Pytorch CNN网络MNIST数字识别 [超详细记录] 学习笔记(三)

目录

• 1. 准备数据集
  • 1.1 MNIST数据集获取：
  • 1.2 程序部分
• 2. 设计网络结构
  • 2.1 网络设计
  • 2.2 程序部分
• 3. 迭代训练
• 4. 测试集预测部分
• 5. 全部代码

1. 准备数据集

1.1 MNIST数据集获取：

• torchvision.datasets接口直接下载，该接口可以直接构建数据集，推荐

• 其他途径下载后，编写程序进行读取，然后由Datasets构建自己的数据集

​ ​ 本文使用第一种方法获取数据集，并使用Dataloader进行按批装载。如果使用程序下载失败，请将其他途径下载的MNIST数据集 [文件] 和 [解压文件] 放置在 <data/MNIST/raw/> 位置下，本文的程序及文件结构图如下：

​ ​ 其中，model文件夹用来存储每个epoch训练的模型参数，根文件夹下包含model.py用于训练模型，test.py为测试集测试，show.py为展示部分

1.2 程序部分

import torch
import torch.nn as nn
import torch.nn.functional as F
from torchvision import datasets, transforms
from torch.utils.data import DataLoader
import time

# 1. 准备数据集
## 1.1 使用torchvision自动下载MNIST数据集
train_data = datasets.MNIST(root='data\\',
                            train=True,
                            transform=transforms.ToTensor(),
                            download=True)

## 1.2 构建数据集装载器
train_loader = DataLoader(dataset=train_data,
                          batch_size=100,
                          shuffle=True,
                          drop_last=False,
                          num_workers=4)

if __name__ == "__main__":
    print("===============数据统计===============")
    print("训练集样本：",train_data.__len__(), train_data.data.shape)

​ ​ 【代码解析】

• root为存放MNIST的路径，trian=True代表下载的为训练集和训练集标签，False则代表测试集和标签

• transforms.ToTensor()表示将shape为(H, W, C)的 numpy 数组或 img 转为shape为(C, H, W)的tensor，并将数值归一化为[0,1]

• download为True则代表自动下载，若该文件夹下已经下载，则直接跳过下载步骤

• shuffle=True，表示对分好的batch进行洗牌操作，drop_last=True表示对最后不足batch大小的剩余样本舍去，False表示保留

• num_works表示每次读取的进程数，和核心数有关

​ ​ Dataset和Dataloader详细说明，请移步：[Pytorch Dataset和Dataloader 学习笔记(二)]

2. 设计网络结构

2.1 网络设计

​ ​ 网络结构如上图所示，输入图像—＞卷积1—＞池化1—＞卷积2—＞池化2—＞全连接1—＞全连接2—＞softmax，每次卷积通道数都增加一倍，最后送入全连接层实现分类

2.2 程序部分

# 2. Design model using class
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv_layer1 = nn.Conv2d(1, 16, kernel_size=3, padding=1)
        self.max_pooling1 = nn.MaxPool2d(2)
        self.conv_layer2 = nn.Conv2d(16, 32, kernel_size=3, padding=1)
        self.max_pooling2 = nn.MaxPool2d(2)
        self.fc1 = nn.Linear(1568, 256)
        self.fc2 = nn.Linear(256, 10)

    def forward(self, x):
        x = self.max_pooling1(F.relu(self.conv_layer1(x)))
        x = self.max_pooling2(F.relu(self.conv_layer2(x)))
        x = x.view(-1, 32*7*7)
        x = F.relu(self.fc1(x))
        y_hat = self.fc2(x)     # CrossEntropyLoss会自动激活最后一层的输出以及softmax处理
        return y_hat

net = Net()

# 3. Construct loss and optimizer
criterion = nn.CrossEntropyLoss()
optimizer = torch.optim.SGD(net.parameters(), lr=0.01, momentum=0.5)

​ ​ 【代码解析】

• fc1的1568维度是因为最后一次池化后的shape为32*7*7=1568

• 在最后一层，并没有进行relu激活以及接入softmax，是因为，在CrossEntropyLoss中会自动激活最后一层的输出以及softmax处理

​ ​ CrossEntropyLoss图参考：《PyTorch深度学习实践》完结合集

​ ​ 详细网络结构搭建说明，请移步：Pytorch线性规划模型 学习笔记(一)

3. 迭代训练

# 3. Construct loss and optimizer
criterion = nn.CrossEntropyLoss()
optimizer = torch.optim.SGD(net.parameters(), lr=0.01, momentum=0.5)

# 4. Training
if __name__ == "__main__":
    print("Training...")
    for epoch in range(20):
        strat = time.time()
        total_correct = 0
        for x, y in train_loader:
            y_hat = net(x)
            y_pre = torch.argmax(y_hat, dim=1)
            total_correct += sum(torch.eq(y_pre, y))    # 统计当前epoch下的正确个数

            loss = criterion(y_hat, y)
            optimizer.zero_grad()
            loss.backward()
            optimizer.step()
        acc = (float(total_correct) / train_data.__len__())*100
        save_path = "model/net" + str(epoch+1) + ".pth"
        torch.save(obj=net.state_dict(), f=save_path)
        print("epoch:", str(epoch + 1) + "/20",
              " \n time:", "%.1f" % (time.time() - strat) + "s"
              " train_loss:", loss.item(),
              " acc:%.3f%%" % acc,)

    print("we are done!")

​ ​ 【代码解析】

• total_correct变量用于统计每个epoch下正确预测值的个数，每进行epoch进行一次清零
• torch.argmax(y_hat, dim=1)用于选取y_hat下每一行的最大值(每个样本的最高得分)，并返回与y相同维度的tensor
• torch.eq(y_pre, y)用于比较两个矩阵元素是否相同，相同则返回True，不同则返回False，用于判断预测值与真实值是否相同
• torch.save保存了每个epoch的网络权重参数

4. 测试集预测部分

# 测试模型，测试集为test_data

import torch
import torchvision.datasets as datasets
from torch.utils.data import DataLoader
import torchvision.transforms as transforms
from model import Net

test_data = datasets.MNIST(root='data\\',
                           train=False,
                           transform=transforms.ToTensor(),
                           download=True)
test_loader = DataLoader(dataset=test_data,
                          batch_size=100,
                          shuffle=True,
                          drop_last=False,
                          num_workers=4)

if __name__ == "__main__":
    print("---------------预测分析---------------")
    print("测试集样本：", test_data.__len__(), test_data.data.shape)
    model = Net()
    model.load_state_dict(torch.load("model/net20.pth"))
    model.eval()

    total_correct = 0
    for x, y in test_loader:
        y_hat = model(x)
        y_pre = torch.argmax(y_hat, dim=1)
        total_correct += sum(torch.eq(y_pre, y))

    acc = (float(total_correct) / test_data.__len__())*100
    print("total_test_samples:", test_data.__len__(),
          " test_acc:", "%.3f%%" % acc)

​ ​ 经过20个epoch的训练，在测试集上达到了98.590%的准确率，部分batch真实值与预测值展示如下：

5. 全部代码

链接：链接：https://pan.baidu.com/s/1GGhG1Slw2Tlsgl13yzHUIw

提取码：82l4

转载请说明出处