本文将介绍如何在 PyTorch 中构建一个简单的卷积神经网络,并训练它使用 MNIST 数据集识别手写数字,这将可以被看做是图像识别的 “Hello, World!”;
在 【项目实战】MNIST 手写数字识别(上) 中,我已经介绍过了如何配置环境,准备数据集以及使用数据集,接下来将要进行构建网络、训练模型、评估模型、优化模型等;
现在让我们继续构建我们的网络。我们将使用两个二维卷积层,然后是两个全连接(或线性)层。作为激活函数,我们将选择校正线性单元(简称 ReLU),作为正则化的手段,我们将使用两个 dropout 层。在 PyTorch 中,构建网络的一种好方法是为我们希望构建的网络创建一个新类。让我们在这里导入一些子模块以获得更易读的代码。
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.conv1 = nn.Conv2d(1, 10, kernel_size=5)
self.conv2 = nn.Conv2d(10, 20, kernel_size=5)
self.conv2_drop = nn.Dropout2d()
self.fc1 = nn.Linear(320, 50)
self.fc2 = nn.Linear(50, 10)
def forward(self, x):
x = F.relu(F.max_pool2d(self.conv1(x), 2))
x = F.relu(F.max_pool2d(self.conv2_drop(self.conv2(x)), 2))
x = x.view(-1, 320)
x = F.relu(self.fc1(x))
x = F.dropout(x, training=self.training)
x = self.fc2(x)
return F.log_softmax(x)
从广义上讲,我们可以认为 torch.nn
层包含可训练的参数,而 torch.nn.functional
是纯函数式的。 forward()
传递定义了我们使用给定层和函数计算输出的方式。在前向传递中的某处打印张量以方便调试是非常好的。这在尝试更复杂的模型时会派上用场。请注意,前向传递可以利用例如一个成员变量甚至数据本身来确定执行路径——它也可以使用多个参数!
现在让我们初始化网络和优化器。
network = Net()
optimizer = optim.SGD(network.parameters(), lr=learning_rate,
momentum=momentum)
注意:如果我们使用 GPU 进行训练,我们还应该将网络参数发送到 GPU,例如 network.cuda()
。在将网络参数传递给优化器之前,将它们传输到适当的设备非常重要,否则优化器将无法以正确的方式跟踪它们。
是时候建立我们的训练循环了。
首先,我们要确保我们的网络处于训练模式。
然后我们每个 epoch 对所有训练数据进行一次迭代。
再由 DataLoader 加载单个批次。我们需要使用 optimizer.zero_grad()
手动将梯度设置为零,因为 PyTorch 默认会累积梯度。然后产生网络的输出(前向传递)并计算输出和地面实况标签之间的负对数似然损失。
现在,backward()
调用收集了一组新的梯度,我们使用 optimizer.step()
将其传播回每个网络参数。
我们还将通过一些打印输出跟踪进度。为了稍后创建一个漂亮的训练曲线,我们还创建了两个列表来保存训练和测试损失。在 x 轴上,我们希望显示网络在训练期间看到的训练示例的数量。
train_losses = []
train_counter = []
test_losses = []
test_counter = [i*len(train_loader.dataset) for i in range(n_epochs + 1)]
我们将在开始训练之前运行一次测试循环,看看我们仅使用随机初始化的网络参数实现了什么样的准确度损失。你能猜出我们在这种情况下的准确性如何吗?
def train(epoch):
network.train()
for batch_idx, (data, target) in enumerate(train_loader):
optimizer.zero_grad()
output = network(data)
loss = F.nll_loss(output, target)
loss.backward()
optimizer.step()
if batch_idx % log_interval == 0:
print('Train Epoch: {} [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format(
epoch, batch_idx * len(data), len(train_loader.dataset),
100. * batch_idx / len(train_loader), loss.item()))
train_losses.append(loss.item())
train_counter.append(
(batch_idx*64) + ((epoch-1)*len(train_loader.dataset)))
torch.save(network.state_dict(), f'{BASEPATH}/results/model.pth')
torch.save(optimizer.state_dict(), f'{BASEPATH}/results/optimizer.pth')
神经网络模块和优化器能够使用 .state_dict()
保存和加载它们的内部状态。有了这个,我们可以通过调用 .load_state_dict(state_dict)
,继续从以前保存的状态字典中训练。
现在为我们的测试循环。在这里,我们总结了测试损失并跟踪正确分类的数字以计算网络的准确性。
def test():
network.eval()
test_loss = 0
correct = 0
with torch.no_grad():
for data, target in test_loader:
output = network(data)
test_loss += F.nll_loss(output, target, size_average=False).item()
pred = output.data.max(1, keepdim=True)[1]
correct += pred.eq(target.data.view_as(pred)).sum()
test_loss /= len(test_loader.dataset)
test_losses.append(test_loss)
print('\nTest set: Avg. loss: {:.4f}, Accuracy: {}/{} ({:.0f}%)\n'.format(
test_loss, correct, len(test_loader.dataset),
100. * correct / len(test_loader.dataset)))
使用上下文管理器 no_grad()
我们可以避免在计算图中存储生成网络输出的计算。
是时候进行培训了,在循环 n_epochs 之前,我们将手动添加一个 test()
调用,以使用随机初始化的参数评估我们的模型。
test()
for epoch in range(1, n_epochs + 1):
train(epoch)
test()
仅通过 3 个 epoch 的训练,我们就已经成功地在测试集上达到了 97% 的准确率!我们从随机初始化的参数开始,正如预期的那样,在开始训练之前,测试集的准确率只有大约 10%。
绘制一下我们的训练曲线:
fig = plt.figure()
plt.plot(train_counter, train_losses, color='blue')
plt.scatter(test_counter, test_losses, color='red')
plt.legend(['Train Loss', 'Test Loss'], loc='upper right')
plt.xlabel('number of training examples seen')
plt.ylabel('negative log likelihood loss')
看起来我们甚至可以继续训练几个 epoch!
但在此之前,让我们再看几个例子,就像我们之前所做的一样,并比较模型的输出。
with torch.no_grad():
output = network(example_data)
fig = plt.figure()
for i in range(6):
plt.subplot(2,3,i+1)
plt.tight_layout()
plt.imshow(example_data[i][0], cmap='gray', interpolation='none')
plt.title("Prediction: {}".format(
output.data.max(1, keepdim=True)[1][i].item()))
plt.xticks([])
plt.yticks([])
我们模型的预测似乎与这些示例相符!
现在让我们继续训练网络,或者更确切地说,看看我们如何从我们在第一次训练运行期间保存的 state_dicts
继续训练。我们将初始化一组新的网络和优化器。
continued_network = Net()
continued_optimizer = optim.SGD(network.parameters(), lr=learning_rate,
momentum=momentum)
使用 .load_state_dict()
可以加载上次保存时网络和优化器的内部状态。
network_state_dict = torch.load(f'{BASEPATH}/results/model.pth')
continued_network.load_state_dict(network_state_dict)
optimizer_state_dict = torch.load(f'{BASEPATH}/results/optimizer.pth')
continued_optimizer.load_state_dict(optimizer_state_dict)
再次运行一个训练循环,应该从我们离开的地方继续训练。
要检查这一点,让我们简单地使用与以前相同的列表来跟踪损失值
由于我们为看到的训练示例数量构建测试计数器,因此我们必须在此处手动追加。
for i in range(4,9):
test_counter.append(i*len(train_loader.dataset))
train(i)
test()
我们再次看到测试集准确性从一个时期到另一个时期的增加(慢得多)。让我们将其可视化以进一步检查训练进度。
fig = plt.figure()
plt.plot(train_counter, train_losses, color='blue')
plt.scatter(test_counter, test_losses, color='red')
plt.legend(['Train Loss', 'Test Loss'], loc='upper right')
plt.xlabel('number of training examples seen')
plt.ylabel('negative log likelihood loss')
这看起来仍然是一条相当平滑的学习曲线,就像我们最初会训练 8 个 epoch 一样!请记住,我们只是从第 5 个红点开始将值附加到相同的列表中。
由此我们可以得出两个结论:
MNIST 手写数字识别的内容到这里就结束了;
PyTorch 和 TorchVision 构建了一个新环境,用它来分类 MNIST 数据集中的手写数字,并希望使用 PyTorch 开发出良好的直觉。