环境：
python 3.11.10
pytorch 2.3.0
一、前期准备
1.设置GPU
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") device
2. 导入数据
使用dataset下载CIFAR10数据集，并划分好训练集与测试集
使用dataloader加载数据，并设置好基本的batch_size
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) 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)
3. 数据可视化
squeeze()函数的功能是从矩阵shape中，去掉维度为1的。例如一个矩阵是的shape是（5, 1），使用过这个函数后，结果为（5, ）
# 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') plt.show()
也可以换一种显示方式，把标签也显示出来
fig = plt.figure() classes=['plane','car','bird','cat','deer','dog','frog','horse','ship','truck'] for i in range(12): plt.subplot(3, 4, i+1) plt.tight_layout() (_, label) = train_ds[i] plt.imshow(train_dl.dataset.data[i],cmap=plt.cm.binary) plt.title("Labels: {}".format(classes[label])) plt.xticks([]) plt.yticks([]) plt.show()
二、构建简单的CNN网络
对于一般的CNN网络来说，都是由特征提取网络和分类网络构成，其中特征提取网络用于提取图片的特征，分类网络用于将图片进行分类。
1.torch.nn.Conv2d()详解
函数原型：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) – 输入信号的通道数（即图片的通道数）。
out_channels (int) – 卷积产生的通道数。
kernel_size (int or tuple) – 卷积核的尺寸。
stride (int or tuple, optional) – 卷积步长。默认值：1
padding (int or tuple, optional) – 输入的每一条边补充0的层数。默认值：0
dilation (int or tuple, optional) – 卷积核元素之间的间距。默认值：1
groups (int, optional) – 从输入通道到输出通道的阻塞连接数。默认值：1
bias (bool, optional) – 如果bias=True，添加偏置。默认值：True
padding_mode (string, optional) – 边界模式，可以是‘zeros’、‘reflect’、‘replicate’或‘circular’。默认值：‘zeros’
device (torch.device, optional) – 输出数据的设备。默认值：None
dtype (torch.dtype, optional) – 输出数据的类型。默认值：None
2.torch.nn.Linear()详解
函数原型：torch.nn.Linear(in_features, out_features, bias=True, device=None, dtype=None)
参数说明：
in_features (int) – 输入特征的数量
out_features (int) – 输出特征的数量
bias (bool, optional) – 如果bias=True，添加偏置。默认值：True
device (torch.device, optional) – 输出数据的设备。默认值：None
dtype (torch.dtype, optional) – 输出数据的类型。默认值：None
3.torch.nn.MaxPool2d()详解
函数原型：torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)
参数说明：
kernel_size (int or tuple) – 池化窗口的大小。
stride (int or tuple, optional) – 池化窗口的步长。默认值：kernel_size
padding (int or tuple, optional) – 在输入上填充0的层数。默认值：0
dilation (int or tuple, optional) – 池化窗口的膨胀率。默认值：1
return_indices (bool, optional) – 如果为True，返回最大值的索引。默认值：False
ceil_mode (bool, optional) – 如果为True，使用ceil来计算输出大小。默认值：False
4.关于卷积层、池化层的计算
卷积层：
输入特征图大小为(H, W)
卷积核大小为(kH, kW)
步长为(sH, sW)
填充为(pH, pW)
输出特征图大小为(H’, W’)
计算公式：H’ = (H + 2pH - kH) / sH + 1
W’ = (W + 2pW - kW) / sW + 1
池化层：
输入特征图大小为(H, W)
池化窗口大小为(kH, kW)
步长为(sH, sW)
填充为(pH, pW)
输出特征图大小为(H’, W’)
计算公式：H’ = (H - kH) / sH + 1
W’ = (W - kW) / sW + 1
下面的网络数据shape变化过程为：
3, 32, 32（输入数据）
-> 64, 30, 30（经过卷积层1）-> 64, 15, 15（经过池化层1）
-> 64, 13, 13（经过卷积层2）-> 64, 6, 6（经过池化层2）
-> 128, 4, 4（经过卷积层3） -> 128, 2, 2（经过池化层3）
-> 512 -> 256 -> num_classes(10)
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
# 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)
显示数据
================================================================= Layer (type:depth-idx) Param # ================================================================= Model -- ├─Conv2d: 1-1 1,792 ├─MaxPool2d: 1-2 -- ├─Conv2d: 1-3 36,928 ├─MaxPool2d: 1-4 -- ├─Conv2d: 1-5 73,856 ├─MaxPool2d: 1-6 -- ├─Linear: 1-7 131,328 ├─Linear: 1-8 2,570 ================================================================= Total params: 246,474 Trainable params: 246,474 Non-trainable params: 0 =================================================================
三、 训练模型
1. 设置参数
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.optimizer.zero_grad()
函数会遍历模型的所有参数，通过内置方法截断反向传播的梯度流，再将每个参数的梯度值设为0，即上一次的梯度记录被清空。
2.loss.backward()
PyTorch的反向传播(即tensor.backward())是通过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。
具体来说，torch.tensor是autograd包的基础类，如果你设置tensor的requires_grads为True，就会开始跟踪这个tensor上面的所有运算，如果你做完运算后使用tensor.backward()，所有的梯度就会自动运算，tensor的梯度将会累加到它的.grad属性里面去。
更具体地说，损失函数loss是由模型的所有权重w经过一系列运算得到的，若某个w的requires_grads为True，则w的所有上层参数（后面层的权重w）的.grad_fn属性中就保存了对应的运算，然后在使用loss.backward()后，会一层层的反向传播计算每个w的梯度值，并保存到该w的.grad属性中。
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。
3.optimizer.step()
step()函数的作用是执行一次优化步骤，通过梯度下降法来更新参数的值。因为梯度下降是基于梯度的，所以在执行optimizer.step()函数前应先执行loss.backward()函数来计算梯度。
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。
# 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
测试函数和训练函数大致相同，但是由于不进行梯度下降对网络权重进行更新，所以不需要传入优化器
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()
model.train()的作用是启用 Batch Normalization 和 Dropout。
如果模型中有BN层(Batch Normalization）和Dropout，需要在训练时添加model.train()。model.train()是保证BN层能够用到每一批数据的均值和方差。对于Dropout，model.train()是随机取一部分网络连接来训练更新参数。
2.model.eval()
model.eval()的作用是关闭 Batch Normalization 和 Dropout。
如果模型中有BN层(Batch Normalization）和Dropout，在测试时添加model.eval()。model.eval()是保证BN层能够用全部训练数据的均值和方差，即测试过程中要保证BN层的均值和方差不变。对于Dropout，model.eval()是利用到了所有网络连接，即不进行随机舍弃神经元。
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。
if os.path.exists(path) is not True: epochs = 10 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') torch.save(model.state_dict(), path) 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()
显示结果
Epoch: 1, Train_acc:14.9%, Train_loss:2.282, Test_acc:19.6%，Test_loss:2.163 Epoch: 2, Train_acc:25.2%, Train_loss:2.002, Test_acc:30.4%，Test_loss:1.877 Epoch: 3, Train_acc:35.0%, Train_loss:1.778, Test_acc:37.6%，Test_loss:1.730 Epoch: 4, Train_acc:40.7%, Train_loss:1.624, Test_acc:40.7%，Test_loss:1.635 Epoch: 5, Train_acc:44.7%, Train_loss:1.516, Test_acc:46.6%，Test_loss:1.457 Epoch: 6, Train_acc:48.7%, Train_loss:1.420, Test_acc:50.1%，Test_loss:1.371 Epoch: 7, Train_acc:52.1%, Train_loss:1.334, Test_acc:52.5%，Test_loss:1.325 Epoch: 8, Train_acc:55.1%, Train_loss:1.262, Test_acc:53.5%，Test_loss:1.314 Epoch: 9, Train_acc:57.4%, Train_loss:1.198, Test_acc:54.1%，Test_loss:1.276 Epoch:10, Train_acc:60.0%, Train_loss:1.142, Test_acc:58.9%，Test_loss:1.161 Done
四、 测试分类结果
# 预测 model.eval() #把模型转为test模式 # 定义一个函数来预处理图片 def preprocess_image(image_path, device): img = Image.open(image_path) # <PIL.PngImagePlugin.PngImageFile image mode=RGBA size=358x312 at 0x1009DAA90> # 这里我们可以看到默认的格式不是RGB格式的 ,而我们训练出的数据集只能处理三通道，所以我们需要对通道数由RGBA转化为RGB形式 # print(img) # 将图片转化为RGB格式 img = img.convert('RGB') # <PIL.Image.Image image mode=RGB size=358x312 at 0x103002BE0> # print(img) # 定义一个转化规则为transform，将图像转化为32x32像素，并且转化为tensor格式 transform = torchvision.transforms.Compose([torchvision.transforms.Resize((32, 32)), torchvision.transforms.ToTensor()]) img_tensor = transform(img) # torch.Size([3, 32, 32]) # print(img_tensor.shape) img_tensor = torch.reshape(img_tensor, (1, 3, 32, 32)) # torch.Size([1, 3, 32, 32]) # print(img_tensor.shape) return img_tensor # 这里替换为你的图片路径列表 image_paths = ['../test/cat.png', '../test/dog.png', '../test/car.png', '../test/car1.png', '../test/car2.png'] # plt.figure() for i, image_path in enumerate(image_paths): # 预处理图片 img = preprocess_image(image_path, device) output = model(img) print('output', "Labels: {}".format(classes[output.argmax(1)])) # 显示图片和预测结果 plt.subplot(1, len(image_paths), i + 1) img = cv2.imread(image_path, cv2.IMREAD_COLOR) img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) plt.imshow(img) plt.axis('off') plt.title("Labels: {}".format(classes[output.argmax(1)])) plt.show()
参考：https://blog.csdn.net/weixin_53657683/article/details/135547073
