基於pytorch和Fashion Mnist資料集建立簡單的CNN網路來實現圖片分類
寫這篇文章,我主要是想要介紹一種流行的深度學習框架---Pytorch,並且完成一個簡單的CNN網路例子來加深對它的認識,我們還使用到了Fashion Mnist資料集,完成這個DL領域的“Hello World”。
相比於TF,Pytorch有很多優點。這些可以自行Google來了解。總之,Pytorch更加符合python的特性,也更加好理解。
資料集
在這個專案中,我將使用Fashion Mnist資料集,可以在kaggle下載csv檔案。
網路模型
為了訓練圖片,我們使用CNN網路來提取圖片的各項特徵。例如:
在這個網路中,一共有五個卷積層。我們將輸入值通過filters來更新數值,這些kernel values通過前向傳播來
計算損失函式,然後通過反向傳播來再次更新損失函式。在這個專案中,我們使用的網路結構如下圖所示:
我們使用了兩個卷積層,kenel的大小為5*5,後面是一個全連線層,最後輸出一個啟用值給最後的輸出層。下面,我們來逐個分析程式碼。
Imports
import torch import torch.nn as nn import torchvision.datasets as dsets from skimage import transform import torchvision.transforms as transforms from torch.autograd import Variable import pandas as pd; import numpy as np; from torch.utils.data import Dataset, DataLoader from vis_utils import * #視覺化工具,可以省略 import random; import math;
宣告必要的全域性變數:
num_epochs = 5;
batch_size = 100;
learning_rate = 0.001;
載入資料
在pytorch中,為了載入資料,我們需要編寫一個類來繼承Dataset型別,然後定義資料讀取函式和資料獲取函式,來看看我們是怎麼完成對Fashion MNIST的載入:
class FashionMNISTDataset(Dataset): '''Fashion MNIST Dataset''' def __init__(self, csv_file, transform=None): """ Args: csv_file (string): Path to the csv file transform (callable): Optional transform to apply to sample """ '''iloc也就是分割矩陣,把data想成一個表格,X代表的是每個樣本,Y代表的是樣本對應的標籤, 那麼取樣本的話,取全部的行和第一列到最後一列。取標籤的話,取全部的行和第0列。''' data = pd.read_csv(csv_file); self.X = np.array(data.iloc[:, 1:]).reshape(-1, 1, 28, 28).astype(float); self.Y = np.array(data.iloc[:, 0]); del data; #結束data對資料的引用 self.transform = transform; def __len__(self): return len(self.X); def __getitem__(self, idx): item = self.X[idx]; label = self.Y[idx]; if self.transform: item = self.transform(item); return (item, label);
在__init__中,我們從csv檔案中載入了資料, 我使用了pandas將資料讀取為dataframe,然後將其轉成numpy陣列來進行索引,後面緊跟著transform函式。(還未具體理解transform函式)
__getitem__會返回單張圖片,它包含一個index,返回值為樣本及其標籤。
我們定義如下的資料讀取方式:
train_dataset = FashionMNISTDataset(csv_file='fashionmnist/fashion-mnist_train.csv');
test_dataset = FashionMNISTDataset(csv_file='fashionmnist/fashion-mnist_test.csv')
通過以上程式碼,可以自己建立資料夾目錄。
我們接著使用dataloader模組來使用這些資料:
train_loader = torch.utils.data.DataLoader(dataset=train_dataset,
batch_size=batch_size,
shuffle=True);
test_loader = torch.utils.data.DataLoader(dataset=test_dataset,
batch_size=batch_size,
shuffle=True);
構建網路
神經網路繼承了nn.Module,我們需要完成兩個函式,__init__
和forward:
class CNN(nn.Module):
def __init__(self):
super(CNN, self).__init__()
self.layer1 = nn.Sequential(
nn.Conv2d(1, 16, kernel_size=5, padding=2),
nn.BatchNorm2d(16),
nn.ReLU(),
nn.MaxPool2d(2))
self.layer2 = nn.Sequential(
nn.Conv2d(16, 32, kernel_size=5, padding=2),
nn.BatchNorm2d(32),
nn.ReLU(),
nn.MaxPool2d(2))
self.fc = nn.Linear(7*7*32, 10)
def forward(self, x):
out = self.layer1(x)
out = self.layer2(out)
out = out.view(out.size(0), -1)
out = self.fc(out)
return out
以上程式碼看起來很簡單。在函式裡邊,我們使用nn提供的模組來定義各個層,在兩個卷積層和啟用值後我們使用了全連線層來輸出10個類別。view函式用來改變輸出值矩陣的形狀來匹配最後一層的維度。
訓練模型
下面我們來定義損失函式啦進行優化,然後訓練模型。
#instance of the Conv Net
cnn = CNN();
#loss function and optimizer
criterion = nn.CrossEntropyLoss();
optimizer = torch.optim.Adam(cnn.parameters(), lr=learning_rate);
訓練模型:
losses = [];
for epoch in range(num_epochs):
for i, (images, labels) in enumerate(train_loader):
images = Variable(images.float())
labels = Variable(labels)
# Forward + Backward + Optimize
optimizer.zero_grad()
outputs = cnn(images)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
losses.append(loss.data[0]);
if (i+1) % 100 == 0:
print ('Epoch : %d/%d, Iter : %d/%d, Loss: %.4f'
%(epoch+1, num_epochs, i+1, len(train_dataset)//batch_size, loss.data[0]))
對於每一批訓練集我們都做了如下操作:
a.將優化器中的梯度全部歸零,因為backward()函式會累積梯度值,我們不能將每個batch(mini batch)的梯度值都混合起來。
b.將資料輸入到卷積網路,即輸入到forward()函式,然後獲得輸出。
c.通過輸出值和正確的標籤來計算損失函式。
d.反向傳播梯度值。
e.基於反向傳播的數值來更新引數。
程式碼執行情況如下:
Epoch : 1/20, Iter : 100/600, Loss: 0.4417
Epoch : 1/20, Iter : 200/600, Loss: 0.7577
Epoch : 1/20, Iter : 300/600, Loss: 0.3303
Epoch : 1/20, Iter : 400/600, Loss: 0.2696
Epoch : 1/20, Iter : 500/600, Loss: 0.3722
Epoch : 1/20, Iter : 600/600, Loss: 0.4107
Epoch : 2/20, Iter : 100/600, Loss: 0.2769
Epoch : 2/20, Iter : 200/600, Loss: 0.2467
上邊的結果沒有完全跑完。
評估模型
程式碼如下:
cnn.eval()
correct = 0
total = 0
for images, labels in test_loader:
images = Variable(images.float())
outputs = cnn(images)
_, predicted = torch.max(outputs.data, 1)
total += labels.size(0)
correct += (predicted == labels).sum()
print('Test Accuracy of the model on the 10000 test images: %.4f %%' % (100 * correct / total))
步驟解釋如下:
1.將網路的模式改為eval。
2.將圖片輸入到網路中得到輸出。
3.通過取出one-hot輸出的最大值來得到輸出的 標籤。
4.統計正確的預測值。
視覺化損失函式的變化過程
程式碼如下:
losses_in_epochs = losses[0::600]
plt.xkcd();
plt.xlabel('Epoch #');
plt.ylabel('Loss');
plt.plot(losses_in_epochs);
plt.show();