PyTorch实例入门（1）：图像分类

实例入门（1）：图像分类"/>

PyTorch实例入门（1）：图像分类

PyTorch的0.4版本带来了不小的变化，其中我最喜欢的是：

1. Tensor和Variable这两个类合并了。原来nn的input是一个variable，现在可以直接用tensor。这样在语法上更简洁易用，对初学者也更容易理解。
2. Windows support。官方支持了windows，作为一个最近回归了windows的人很开心哈哈。

之前内存泄露的问题似乎也解决了，所以我又开心地从Tensorflow蹦回了PyTorch，顺便写点教程。先从最基本的开始，今天这篇文章讲怎么完成图像分类的任务。阅读前假设对神经网络和Python有一定了解。

通常我们在使用PyTorch的时候会用到两个包，一个是torch，一个是torchvision。其中torch是关于运算的包，torchvision则是打包了一些数据集，另外用torch实现了一些常见的神经网络模型，比如ResNet。

我们使用CIFAR-10作为数据集，包含了10个类别60000张图片，每张图片的大小为32x32，其中训练图片50000张，测试图片10000张。下图是一些示例

torchvision中已经打包好了这个数据集，我们不用自己下载，直接如下调用就可以了。

import torch
import torch.nn as nn
import torch.nn.functional as F
import torchvision
import torchvision.transforms as transforms
# cifar-10官方提供的数据集是用numpy array存储的
# 下面这个transform会把numpy array变成torch tensor，然后把rgb值归一到[0, 1]这个区间
transform = transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])# 在构建数据集的时候指定transform，就会应用我们定义好的transform
# root是存储数据的文件夹，download=True指定如果数据不存在先下载数据
cifar_train = torchvision.datasets.CIFAR10(root='./data', train=True,download=True, transform=transform)
cifar_test = torchvision.datasets.CIFAR10(root='./data', train=False,transform=transform)

 load完了之后我们看看这两个数据集的信息

print(cifar_train):
==>
Dataset CIFAR10Number of datapoints: 50000Split: trainRoot Location: ./dataTransforms (if any): NoneTarget Transforms (if any): Noneprint(cifar_test)
==>
Dataset CIFAR10Number of datapoints: 10000Split: testRoot Location: ./dataTransforms (if any): NoneTarget Transforms (if any): None# 数据其实是用numpy array存储的，label是个list
print(cifar_train.train_data.shape)
print(type(cifar_train.train_labels), len(cifar_train.train_labels))
==>
(50000, 32, 32, 3)
<class 'list'> 50000print(cifar_test.test_data.shape)
print(type(cifar_test.test_labels), len(cifar_test.test_labels))
==>
(10000, 32, 32, 3)
<class 'list'> 10000

在训练的时候我们可以自己写代码手动遍历数据集，指定batch和遍历方法，不过PyTorch提供了一个DataLoader类来方便我们完成这些操作。

trainloader = torch.utils.data.DataLoader(cifar_train, batch_size=32, shuffle=True)
testloader = torch.utils.data.DataLoader(cifar_test, batch_size=32, shuffle=True)

现在我们来定义卷积神经网络，为了简单起见，我们使用经典的LeNet，它包含两个卷积层和三个全连接层，网络结构如图

在PyTorch中定义神经网络非常简单，第一步先是继承nn.module这个类，然后定义如下两个函数，一般的网络这样操作就足够了

class LeNet(nn.Module):# 一般在__init__中定义网络需要的操作算子，比如卷积、全连接算子等等def __init__(self):super(LeNet, self).__init__()# Conv2d的第一个参数是输入的channel数量，第二个是输出的channel数量，第三个是kernel sizeself.conv1 = nn.Conv2d(3, 6, 5)self.conv2 = nn.Conv2d(6, 16, 5)# 由于上一层有16个channel输出，每个feature map大小为5*5，所以全连接层的输入是16*5*5self.fc1 = nn.Linear(16*5*5, 120)self.fc2 = nn.Linear(120, 84)# 最终有10类，所以最后一个全连接层输出数量是10self.fc3 = nn.Linear(84, 10)self.pool = nn.MaxPool2d(2, 2)# forward这个函数定义了前向传播的运算，只需要像写普通的python算数运算那样就可以了def forward(self, x):x = F.relu(self.conv1(x))x = self.pool(x)x = F.relu(self.conv2(x))x = self.pool(x)# 下面这步把二维特征图变为一维，这样全连接层才能处理x = x.view(-1, 16*5*5)x = F.relu(self.fc1(x))x = F.relu(self.fc2(x))x = self.fc3(x)return x

PyTorch具有自动求导功能，我们不需要自己写backward函数，所以很直观方便，写神经网络的结构就像写普通的数学运算公式一样。定义好网络之后我们就可以训练了，训练的代码也非常简单。首先，我们先构建一个网络实例。由于需要用到GPU，所以先获取device，然后再把网络的参数复制到GPU上

# 如果你没有GPU，那么可以忽略device相关的代码
device = torch.device("cuda:0")
net = LeNet().to(device)

然后我们需要定义Loss函数和优化方法，最简单的就是使用SGD了。PyTorch都预先定义好了这些东西

# optim中定义了各种各样的优化方法，包括SGD
import torch.optim as optim# CrossEntropyLoss就是我们需要的损失函数
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

下面我们正式开始训练

print("Start Training...")
for epoch in range(30):# 我们用一个变量来记录每100个batch的平均lossloss100 = 0.0# 我们的dataloader派上了用场for i, data in enumerate(trainloader):inputs, labels = datainputs, labels = inputs.to(device), labels.to(device) # 注意需要复制到GPUoptimizer.zero_grad()outputs = net(inputs)loss = criterion(outputs, labels)loss.backward()optimizer.step()loss100 += loss.item()if i % 100 == 99:print('[Epoch %d, Batch %5d] loss: %.3f' %(epoch + 1, i + 1, loss100 / 100))loss100 = 0.0print("Done Training!")

以上代码中，核心的代码是下面五行，我用注释解释了每一行的作用

# 首先要把梯度清零，不然PyTorch每次计算梯度会累加，不清零的话第二次算的梯度等于第一次加第二次的       
optimizer.zero_grad()
# 计算前向传播的输出
outputs = net(inputs)
# 根据输出计算loss
loss = criterion(outputs, labels)
# 算完loss之后进行反向梯度传播，这个过程之后梯度会记录在变量中
loss.backward()
# 用计算的梯度去做优化
optimizer.step()

ok，训练完了之后我们来检测一下准确率，我们用训练好的模型来预测test数据集

# 构造测试的dataloader
dataiter = iter(testloader)
# 预测正确的数量和总数量
correct = 0
total = 0
# 使用torch.no_grad的话在前向传播中不记录梯度，节省内存
with torch.no_grad():for data in testloader:images, labels = dataimages, labels = images.to(device), labels.to(device)# 预测outputs = net(images)# 我们的网络输出的实际上是个概率分布，去最大概率的哪一项作为预测分类_, predicted = torch.max(outputs.data, 1)total += labels.size(0)correct += (predicted == labels).sum().item()print('Accuracy of the network on the 10000 test images: %d %%' % (100 * correct / total))

在我这里最终训练了30个epoch之后准确率为64%。