Pytorch神经网络【手写数字识别】

背景阐述：

利用神经网络完成对手写数字进行识别的实例。
在手写数字的识别中，我们不关心图形的颜色，所以需要的是灰度图。
手写数字的识别基础可见这篇博文，PASS：写得挺有意思

基于pytorch函数实现

构建网络层可以基于Module类或函数（nn.functional）。
nn中的大多数层在functional中都有与之对应的函数。

神经网络结构

使用两个隐含层，每层激活函数为ReLU，最后使用torch.max(out, 1)找出张量out最大值对应索引作为预测值。

代码

导入模块

import os
import numpy as np
import matplotlib.pyplot as plt
import torch
# 导入 pytorch 内置的 mnist 数据
from torchvision.datasets import mnist
# 导入预处理模块
import torchvision.transforms as transforms
from torch.utils.data import DataLoader
# 导入nn及优化器
import torch.nn.functional as F
import torch.optim as optim
from torch import nn

定义超参数

train_batch_size = 64
test_batch_size = 128
learning_rate = 0.01
num_epoches = 20
lr = 0.01
momentum = 0.5

# 定义预处理函数，这些预处理依次放在Compose函数中。
transform = transforms.Compose(
    [transforms.ToTensor(), transforms.Normalize([0.5], [0.5])])

# 判断是否需要从网络下载数据集
is_downloda = True
if os.path.exists('./data/MNIST'):
    is_downloda = False

# 下载数据，并对数据进行预处理
train_dataset = mnist.MNIST(
    './data', train=True, transform=transform, download=is_downloda)
test_dataset = mnist.MNIST('./data', train=False, transform=transform)

# dataloader是一个可迭代对象，可以使用迭代器一样使用。
train_loader = DataLoader(
    train_dataset, batch_size=train_batch_size, shuffle=True)
test_loader = DataLoader(
    test_dataset, batch_size=test_batch_size, shuffle=False)

Normalize([0.5], [0.5])对张量进行归一化，这里两个0.5分别表示对张量进行归一化的全局平均值和方差。因图像是灰色的只有一个通道，如果有多个通道，需要有多个数字，如3个通道，应该是Normalize([m1, m2, m3], [n1, n2, n3])；

可视化数据

examples = enumerate(test_loader)
# enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标。
batch_idx, (example_data, example_targets) = next(examples)
# next() 返回迭代器的下一个项目。

fig = plt.figure()
for i in range(6):
    plt.subplot(2, 3, i+1)
    plt.tight_layout()
    plt.imshow(example_data[i][0], cmap='gray', interpolation='none')
    plt.title("Ground Truth: {}".format(example_targets[i]))
    # 关闭x,y轴显示
    plt.xticks([])
    plt.yticks([])

构建网络

class Net(nn.Module):
    """
    使用sequential构建网络，Sequential()函数的功能是将网络的层组合到一起
    """

    def __init__(self, in_dim, n_hidden_1, n_hidden_2, out_dim):
        super(Net, self).__init__()
        self.layer1 = nn.Sequential(
            nn.Linear(in_dim, n_hidden_1), nn.BatchNorm1d(n_hidden_1))
        self.layer2 = nn.Sequential(
            nn.Linear(n_hidden_1, n_hidden_2), nn.BatchNorm1d(n_hidden_2))
        self.layer3 = nn.Sequential(nn.Linear(n_hidden_2, out_dim))

    def forward(self, x):
        x = F.relu(self.layer1(x))
        x = F.relu(self.layer2(x))
        x = self.layer3(x)
        return x

实例化

调用前面构建的函数，输入为28*28,300个、100个隐藏层，10个输出

# 检测是否有可用的GPU，有则使用，否则使用CPU
print("GPU是否可用", torch.cuda.is_available())
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
# 实例化网络
model = Net(28 * 28, 300, 100, 10)
# 输出10维（10个数字）
model.to(device)

# 定义损失函数和优化器
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(model.parameters(), lr=lr, momentum=momentum)

训练模型

# 开始训练
losses = []
acces = []
eval_losses = []
eval_acces = []


for epoch in range(num_epoches):
    train_loss = 0
    train_acc = 0
    model.train()
    # 动态修改参数学习率，随着次数加大，学习率/10
    if epoch % 5 == 0:
        optimizer.param_groups[0]['lr'] *= 0.1
    
    for img, label in train_loader:
        img = img.to(device)
        label = label.to(device)
        img = img.view(img.size(0), -1)  # 展成1维
        # 前向传播
        out = model(img)  # 传入参数，自动执行forward函数
        loss = criterion(out, label)

        optimizer.zero_grad()  # 梯度清零
        # 反向传播
        # 缺省情况下，梯度是累加的，在梯度反向传播之前，需要梯度清零
        loss.backward()
        optimizer.step()  # 基于当前梯度，更新参数
        
        # 记录误差
        train_loss += loss.item()
        # 计算分类的准确率
        _, pred = out.max(1)  # 找出张量out最大值对应索引作为预测值
        num_correct = (pred == label).sum().item()
        acc = num_correct / img.shape[0]
        train_acc += acc

    losses.append(train_loss / len(train_loader))
    acces.append(train_acc / len(train_loader))

    # 在测试集上检验效果
    eval_loss = 0
    eval_acc = 0
    # 将模型改为预测模式
    model.eval()
    for img, label in test_loader:
        img = img.to(device)
        label = label.to(device)
        img = img.view(img.size(0), -1)
        # 前向传播
        out = model(img)
        loss = criterion(out, label)
        # 记录误差
        eval_loss += loss.item()
        # 记录准确率
        _, pred = out.max(1)
        num_correct = (pred == label).sum().item()
        acc = num_correct / img.shape[0]
        eval_acc += acc

    eval_losses.append(eval_loss / len(test_loader))
    eval_acces.append(eval_acc / len(test_loader))

    print('epoch: {}, Train Loss: {:.4f}, Train Acc: {:.4f}, Test Loss: {:.4f}, Test Acc: {:.4f}'
          .format(epoch, train_loss / len(train_loader), train_acc / len(train_loader),
                  eval_loss / len(test_loader), eval_acc / len(test_loader)))

将训练过程可视化

plt.title('train loss')
plt.subplot(1,2,1)
plt.plot(np.arange(len(losses)), losses)
plt.legend(['Train Loss'], loc='upper right')

plt.subplot(1,2,2)
plt.title('train acces')
plt.plot(np.arange(len(acces)),acces,color='red', label='acces')
plt.legend(['Train acces'], loc='upper right')

plt.savefig(fname="./test_score.png", dpi=100)

References

【1】Pytorch官网
【2】Pytorch实现神经网络案例

转载：https://blog.csdn.net/weixin_45492560/article/details/125350850