PyTorch 学习

PyTorch

torch.autograd模块

• 深度学习的算法本质上是通过反向传播求导数, PyTorch的autograd模块实现了此功能, 在Tensor上的所有操作, autograd都会为它们自动提供微分, 避免手动计算导数的复杂过程。
• autograd.Variable是autograd的核心类, 它简单封装了Tensor(最新版PyTorch已经将Variable和Tensor的API合并, 以后直接使用Tensor即可, 不要使用Variable了)
  • backward: 一个Scalar变量调用backward方法可以实现反向传播, 计算出各个变量的梯度
  • data: 数据
  • grad: 梯度
  • grad_fn: 计算梯度的函数
  • 注意:
    • 方向传播backward中grad的值是累加的, 第二次反向传播的梯度就加上第一次反向传播的梯度, 这不是我们期望的, 所以进行了一次反向传播之后应该清空梯度, 使用grad.data.zero_()

torch.nn模块

• torch.autograd提供了反向传播的功能, 已经可以仅仅通过torch.autograd来写深度学习代码了, 但是在大多数情况下还是略显麻烦, torch.nn提供了神经网络设计的模块化接口, torch.nn模块是以torch.autograd为基础的。

• torch.nn.Module是torch.nn模块的核心类

  • 使用torch.nn.Module搭建LeNet

  
  #!/usr/bin/env python
  # -*- coding: utf-8 -*-
  
  import torch as t
  from torch.autograd import Variable
  import torch.optim as optim
  import torch.nn as nn
  import torch.nn.functional as F
  
  class LeNet(nn.Module):
  
      def __init__(self):
          super(LeNet, self).__init__()
          # 需要学习的参数要写在__init__()中, 并且作为属性
          # 在__init__()并不是定义图, 是在设置要学习的参数(进行初始化), nn.Conv2d这么多的参数就是在确定卷积核的维度而已
          # 接着随机初始化参数W与b
          self.conv1 = nn.Conv2d(1, 6, 5)
          self.conv2 = nn.Conv2d(6, 16, 5)
          self.fc1 = nn.Linear(16 * 5 * 5, 120)
          self.fc2 = nn.Linear(120, 84)
          self.fc3 = nn.Linear(84, 10)
  
      def forward(self, x):
          # 这里才是搭建网络的步骤
          net = F.max_pool2d(F.relu(self.conv1(x)), (2, 2))
          net = F.max_pool2d(F.relu(self.conv2(net)), 2)
          net = net.view(net.size()[0], -1)
          net = F.relu(self.fc1(net))
          net = F.relu(self.fc2(net))
          net = self.fc3(net)
          return net
  
  def main(argv=None):
      # 创建网络
      lenet = LeNet()
      # PyTorch中维度是通道优先, 与TensorFlow不同
      # 伪造数据
      x = Variable(t.randn(1, 1, 32, 32))
      labels = Variable(t.arange(0, 10).type(t.FloatTensor))
  
      # 前向传播
      out = lenet(x)
      # 定义损失函数
      criterion = nn.MSELoss()
      # 计算损失
      loss = criterion(out, labels)
      # 反向传播前先清空grad
      lenet.zero_grad()
  
      loss.backward()
      """
      # 手动实现SGD(最简单的优化策略)
      learning_rate = 0.01
      for f in lenet.parameters():
          f.data.sub_(f.data * learning_rate)
      """
      # 使用PyTorch提供的SGD
      optimizer = optim.SGD(lenet.parameters(), lr=0.01)
      optimizer.step()
  
      if __name__ == '__main__':
          main()
  
  

• 扩展PyTorch中的函数

  1. 可以选择继承PyTorch中的Function对象, 实现Function的staticmethod, 分别为forward, backward
  2. 上面的方法需要计算函数的反向传播, 其实也可以向TensorFlow一样, 直接写前向传播公式, PyTorch会通过自动求微分autograd机制实现反向传播
  3. 方法一和方法二的区别, 方法一, 采用的是面向对象的思维, 如果要自定义一个新的函数, 需要继承Function对象; 方法二, 一般定义的是一个函数。他们关系就像是PyTorch中的nn.ReLU和nn.funcional.relu一样

• torchvision模块

  • 提供已经预训练的网络模型(AlexNet, VGG, ResNet等), 在torchvision.models中
  • 提供常用的数据集(MSCOCO, MNIST, CIFAR等), 在torchvision.datasets中
  • 图像预处理模块, torchvision.transform
    • CenterCrop
    • ToTensor
    • ToPILImage
    • RandomHorizontalFlip
    • Resize
    • Normalize
    • Compose用于将多个操作何为一个Sequence
  • 工具模块, torchvision.utils
    • make_grid, 将图像拼进去指定的网格中
    • save_image, 将Tensor转为Image并保存到磁盘中

• 自定义数据集

import os
import numpy as np
import torch as t
import torch.nn as nn
import PIL
from PIL import Image
from torch.utils.data.dataset import Dataset
from torch.utils.data.dataloader import default_collate
from torch.utils.data import DataLoader
from torchvision import Transform as T

class BaseCatVsDogDataset(Dataset):

    def __init__(self, root, transform=None):
        ims = os.listdir(root)
        self.ims = [os.path.join(root, im) for im in ims]
        self.transform = transform

    def __getitem__(self, idx):
        im_path = self.ims[idx]
        label = 1 if 'dog' in os.split('/')[0] else 0
        im = Image.open(im_path)
        if self.transform:
            data = self.transform(im)
        else:
            data = t.Tensor(np.asarray(im))
        return data, label

    def __len__(self):
        return len(self.ims)

class CatVsDogDataset(BaseCatVsDogDataset):
    """

    Notes
    -----
    Subclass ``CatVsDogDataset`` are used to prevent abnormal exit of program caused by abnormal data
    """
    def __init__(self, root, transform=None):
        super(CatVsDogDataset, self).__init__(root, transform=transform)

    def __getitem__(self, idx):
        try:
            return super(CatVsDogDataset, self).__getitem__(idx)
        except:
            # An exception returns to None
            return None, None

def collate_fn(batch):
    """
    Parameters
    ----------
    batch : list
        At this point, batch hasn't been integrated into [batch_size, C, H, W],
        and each image is placed in a list [(im, label), (im, label), ...]
    """
    # Filter out None values
    batch = filter(lambda x: x[0] is not None, batch)
    # Splice the values in batch whose type is ``list`` into a matrix
    return default_collate(batch)

def main():
    transform = T.Compose([T.Resize(224), T.CenterCrop(224), T.RandomHorizontalFlip(), T.ToTensor(), T.Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5])])
    dataset = CatVsDogDataset('./data', transform=transform)
    dataloader = DataLoader(dataset, shuffle=True, batch_size=64, drop_last=False, collate_fn=collate_fn)
    for ims, labels in dataloader:
        print(ims.size(), labels.size())

if __name__ == '__main__':
    main()

• visdom工具

  • 先启动守护进程, nohup python -m visdom.server &
  • 创建vis对象, vis = visdom.Visdom(env='test'), env为环境名称
  • 绘制标量变化, vis.line(X=x, Y=y, win='sin', opts={'title': 'This is a title'}), win是窗口名称, opts提供额外的属性, title为标题
  • 绘制分布图, vis.histogram(X=x, Y=y, win='test', opts={'title': 'This is a new title'})

• PyTorch规范

  • 目录结构

  .
  ├── README.md
  ├── checkpoints: 保存训练好的权重
  ├── config.py: 配置信息, 里面是一个DefaultConfig类, 还有一个parse方法, 用于解析命令行参数来覆盖DefaultConfig中的默认配置
  ├── data: 处理数据集
  │   ├── __init__.py
  │   └── dataset.py: 里面定义了一个数据集名称的类
  ├── dataset: 存放训练和测试的数据
  ├── main.py: 启动文件, 包含有train, val, test三个函数, 其中train会调用val在训练中进行交叉验证, test需要用户另外再启动一个进程执行
  ├── models: 存放网络模型
  │   ├── __init__.py: 在文件中导入模型, 方便在main.py中导入
  │   ├── basemodule.py: 扩展了nn.Module, 主要添加了load和save模型的方法
  │   └── resnet34.py: 不继承nn.Module, 而是继承BaseModule
  ├── requirements.txt: 程序依赖说明文件
  ├── tmp: 临时目录, 如果在该目录下创建一个debug文件, 则程序进入debug模式
  └── utils: 工具
      ├── __init__.py
      └── visualize.py: 封装了visdom的可视化
  

  • config.py中一般配置
    • num_workers
    • use_gpu
    • lr
    • max_epoch
    • batch_size
    • save_path
    • env
    • debug_file
    • data_root

• 试手项目

  • DogVsCat
  • FastNeuralStyle
  • RNN写诗

• 可能用到的函数

  • nn.InstanceBatchNorm2d(ch, affine=True)
  • nn.ReLU(inplace=True)
  • tensor.item()
  • nn.ReflectionPad2d(ch, scale_factor=2)
  • meter.value()[0]
  • torch.bmm: batch matmul
  • nn.ReflectionPad2d(size): 镜像padding
  • clamp(min, max): if x < min: min, if x > max: max, else x
  • torchvision.transforms.Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5])是现将图片归一化到0-1, 在减去均值除以标准差, 所以要可视化的话要乘以标准差, 加上均值
  • with torch.no_grad(): 类似于之前版本中的volatile=True, 比requires_grad优先级要高
  • 如果使用已经预训练好的模型, 拿来用的话, 需要调用eval()方法来去掉一些DropOut层, 在使用如下方式不计算梯度

  
  for param in model.parameters():
      param.requires_grad = False
  

• NLP

  • 像素的大小天生就具有色彩信息, 但是词的数值大小很难表征词的含义, 最初人们为了方便, 采用 One-Hot 的编码方式, 一般来说中文语料库的字平均在 8000-50000, 而词则在几十万左右, 使用 One-Hot 的编码方式很方便, 但是冗余很多, 并且无法体现词于词之间的关系 ( 使用 One-Hot 编码之后的每一个词都是正交的, 即任意两个词不相关 ), 如果语料库很大, One-Hot 的维度会非常的高, 在深度学习中容易造成维度灾难, 于是诞生了词向量 (Word Vector/Word Embedding)
  • 词向量从 One-Hot 发展过来, 将 One-Hot 表示的高纬度映射到低纬度, 同时保留词与词之间的相关性, 如果特征相近, 则词与词之间靠的近; Embedding 是一个映射关系 ( 一个矩阵 ), 如果有 N 个词, 每一个词的维度降维到了 W, 则矩阵的维度为 (N, W). 假如输入了一组序列 (N, W), 其中 N 为 Batch Size, W 为序列的长度, 也就是词的个数, 通过词向量 (矩阵的维度为 (NumberOfWords, Dimension)) 映射得 (N, W * Dimension); 在 PyTorch 中, 词向量模块在 torch.nn.Embedding

• 其他

  • 转置卷积维度计算公式
    • \(H_{out}=(H_{in}-1)\times{stride}-2\times{padding}+ksize\)就是卷积维度公式的逆过程
  • PyTorch 的 CrossEntropy 可以自动转 One-Hot
  • 获取 Tensor 中的变量值, 调用 item() 方法
  • 研究表明, 几乎所有神经网络的第一层学习到的都是关于线条和颜色的信息, 直观理解就是像素组成颜色, 点组成线, 这与人眼的感知特征十分相像, 在往上层, 神经网络开始关注一些复杂的特征, 例如拐角或者某些特殊的形状, 这些特征可以看成是低层次的特征组合, 随着深度的加深, 神经网络关注的信息逐渐抽象, 例如有一些卷积核关注的是这张图中有个鼻子, 或者是图中有张人脸, 以及对象之间的空间关系, 例如鼻子在人脸的中间等(这不是我说的, 是唐进民作者说的)
  • 取patch像素中的值并累加就会抛弃空间信息, 因为一张图片的像素随机打乱得到的累加也是一样的, 但是亮度信息还保留, 因此还会有纹理信息, 色彩信息等
  • PyTorch中网络中的__init__方法中定义了self.left = nn.Conv2d(in_ch, out_ch, 3, 1)等, 此时就会在使用的optimizer中会有一个param_group, PyTorch支持分层设置学习率, 使用

    
    for param_group in optimizer.param_groups:
        param_group['lr'] = lr * lr_decay
    

  • PyTorch中, 对于Scalar的Tensor, 使用item()可是直接返回里面的数值
  • torchnet.meter对象直接不能直接相加, 需要调用value()[0]获取里面的tensor才能相加, value()返回的是元组, [0]是我们期望的元素, [1]是Inf
  • visdom.line参数一般是这样设置的

    vis.line(X=np.array([x]), Y=np.array([y]), win=name, opts={'title': name}, update=None if not x else 'append')
    

  • 一般上采样的方法
    • 使用转置卷积, 但是当ksize / stride无法整除时容易导致checkerboard artifact(棋盘效应), 虽然理论上神经网络可以小心地学习从而消除棋盘效应
    • 先对features map进行插值上采样, 将大小resize到我们期望的大小, 再使用padding或者reflectionpadding进行卷积