3.实现minst手写数字识别-优快云博客

import torch
import torch.nn as nn
import matplotlib.pyplot as plt
import torchvision
 
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
 
print(device)

如果成功调用了GPU会输出cuda，失败会输出cpu

2.导入数据

不需要专门下载，可以调用库提供的数据集

①使用Pytorch自带数据库torchvision.datasets，通过代码下载torchvision.datasets中的MNIST数据集（MNIST由手写阿拉伯数字组成，包含60,000个训练样本和10,000个测试样本）

函数原型：

torchvision.datasets.MNIST(root,
                           train=True, 
                           transform=None, 
                           target_transform=None, 
                           download=False)

参数说明：

root (string) ：数据地址

train (string) ：True = 训练集，False = 测试集

download (bool,optional) : 如果为True，从互联网上下载数据集，并把数据集放在root目录下。

transform (callable, optional )：这里的参数选择一个你想要的数据转化函数，直接完成数据转化

target_transform (callable,optional) ：接受目标并对其进行转换的函数/转换。

AI模型和我们人脑一样，需要训练集和测试集的配合。比方说我们参加考试，做的《五三》就是训练集，而期末考试是测试集，原则上训练集和测试集不能重合。

我们这里准备好训练集和测试集，因为是从网上下载的数据集（一般已经提前划分好训练集和测试集了），所以直接导入训练集和测试集即可。

train_ds = torchvision.datasets.MNIST('data', 
                                      train=True, 
                                      transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
                                      download=True)
 
test_ds  = torchvision.datasets.MNIST('data', 
                                      train=False, 
                                      transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
                                      download=True)

②使用Pytorch自带的数据加载器torch.utils.data.DataLoader，结合了数据集和采样器，并且可以多线程（多线程就是同时处理多个数据）处理数据集。

函数原型：

torch.utils.data.DataLoader(dataset,
                            batch_size=1, 
                            shuffle=None,
                            sampler=None,
                            batch_sampler=None, 
                            num_workers=0, 
                            collate_fn=None,
                            pin_memory=False,
                            drop_last=False,
                            timeout=0, 
                            worker_init_fn=None,
                            multiprocessing_context=None,
                            generator=None,
                            *, 
                            prefetch_factor=2, 
                            persistent_workers=False,
                            pin_memory_device='')

参数说明：

dataset(string) ：加载的数据集（从哪读取）

batch_size (int,optional) ：每批加载的样本大小（默认值：1）

shuffle(bool,optional) : 如果为True，每个epoch重新排列数据。（是否乱序）

sampler (Sampler or iterable, optional) ：定义从数据集中抽取样本的策略。可以是任何实现了 __len__ 的 Iterable。如果指定，则不得指定 shuffle 。

batch_sampler (Sampler or iterable, optional) ：类似于sampler，但一次返回一批索引。与 batch_size、shuffle、sampler 和 drop_last 互斥。

num_workers(int,optional) ：用于数据加载的子进程数。 0 表示数据将在主进程中加载（默认值：0）。（是否多进程）

pin_memory (bool,optional) : 如果为 True，数据加载器将在返回之前将张量复制到设备/CUDA 固定内存中。如果数据元素是自定义类型，或者collate_fn返回一个自定义类型的批次。

drop_last(bool,optional) : 如果数据集大小不能被批次大小整除，则设置为 True 以删除最后一个不完整的批次。如果 False 并且数据集的大小不能被批大小整除，则最后一批将保留。（默认值：False）

timeout(numeric,optional) : 设置数据读取的超时时间，超过这个时间还没读取到数据的话就会报错。（默认值：0）

worker_init_fn(callable,optional) ：如果不是 None，这将在步长之后和数据加载之前在每个工作子进程上调用，并使用工作 id（[0，num_workers - 1] 中的一个 int）的顺序逐个导入。（默认：None）

解释：

加载数据集就是我们之前导入的或者设置好的，很好理解。batch_size和num_workers就是训练规模了，这里由你的GPU性能决定，性能越好这两者数值就可以越大，训练速度也就越快，两个变量根据训练情况调整。shuffle注意作用就是随机打乱，提高训练效率，降低过拟合等，一般训练的时候要设置为True。

batch_size = 32

train_dl = torch.utils.data.DataLoader(train_ds, 
                                       batch_size=batch_size, 
                                       shuffle=True)

test_dl  = torch.utils.data.DataLoader(test_ds, 
                                       batch_size=batch_size)

这里我们测试一下：

# 取一个批次查看数据格式
# 数据的shape为：[batch_size, channel, height, weight]
# 其中batch_size为自己设定，channel，height和weight分别是图片的通道数，高度和宽度。
imgs, labels = next(iter(train_dl))
print(imgs.shape)

输出框得到

torch.Size([32, 1, 28, 28])

描述了一个四维张量的维度信息，包括Batch Size、Channel、图像的高度和图像的宽度。同时注意我们的Channel为1，数据可视化时需要用到squeeze（）函数。

3.数据可视化

squeeze（）函数：将矩阵shape中维度为1的去除，比如一个矩阵的shape为（3，1），通过此函数为（3，）。

注意：squeeze()函数的主要作用是去除张量中维度为1的维度，从而降低张量的维度。并非所有数据可视化都需要使用squeeze()函数。大多数可视化库（如Matplotlib）可以处理带有通道维度的图像数据，因此在许多情况下，无需使用squeeze()函数。

import numpy as np

# 指定图片大小，图像大小为20宽、5高的绘图(单位为英寸inch)
plt.figure(figsize=(20, 5)) 
for i, imgs in enumerate(imgs[:20]):
    # 维度缩减
    npimg = np.squeeze(imgs.numpy())

    print(imgs.shape)
    print(npimg.shape)

    # 将整个figure分成2行10列，绘制第i+1个子图。
    plt.subplot(2, 10, i+1)
    plt.imshow(npimg, cmap=plt.cm.binary)
    plt.axis('off')
plt.show()

每次循环都输出

torch.Size([1, 28, 28])
(28, 28)

...

最后弹出一张图片（随机20个手写数字）

注意，可视化是做实验的重要环节，我们导入的matplotlib.pyplot库就是一款制图表示图的库，要养成打印模型、打印数据和绘制图表等习惯。

三、构建简单的CNN网络

1.常用函数

a.nn.Conv2d

nn.Conv2d为卷积层，用于提取图片的特征，传入参数为输入channel，输出channel，池化核大小

torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)

拓展：

①卷积层计算：

输入图片的矩阵 I 的大小：w*w；卷积核K：k*k；步长S：s；填充大小（padding）：p

有o=（w-k+2*p）/s + 1；输出图片大小即为o*o

b.nn.MaxPool2d

nn.MaxPool2d为池化层，进行下采样，用更高层的抽象表示图像特征，传入参数为池化核大小

torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)

②池化层计算：

kernel_size：最大的窗口大小； stride：窗口的步幅，默认值为kernel_size；

padding：填充大小（默认0）；dilation：控制窗口中元素步幅的参数，默认为1

如代码：input_x = torch.randn(3, 32, 32) //具体运算公式见文档

输入的数据格式是：[3, 32, 32]即 [C*Hin*Win]

c.nn.ReLU

nn.ReLU为激活函数，使模型可以拟合非线性数据。输入：任意数量的维度，输出：与输入的形状相同

d.nn.Sequential

nn.Sequebtial可以按构造顺序连接网络，在初始化阶段就设定好网络结构，不需要在前向传播中重新写一遍。是pytorch中的顺序容器，构造可以直接嵌套或者以orderdict有序字典的方式传入。

2.简单的CNN代码

import torch.nn.functional as F
 
num_classes = 10  # 图片的类别数
 
class Model(nn.Module):
     def __init__(self):
        super().__init__()
         # 特征提取网络
        self.conv1 = nn.Conv2d(1, 32, kernel_size=3)  # 第一层卷积,卷积核大小为3*3
        self.pool1 = nn.MaxPool2d(2)                  # 设置池化层，池化核大小为2*2
        self.conv2 = nn.Conv2d(32, 64, kernel_size=3) # 第二层卷积,卷积核大小为3*3   
        self.pool2 = nn.MaxPool2d(2) 
                                      
        # 分类网络
        self.fc1 = nn.Linear(1600, 64)          
        self.fc2 = nn.Linear(64, num_classes)
     # 前向传播
     def forward(self, x):
        x = self.pool1(F.relu(self.conv1(x)))     
        x = self.pool2(F.relu(self.conv2(x)))
 
        x = torch.flatten(x, start_dim=1)
 
        x = F.relu(self.fc1(x))
        x = self.fc2(x)
       
        return x

加载并打印模型：

from torchinfo import summary
# 将模型转移到GPU中（我们模型运行均在GPU中进行）
model = Model().to(device)
 
summary(model)

四、训练模型

1.设置超参数

loss_fn    = nn.CrossEntropyLoss() # 创建损失函数
learn_rate = 1e-2 # 学习率
opt        = torch.optim.SGD(model.parameters(),lr=learn_rate)

2.编写训练函数

1.loss.backward()

反向传播，通过autograd包来实现的，autograd包会根据tensor进行过的数学运算来自动计算其对应的梯度。如果没有进行tensor.backward()的话，梯度值将会是None，因此loss.backward()要写在optimizer.step()之前。

2.optimizer.step()

进行优化步骤，通过梯度下降来更新参数的值。要在loss.backward()之后。

注意：optimizer只负责通过梯度下降进行优化，而不负责产生梯度，梯度是tensor.backward()方法产生的。

3.optimizer.zero_grad()

梯度值grad属性清为0，即上一次梯度记录被清空。

# 训练循环
def train(dataloader, model, loss_fn, optimizer):
    size = len(dataloader.dataset)  # 训练集的大小，一共60000张图片
    num_batches = len(dataloader)   # 批次数目，1875（60000/32）
 
    train_loss, train_acc = 0, 0  # 初始化训练损失和正确率
    
    for X, y in dataloader:  # 获取图片及其标签
        X, y = X.to(device), y.to(device)
        
        # 计算预测误差
        pred = model(X)          # 网络输出
        loss = loss_fn(pred, y)  # 计算网络输出和真实值之间的差距，targets为真实值，计算二者差值即为损失
        
        # 反向传播
        optimizer.zero_grad()  # grad属性归零
        loss.backward()        # 反向传播
        optimizer.step()       # 每一步自动更新
        
        # 记录acc与loss
        train_acc  += (pred.argmax(1) == y).type(torch.float).sum().item()
        train_loss += loss.item()
            
    train_acc  /= size
    train_loss /= num_batches
 
    return train_acc, train_loss

3.编写测试函数

训练函数的编写和测试函数的编写差别不大，但是由于不进行梯度下降对网络权重进行更新，所以不用优化器。

def test (dataloader, model, loss_fn):
    size        = len(dataloader.dataset)  # 测试集的大小，一共10000张图片
    num_batches = len(dataloader)          # 批次数目，313（10000/32=312.5，向上取整）
    test_loss, test_acc = 0, 0
    
    # 当不进行训练时，停止梯度更新，节省计算内存消耗
    with torch.no_grad():
        for imgs, target in dataloader:
            imgs, target = imgs.to(device), target.to(device)
            
            # 计算loss
            target_pred = model(imgs)
            loss        = loss_fn(target_pred, target)
            
            test_loss += loss.item()
            test_acc  += (target_pred.argmax(1) == target).type(torch.float).sum().item()
 
    test_acc  /= size
    test_loss /= num_batches
 
    return test_acc, test_loss

4.正式训练

1. model.train()

启动Batch Normalization （BN）和 Dropout。保证前者能够用到每一批数据的均值和方差，对后者将随机取一部分网络连接来训练更新参数。

2. model.eval()

不启用 Batch Normalization 和 Dropout。保证前者能用到所有训练数据集和方差，所以训练过程中BN层的这两个值要保持不变。对后者也是用到所有网络连接，所以要放弃随机舍弃神经元。
训练完train样本后，生成的模型model要用来测试样本。在model(test)之前，需要加上model.eval()，否则的话，有输入数据，即使不训练，它也会改变权值。这是model中含有BN层和Dropout所带来的的性质。

epochs     = 10   #代表训练x轮，自己可以设
train_loss = []
train_acc  = []
test_loss  = []
test_acc   = []
 
for epoch in range(epochs):
    model.train()
    epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, opt)
    
    model.eval()
    epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)
    
    train_acc.append(epoch_train_acc)
    train_loss.append(epoch_train_loss)
    test_acc.append(epoch_test_acc)
    test_loss.append(epoch_test_loss)
    
    template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%，Test_loss:{:.3f}')
    print(template.format(epoch+1, epoch_train_acc*100, epoch_train_loss, epoch_test_acc*100, epoch_test_loss))
print('Done')

经过十轮训练，训练集准确率和测试集准确率钧达到了98.7%

五、结果可视化

这部分可以在训练前就加上，用于打印我们的训练表格。

import matplotlib.pyplot as plt
#隐藏警告
import warnings
warnings.filterwarnings("ignore")               #忽略警告信息
plt.rcParams['font.sans-serif']    = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False      # 用来正常显示负号
plt.rcParams['figure.dpi']         = 100        #分辨率
 
epochs_range = range(epochs)
 
plt.figure(figsize=(12, 3))
plt.subplot(1, 2, 1)
 
plt.plot(epochs_range, train_acc, label='Training Accuracy')
plt.plot(epochs_range, test_acc, label='Test Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')
 
plt.subplot(1, 2, 2)
plt.plot(epochs_range, train_loss, label='Training Loss')
plt.plot(epochs_range, test_loss, label='Test Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()