4.彩色图片识别

目录

一、前期准备

1.设置GPU

2.导入数据

3.数据可视化

二、构建简单的CNN网络

1.torch.nn.Conv2d()详解

2. torch.nn.Linear()详解

3.torch.nn.MaxPool2d()详解

4.代码

三、训练模型

1.设置超参数

2.编写训练函数

a. optimizer.zero_grad()

b. loss.backward()

c. optimizer.step()

3.编写测试函数

3.4正式训练

a. model.train()

b. model.eval()

 四、结果可视化

---

一、前期准备

注意先进入pytorch环境

1.设置GPU

基操：

检查代码：

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)

输出：cuda

2.导入数据

参数的解释参考3.实现minst手写数字识别-优快云博客的导入语法，用dataset联网下载CIFAR10数据集（一个接近普适物体的彩色图像数据集），并分好类。

train_ds = torchvision.datasets.CIFAR10('data',
                                      train=True,
                                      transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
                                      download=True)
 
test_ds  = torchvision.datasets.CIFAR10('data',
                                      train=False,
                                      transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
                                      download=True)

 出现以下显示则下载完成或下载过了

设置好batch_siez,用dataloader加载数据 ，最后测试输出一下

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)
# 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：

torch.Size([32, 3, 32, 32]) //输出 

3.数据可视化

用3.实现minst手写数字识别-优快云博客提到的squeeze（）函数，将矩阵shape中维度为1的去除，最后展示二十张图

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 = imgs.numpy().transpose((1, 2, 0))
    # 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')

 

二、构建简单的CNN网络

CNN网络一般由特征提取网络和分类网络构成，特征提取网络用于提取图片的特征，后者将图片进行分类。

1.torch.nn.Conv2d()详解

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)

参数说明：

• in_channels ( int ) – 输入图像中的通道数
• out_channels ( int ) – 卷积产生的通道数
• kernel_size ( int or tuple ) – 卷积核的大小
• stride ( int or tuple , optional ) -- 卷积的步幅。默认值：1
• padding ( int , tuple或str , optional ) – 添加到输入的所有四个边的填充。默认值：0
• padding_mode (字符串,可选) – 'zeros', 'reflect', 'replicate'或'circular'. 默认：'zeros'

2. torch.nn.Linear()详解

nn.Linear为全连接层，对输入数据应用线性变换。参数（每个输入样本大小，每个输出样本大小）

torch.nn.Linear(in_features, out_features, bias=True, device=None, dtype=None)

参数说明：

• in_features：每个输入样本的大小
• out_features：每个输出样本的大小

3.torch.nn.MaxPool2d()详解

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)

参数说明：

• kernel_size：最大的窗口大小
• stride：窗口的步幅，默认值为kernel_size
• padding：填充值，默认为0
• dilation：控制窗口中元素步幅的参数

4.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(3, 64, kernel_size=3)   # 第一层卷积,卷积核大小为3*3
        self.pool1 = nn.MaxPool2d(kernel_size=2)       # 设置池化层，池化核大小为2*2
        self.conv2 = nn.Conv2d(64, 64, kernel_size=3)  # 第二层卷积,卷积核大小为3*3   
        self.pool2 = nn.MaxPool2d(kernel_size=2) 
        self.conv3 = nn.Conv2d(64, 128, kernel_size=3) # 第二层卷积,卷积核大小为3*3   
        self.pool3 = nn.MaxPool2d(kernel_size=2) 
                                      
        # 分类网络
        self.fc1 = nn.Linear(512, 256)          
        self.fc2 = nn.Linear(256, 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 = self.pool3(F.relu(self.conv3(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（从3.实现minst手写数字识别-优快云博客拿的，不用改）

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)

 

三、训练模型

1.设置超参数

学习率可以自己调整对比，也可以不动

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

三个常用的同3.实现minst手写数字识别-优快云博客，这里再简单说明一下

a. optimizer.zero_grad()

梯度值grad属性清为0，即上一次梯度记录被清空。

b. loss.backward()

反向传播，会自动计算出对应的梯度，loss.backward()要写在optimizer.step()之前。

c. optimizer.step()

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

代码：与3.实现minst手写数字识别-优快云博客处理数据类似，代码部分和3.实现minst手写数字识别-优快云博客一样。

# 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

训练函数和测试函数差别不大，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

（所以测试函数代码部分和基础1一样）

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

3.4正式训练

a. 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。

b. 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。

代码和3.实现minst手写数字识别-优快云博客相同，也可以自己尝试调整参数，比如调试epochs的值（可运行前加上四部分的可视化代码）：

只训练了十轮，准确率不到6成，想要更高准确率就多训练几轮。

 四、结果可视化

由于参数大致相同，代码也同3.实现minst手写数字识别-优快云博客

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()