365天深度学习训练营-第P1周：mnist手写数字识别

最新推荐文章于 2024-11-19 13:37:43 发布

classical903

最新推荐文章于 2024-11-19 13:37:43 发布

阅读量934

点赞数 10

CC 4.0 BY-SA版权

文章标签：深度学习人工智能

本文链接：https://blog.youkuaiyun.com/classical903/article/details/143256050

🍨 本文为🔗365天深度学习训练营中的学习记录博客
🍖 原作者：K同学啊
1. 前期准备

1.1 设置GPU

import torch
import torch.nn as nn
import matplotlib.pyplot as plt
import torchvision

# 设置硬件设备，如果有GPU则使用，没有则使用cpu
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
device

运行结果：

device(type='cuda')

1.2 导入数据

train_ds = torchvision.datasets.MNIST('P1_mnist手写数字识别/data/', 
                                      train=True, 
                                      transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
                                      download=True)
 
test_ds  = torchvision.datasets.MNIST('P1_mnist手写数字识别/data/', 
                                      train=False, 
                                      transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
                                      download=True)

1.3 数据可视化

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)) 
# 遍历前20张图像，i是索引，imgs是图像数据
for i, imgs in enumerate(imgs[:20]):
    # 维度缩减：原始图像数据可能包含冗余的维度。例如，一张灰度图像可能被表示为 (1, 28, 28) 的形状，其中第一个维度是冗余的。squeeze() 函数可以去除这些大小为1的冗余维度，将其转换为 (28, 28) 的形状。
    # np.squeeze()从数组的形状中删除所有大小为1的维度（单维度）
    npimg = np.squeeze(imgs.numpy())
    # 将整个figure分成2行10列，绘制第i+1个子图
    plt.subplot(2, 10, i+1)
    # 显示图像，使用二进制颜色映射
    # imshow期望接收一个2D数组来显示图像。如果输入的是3D或更高维度的数组，可能会导致显示错误或不符合预期。
    plt.imshow(npimg, cmap=plt.cm.binary)
    # 关闭坐标轴显示
    plt.axis('off')   

#plt.show()  如果你使用的是Pycharm编译器，请加上这行代码

2. 构建简单的CNN网络

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

注意：在下一步之前用cmd安装pip install torchinfo，这一步的作用是导入导入torchinfo包。

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)

代码的输出：

=================================================================
Layer (type:depth-idx)                   Param #
=================================================================
Model                                    --
├─Conv2d: 1-1                            320
├─MaxPool2d: 1-2                         --
├─Conv2d: 1-3                            18,496
├─MaxPool2d: 1-4                         --
├─Linear: 1-5                            102,464
├─Linear: 1-6                            650
=================================================================
Total params: 121,930
Trainable params: 121,930
Non-trainable params: 0
=================================================================

3. 训练模型

3.1 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)

3.2 编写训练函数

# 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
        # argmax(1)返回每一行中最大值的索引，pred.argmax(1) == y返回一个布尔值，计算正确率
        # 计算正确率，将布尔值转换为浮点数，再求和，再除以图片数目
        # .item()将张量转换为python数字
        train_acc  += (pred.argmax(1) == y).type(torch.float).sum().item()
        train_loss += loss.item()
    # 例如，张量[1, 0, 1, 0, 1]转换为[1, 0, 1, 0, 1]，再求和，再除以5，得到正确率0.6      
    train_acc  /= size
    train_loss /= num_batches
 
    return train_acc, train_loss

3.3 编写测试函数

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

with torch.no_grad():
        for imgs, target in dataloader:
            # 遍历每个批次的图像和标签，并将它们移到指定设备（CPU或GPU）
            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()
    # 将累加的准确率除以总样本数
    test_acc  /= size
    # 损失除以批次数
    test_loss /= num_batches
    # 返回测试的平均准确率和平均损失
    return test_acc, test_loss

3.4 正式训练

epochs     = 5
# 初始化四个空列表用于存储每轮的训练和测试结果
train_loss = []
train_acc  = []
test_loss  = []
test_acc   = []
 
for epoch in range(epochs):
    # 将模型设置为训练模式，然后调用train函数进行一轮训练，返回训练准确率和损失
    model.train()
    epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, opt)
    
    # 将模型设置为评估模式，然后调用test函数进行一轮测试，返回测试准确率和损失
    model.eval()
    epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)
    
    # 将本轮的训练和测试结果添加到相应的列表中。
    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')

代码输出

Epoch: 1, Train_acc:76.1%, Train_loss:0.780, Test_acc:90.8%，Test_loss:0.282
Epoch: 2, Train_acc:94.0%, Train_loss:0.196, Test_acc:96.0%，Test_loss:0.126
Epoch: 3, Train_acc:96.3%, Train_loss:0.122, Test_acc:96.6%，Test_loss:0.104
Epoch: 4, Train_acc:97.1%, Train_loss:0.093, Test_acc:97.5%，Test_loss:0.072
Epoch: 5, Train_acc:97.5%, Train_loss:0.079, Test_acc:97.8%，Test_loss:0.066
Done

4. 结果可视化

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)
 
# 左图显示训练和测试准确率随训练轮次的变化
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')
 
# 右图显示训练和测试损失随训练轮次的变化
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()

5. 个人总结

在这个项目中，我学习并实践了基于卷积神经网络（CNN）进行手写数字识别的完整流程。整个流程可以分为几个主要的阶段，包括数据准备、模型构建、训练和评估，最后是结果的可视化。

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

原文链接：https://blog.youkuaiyun.com/xushuaixin/article/details/143180959

# 当不进行训练时，停止梯度更新，节省计算内存消耗