前言

本文參考PyTorch官網的教程，分為五個基本模組來介紹PyTorch。為了避免文章過長，這五個模組分別在五篇博文中介紹。

本文是關於Part4的內容。

Part4：訓練一個神經網路分類器

前面已經介紹了定義神經網路，計算損失和更新權重，這裡介紹訓練神經網路分類器。

1 關於資料

通常，當你需要處理影象、文字、飲品或者視訊資料，你可以使用標準的python包將資料匯入到numpy 的array中。之後，你可以將array轉換到torch.*Tensor。

（1）    對於影象，Pillow、OpenCV等包非常有用。

（2）    對於音訊，scipy和librosa等包非常好。

（3）    對於文字，原始Python

尤其對於視覺，我們建立了一個叫做torchvision的包，包含了對於常用資料集（如ImageNet，CIFAR10，MNIST等）的資料載入器和對於images、viz的資料轉換器，torchvision.datasets和 torch.utils.data.DataLoader。

在該教程中，我們使用CIFAR10資料集。它含有這些類：‘airplane’, ‘automobile’, ‘bird’, ‘cat’,‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’. 這些影象的尺寸是3*32*32

2 訓練影象分類器

我們按照如下步驟：

（1）    使用torchvision匯入並且正規化CIFAR10的訓練集和測試集

（2）    定義一個卷積神經網路

（3）    定義一個損失函式

（4）    在測試資料上訓練該網路

（5）    在測試資料上測試該網路

2.1 匯入和正規化CIFAR10

使用torchvision，載入CIFAR10很容易。

import torch
import torchvision
import torchvision.transforms as transforms

torchvision資料集的輸出是[0,1]區間的PILImage。我們把這些影象轉換到[-1,1]

transform = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
                                        download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
                                          shuffle=True, num_workers=2)

testset = torchvision.datasets.CIFAR10(root='./data', train=False,
                                       download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=4,
                                         shuffle=False, num_workers=2)

classes = ('plane', 'car', 'bird', 'cat',
           'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

我們來顯示一些訓練影象。

import matplotlib.pyplot as plt
import numpy as np

# functions to show an image


def imshow(img):
    img = img / 2 + 0.5     # unnormalize
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg, (1, 2, 0)))


# get some random training images
dataiter = iter(trainloader)
images, labels = dataiter.next()

# show images
imshow(torchvision.utils.make_grid(images))
# print labels
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))

2.2 定義卷積神經網路

定義一個適用於3通道影象的卷積神經網路。

from torch.autograd import Variable
import torch.nn as nn
import torch.nn.functional as F


class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.fc1 = nn.Linear(16 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        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


net = Net()

2.3 定義損失函式和優化器

使用分類交叉熵損失和帶有動量的隨機梯度下降。

import torch.optim as optim

criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

2.4 訓練網路

我們只需要在資料上迭代，把輸入資料交給網路並且優化即可。

for epoch in range(2):  # loop over the dataset multiple times

    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        # get the inputs
        inputs, labels = data

        # wrap them in Variable
        inputs, labels = Variable(inputs), Variable(labels)

        # zero the parameter gradients
        optimizer.zero_grad()

        # forward + backward + optimize
        outputs = net(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

        # print statistics
        running_loss += loss.data[0]
        if i % 2000 == 1999:    # print every 2000 mini-batches
            print('[%d, %5d] loss: %.3f' %
                  (epoch + 1, i + 1, running_loss / 2000))
            running_loss = 0.0

print('Finished Training')

預期輸出：

[1,  2000] loss: 2.191

[1,  4000] loss: 1.866

[1,  6000] loss: 1.696

[1,  8000] loss: 1.596

[1, 10000] loss: 1.502

[1, 12000] loss: 1.496

[2,  2000] loss: 1.422

[2,  4000] loss: 1.370

[2,  6000] loss: 1.359

[2,  8000] loss: 1.321

[2, 10000] loss: 1.311

[2, 12000] loss: 1.275

FinishedTraining

2.5 在測試資料上測試網路

我們已經訓練了一個網路。現在對其在測試資料上測試。第一步，顯示一個來自測試集的影象。

dataiter = iter(testloader)
images, labels = dataiter.next()

# print images
imshow(torchvision.utils.make_grid(images))
print('GroundTruth: ', ' '.join('%5s' % classes[labels[j]] for j in range(4)))

預期輸出：

GroundTruth:    catshipship  plane

使用訓練好的網路來預測這些影象應該屬於哪類。

outputs = net(Variable(images))

輸出的是關於10個類別的能量值。哪個類別能量值高，網路就認為影象屬於哪一類。因此我們需要獲取最高能量值的索引。

_, predicted = torch.max(outputs.data, 1)

print('Predicted: ', ' '.join('%5s' % classes[predicted[j]]
                              for j in range(4)))

預期輸出：

Predicted:    catshipcar   plane

現在看一下網路在整個資料集上的表現。

correct = 0
total = 0
for data in testloader:
    images, labels = data
    outputs = net(Variable(images))
    _, predicted = torch.max(outputs.data, 1)
    total += labels.size(0)
    correct += (predicted == labels).sum()

print('Accuracy of the network on the 10000 test images: %d%%' % (
    100 * correct / total))

預期輸出：

Accuracy of the network on the 10000 test images: 54 %

這看起來比偶然準確率（10%）要好。看起來，訓練有一定效果。

看一下哪些類別表現好，哪些表現不好。

class_correct = list(0. for i in range(10))
class_total = list(0. for i in range(10))
for data in testloader:
    images, labels = data
    outputs = net(Variable(images))
    _, predicted = torch.max(outputs.data, 1)
    c = (predicted == labels).squeeze()
    for i in range(4):
        label = labels[i]
        class_correct[label] += c[i]
        class_total[label] += 1


for i in range(10):
    print('Accuracy of %5s : %2d%%' % (
        classes[i], 100 * class_correct[i] / class_total[i]))

預期輸出：

Accuracyofplane : 60 %

Accuracyofcar : 46 %

Accuracyofbird : 44 %

Accuracyofcat : 35 %

Accuracyofdeer : 38 %

Accuracyofdog : 43 %

Accuracyoffrog : 57 %

Accuracyofhorse : 76 %

Accuracyofship : 71 %

Accuracyoftruck : 74 %

3 在GPU上訓練

下面這句話會遞迴遍歷全部的模組並且將它們的引數和緩衝區轉到CUDA tensors。

net.cuda()

記住，還需要在每一步將輸入和目標值傳送到GPU。

inputs, labels = Variable(inputs.cuda()), Variable(labels.cuda())

當網路非常大而複雜的時候，這種加速是非常明顯的。