
          ReLU(),
          Flatten(),
          Linear(512, 256,bias=True),
          ReLU(),
          Linear(256, 64,bias=True),
          ReLU(),
          Linear(64, num_classes,bias=True)
      )
  def forward(self, x):
      x = self.layers(x)
      return x

打印网络结构:

vgg16网络搭建:未修改尺寸

from torch import nn

vgg16=torchvision.models.vgg16(pretrained=True)#经过训练的
class Model(nn.Module):
  def __init__(self):
      super(Model,self).__init__()
      # 卷积层
      self.layers = Sequential(
          vgg16
      )
  def forward(self, x):
      x = self.layers(x)
      return x

vgg16网络搭建:修改尺寸

 

四 训练模型

1.设置学习率

loss_fn    = nn.CrossEntropyLoss() # 创建损失函数
learn_rate = 1e-2 # 学习率
opt        = torch.optim.SGD(model.parameters(),lr=learn_rate)

2.模型训练

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

测试函数 :

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

具体训练代码 :

epochs     = 20
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')

 

五 模型评估

1.Loss和Accuracy图

2.总结

  • 1.本文与上篇文章区别在于灰色图像和彩色图像通道数一个为1,一个为3.所以这里的卷积输入都是3.
  • 2.关于各层计算这里简单说一下,我们以范文举例:

卷积层:32->30因为((32-3)/1)+1=30

池化池:30->15因为302=15

具体计算可以参考我题目开头的文章,这里不在赘述

我们可以看到本次训练效果不好,那我们可以利用经典网络vgg16进行修改,准确率提高到了百分之88了。

其代码如上:

关于pytorch-实现mnist手写彩色数字识别的文章就介绍至此,更多相关pytorch mnist内容请搜索编程宝库以前的文章,希望以后支持编程宝库

 1.基本介绍Celery 是由Python 编写的简单,灵活,可靠的用来处理大量信息的分布式系统,它同时提供操作和维护分布式系统所需的工具。Celery 专注于实时任务处理,支持任务调度 ...