【🍊易编橙：一个帮助编程小伙伴少走弯路的终身成长社群🍊】
大家好，我是小森( ﹡ˆoˆ﹡ ) ！ 易编橙·终身成长社群创始团队嘉宾，橙似锦计划领衔成员、阿里云专家博主、腾讯云内容共创官、CSDN人工智能领域优质创作者 。
通过前面的学习，我们已经掌握了PyTorch API的基本使用，今天我们使用PyTorch实现手写数字识别案例！
**通过前面的内容可知，调用MNIST返回的结果中图形数据是一个Image对象,需要对其进行处理，为了进行数据的处理，接下来学习
torchvision.transfroms
的方法~**
torchvision.transforms是PyTorch中用于图像预处理和增强的一个重要模块，它提供了多种对图像进行变换的方法，如裁剪、旋转、缩放、归一化等。这些方法可以单独使用，也可以通过transforms.Compose类组合起来，形成复杂的预处理流程。
torchvision.transforms.ToTensor💥
用于将 PIL 图像（PIL.Image.Image）或 NumPy ndarray（通常是形状为 (H, W, C) 的图像，其中 H 是高度，W 是宽度，C 是通道数，比如 RGB 图像的 C=3）转换为 PyTorch 张量（Tensor）。
黑白图片的通道数只有1，其中每个像素点的取值为[0,255],彩色图片的通道数为(R,G,B),每个通道的每个像素点的取值为[0,255]，三个通道的颜色相互叠加，形成了各种颜色
举个栗子：
from torchvision import transforms
import numpy as np
data = np.random.randint(0, 255, size=12)
img = data.reshape(2,2,3)
print(img.shape)
img_tensor = transforms.ToTensor()(img) # 转换成tensor
print(img_tensor)
print(img_tensor.shape)
输出：
shape:(2, 2, 3)
img_tensor:tensor([[[215, 171],
[ 34, 12]],
[[229, 87],
[ 15, 237]],
[[ 10, 55],
[ 72, 204]]], dtype=torch.int32)
new shape:torch.Size([3, 2, 2])
- 关于transforms.ToTensor()(img)： 这里发生了两件事情，
transforms.ToTensor()创建了一个ToTensor转换对象。 - 紧接着的
(img)实际上是调用了这个ToTensor对象的__call__方法，并将img作为参数传递给它。
回顾__call__方法：
它允许类的实例像函数一样被调用。当我们尝试对一个对象使用圆括号
()进行调用时；Python会查找该对象的
__call__方法并调用它。如果
__call__方法被定义，那么它的实例就可以被当作函数来调用。
栗子：
class Adder: def __init__(self, n): self.n = n def __call__(self, x): return self.n + x # 创建一个Adder实例，将5作为n的值 adder = Adder(5) # 使用圆括号调用adder实例，就像调用函数一样 result = adder(3) print(result) # 输出: 8
torchvision.transforms.Normalize(mean, std)💥
它用于对张量（Tensor）进行标准化处理。其中：
mean：一个序列，包含每个通道的均值。std：一个序列，包含每个通道的标准差。
Normalize
方法会按照给定的均值和标准差对每个通道的数据进行标准化处理：
Normalized
_image = (image-mean) / std
from torchvision import transforms
import numpy as np
import torchvision
data = np.random.randint(0, 255, size=12)
img = data.reshape(2,2,3)
img = transforms.ToTensor()(img) # 转换成tensor
print(img)
print("*"*100)
norm_img = transforms.Normalize((10,10,10), (1,1,1))(img) #进行规范化处理
print(norm_img)
输出：
tensor([[[177, 223],
[ 71, 182]],
[[153, 120],
[173, 33]],
[[162, 233],
[194, 73]]], dtype=torch.int32)
***************************************************************************************
tensor([[[167, 213],
[ 61, 172]],
[[143, 110],
[163, 23]],
[[152, 223],
[184, 63]]], dtype=torch.int32)
- 在sklearn中，默认上式中的std和mean为数据每列的std和mean，sklearn会在标准化之前算出每一列的std和mean。
- 但是在这里：Normalize中并没有帮我们计算，所以我们需要手动计算
torchvision.transforms.Compose(transforms)💥
用于将多个
transform
组合起来使用。
Compose类接受一个转换列表（transforms）作为输入，这个列表中的每个元素都是一个转换操作。当你创建一个
Compose实例，并将其应用于图像时，它会按照列表中定义的顺序依次执行每个转换。
transforms.Compose([
torchvision.transforms.ToTensor(), # 先转化为Tensor
torchvision.transforms.Normalize(mean,std) # 再进行正则化
])
💦写一个小模版：
from torchvision import transforms
# 定义转换步骤
resize = transforms.Resize((256, 256)) # 将图像大小调整为256x256
to_tensor = transforms.ToTensor() # 将PIL图像或NumPy ndarray转换为Tensor
normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) # 标准化
# 将这些转换组合成一个转换流程
transform = transforms.Compose([
resize,
to_tensor,
normalize
])
# 假设你有一个PIL图像img
# ...（这里省略了加载图像的代码）
# 应用转换流程
transformed_img = transform(img)
# 现在transformed_img是经过调整大小、转换为Tensor并标准化的图像
准备MNIST数据集的Dataset和DataLoader
import torchvision
dataset = torchvision.datasets.MNIST('/data', train=True, download=True,
transform=torchvision.transforms.Compose([
torchvision.transforms.ToTensor(),
torchvision.transforms.Normalize(
(0.1307,), (0.3081,))
]))
#准备数据迭代器
train_dataloader = torch.utils.data.DataLoader(dataset,batch_size=64,shuffle=True)
'/data'指定了数据集下载和存储的根目录。train=True表示加载的是训练集。download=True表示如果数据集尚未下载，将自动从互联网上下载。如果数据集已经下载，这个参数不会再次触发下载。
**准备测试集💫 **
import torchvision
dataset = torchvision.datasets.MNIST('/data', train=False, download=True,
transform=torchvision.transforms.Compose([
torchvision.transforms.ToTensor(),
torchvision.transforms.Normalize(
(0.1307,), (0.3081,))
]))
# 准备数据迭代器
train_dataloader = torch.utils.data.DataLoader(dataset,batch_size=64,shuffle=True)
构建模型💫
模型的构建使用了一个三层的神经网络，其中包括两个全连接层和一个输出层，第一个全连接层会经过激活函数的处理，将处理后的结果交给下一个全连接层，进行变换后输出结果。
- 全连接层中的每一个神经元都与前一层中的所有神经元相连接，核心操作就是y = wx，即矩阵的乘法，实现对前一层的数据的变换。
- 全连接层能够学习输入数据的特征表示，通过多个全连接层的组合，使网络能够学习输入数据的高层次抽象表示，从而帮助网络完成分类、回归等任务。
常用的激活函数为Relu激活函数，他的使用非常简单
Relu激活函数由
import torch.nn.functional as F
提供，
F.relu(x)
即可对x进行处理
import torch.nn.functional as F
b = tensor([-2, -1, 0, 1, 2])
F.relu(b)
# 输出
tensor([0, 0, 0, 1, 2])
- 激活函数选用
**构建模型代码 **
import torch
from torch import nn
import torch.nn.functional as F
class MnistNet(nn.Module):
def __init__(self):
super(MnistNet,self).__init__()
self.fc1 = nn.Linear(28*28*1,28) #定义Linear的输入和输出的形状
self.fc2 = nn.Linear(28,10) #定义Linear的输入和输出的形状
def forward(self,x):
x = x.view(-1,28*28*1) #对数据形状变形，-1表示该位置根据后面的形状自动调整
x = self.fc1(x) #[batch_size,28]
x = F.relu(x) #[batch_size,28]
x = self.fc2(x) #[batch_size,10]
- nn.Linear 层为线性层，数据会经过 out = input * w + b
模型的损失函数
首先，手写字体识别的问题是一个多分类的问题
在逻辑回归中，使用sigmoid进行计算对数似然损失，来定义2分类的损失。在2分类中我们有正类和负类，正类的概率为
，那么负类的概率为1 - P(x)
多分类和2分类中唯一的区别是我们不能够再使用sigmoid函数来计算当前样本属于某个类别的概率，而应该使用softmax函数。
**softmax和sigmoid的区别在于我们需要去计算样本属于每个类别的概率，需要计算多次，而sigmoid只需要计算一次 **
假如softmax之前的输出结果是
2.3, 4.1, 5.6
,那么经过softmax之后的结果是 ：
对于这个softmax输出的结果，是在[0,1]区间，我们可以把它当做概率；和前面2分类的损失一样，多分类的损失只需要再把这个结果进行对数似然损失的计算即可
最后，会计算每个样本的损失，即上式的平均值。
softmax函数将logits转换为概率分布，而对数似然损失则衡量了这些概率分布与真实标签之间的差异。
我们把softmax概率传入对数似然损失得到的损失函数称为交叉熵损失
在PyTorch中有两种方法实现交叉熵损失
criterion = nn.CrossEntropyLoss()
loss = criterion(input,target)
nn.CrossEntropyLoss()内部首先会对input应用softmax函数，然后计算交叉熵损失。我们就不需要在模型输出上应用softmax函数了。
#1. 对输出值计算softmax和取对数
output = F.log_softmax(x,dim=-1)
#2. 使用torch中带权损失
loss = F.nll_loss(output,target)
模型的训练
mnist_net = MnistNet()
optimizer = optim.Adam(mnist_net.parameters(),lr= 0.001)
def train(epoch):
mode = True
mnist_net.train(mode=mode) #模型设置为训练模型
train_dataloader = get_dataloader(train=mode) #获取训练数据集
for idx,(data,target) in enumerate(train_dataloader):
optimizer.zero_grad() #梯度置为0
output = mnist_net(data)
loss = F.nll_loss(output,target) #带权损失
loss.backward() #进行反向传播，计算梯度
optimizer.step() #参数更新
if idx % 10 == 0:
print('Train Epoch: {} [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format(
epoch, idx * len(data), len(train_dataloader.dataset),
100. * idx / len(train_dataloader), loss.item()))
模型的保存和加载
def test():
test_loss = 0
correct = 0
mnist_net.eval() #设置模型为评估模式
test_dataloader = get_dataloader(train=False) #获取评估数据集
with torch.no_grad(): #不计算其梯度
for data, target in test_dataloader:
output = mnist_net(data)
test_loss += F.nll_loss(output, target, reduction='sum').item()
pred = output.data.max(1, keepdim=True)[1] #获取最大值的位置,[batch_size,1]
correct += pred.eq(target.data.view_as(pred)).sum() #预测准备样本数累加
test_loss /= len(test_dataloader.dataset) #计算平均损失
print('\nTest set: Avg. loss: {:.4f}, Accuracy: {}/{} ({:.2f}%)\n'.format(
test_loss, correct, len(test_dataloader.dataset),
100. * correct / len(test_dataloader.dataset)))
torch.save(mnist_net.state_dict(),"model/mnist_net.pt") #保存模型参数
torch.save(optimizer.state_dict(), 'results/mnist_optimizer.pt') #保存优化器参数
模型加载：
mnist_net.load_state_dict(torch.load("model/mnist_net.pt"))
optimizer.load_state_dict(torch.load("results/mnist_optimizer.pt"))
模型的评估
评估的过程和训练的过程相似，但是不需要计算梯度了。
def test():
test_loss = 0
correct = 0
mnist_net.eval() # 设置模型为评估模式
test_dataloader = get_dataloader(train=False)
with torch.no_grad(): # 不计算梯度
for data, target in test_dataloader:
output = mnist_net(data)
test_loss += F.nll_loss(output, target, reduction='sum').item()
pred = output.data.max(1, keepdim=True)[1] #获取最大值的位置,[batch_size,1]
correct += pred.eq(target.data.view_as(pred)).sum() #预测准备样本数累加
test_loss /= len(test_dataloader.dataset) # 计算平均损失
print('\nTest set: Avg. loss: {:.4f}, Accuracy: {}/{} ({:.2f}%)\n'.format(
test_loss, correct, len(test_dataloader.dataset),
100. * correct / len(test_dataloader.dataset)))
完整的代码
import torch
from torch import nn
from torch import optim
import torch.nn.functional as F
import torchvision
train_batch_size = 64
test_batch_size = 1000
img_size = 28
def get_dataloader(train=True):
assert isinstance(train,bool),"train 必须是bool类型"
dataset = torchvision.datasets.MNIST('/data', train=train, download=True,
transform=torchvision.transforms.Compose([
torchvision.transforms.ToTensor(),
torchvision.transforms.Normalize((0.1307,), (0.3081,)),]))
batch_size = train_batch_size if train else test_batch_size
dataloader = torch.utils.data.DataLoader(dataset,batch_size=batch_size,shuffle=True)
return dataloader
class MnistNet(nn.Module):
def __init__(self):
super(MnistNet,self).__init__()
self.fc1 = nn.Linear(28*28*1,28)
self.fc2 = nn.Linear(28,10)
def forward(self,x):
x = x.view(-1,28*28*1)
x = self.fc1(x) #[batch_size,28]
x = F.relu(x) #[batch_size,28]
x = self.fc2(x) #[batch_size,10]
# return x
return F.log_softmax(x,dim=-1)
mnist_net = MnistNet()
optimizer = optim.Adam(mnist_net.parameters(),lr= 0.001)
# criterion = nn.NLLLoss()
# criterion = nn.CrossEntropyLoss()
train_loss_list = []
train_count_list = []
def train(epoch):
mode = True
mnist_net.train(mode=mode)
train_dataloader = get_dataloader(train=mode)
print(len(train_dataloader.dataset))
print(len(train_dataloader))
for idx,(data,target) in enumerate(train_dataloader):
optimizer.zero_grad()
output = mnist_net(data)
loss = F.nll_loss(output,target)
loss.backward()
optimizer.step()
if idx % 10 == 0:
print('Train Epoch: {} [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format(
epoch, idx * len(data), len(train_dataloader.dataset),
100. * idx / len(train_dataloader), loss.item()))
train_loss_list.append(loss.item())
train_count_list.append(idx*train_batch_size+(epoch-1)*len(train_dataloader))
torch.save(mnist_net.state_dict(),"model/mnist_net.pkl")
torch.save(optimizer.state_dict(), 'results/mnist_optimizer.pkl')
def test():
test_loss = 0
correct = 0
mnist_net.eval()
test_dataloader = get_dataloader(train=False)
with torch.no_grad():
for data, target in test_dataloader:
output = mnist_net(data)
test_loss += F.nll_loss(output, target, reduction='sum').item()
pred = output.data.max(1, keepdim=True)[1] #获取最大值的位置,[batch_size,1]
correct += pred.eq(target.data.view_as(pred)).sum()
test_loss /= len(test_dataloader.dataset)
print('\nTest set: Avg. loss: {:.4f}, Accuracy: {}/{} ({:.2f}%)\n'.format(
test_loss, correct, len(test_dataloader.dataset),
100. * correct / len(test_dataloader.dataset)))
if __name__ == '__main__':
test()
for i in range(10): #模型训练10轮
train(i)
test()
本文转载自: https://blog.csdn.net/qq_64685283/article/details/140340655
版权归原作者 小森( ﹡ˆoˆ﹡ ) 所有， 如有侵权，请联系我们删除。
版权归原作者 小森( ﹡ˆoˆ﹡ ) 所有， 如有侵权，请联系我们删除。