前言
本文参考PyTorch官网的教程，分为五个基本模块来介绍PyTorch。为了避免文章过长，这五个模块分别在五篇博文中介绍。
本文是关于Part4的内容。
Part4：训练一个神经网络分类器
前面已经介绍了定义神经网络，计算损失和更新权重，这里介绍训练神经网络分类器。
1 关于数据
通常，当你需要处理图像、文本、饮品或者视频数据，你可以使用标准的python包将数据导入到numpy 的array中。之后，你可以将array转换到torch.*Tensor。
（1） 对于图像，Pillow、OpenCV等包非常有用。
（2） 对于音频，scipy和librosa等包非常好。
（3） 对于文本，原始Python或基于Cython的加载，或者NLTK和SpaCy都是有用的。
尤其对于视觉，我们创建了一个叫做torchvision的包，包含了对于常用数据集（如ImageNet，CIFAR10，MNIST等）的数据加载器和对于images、viz的数据转换器，torchvision.datasets和 torch.utils.data.DataLoader。
在该教程中，我们使用CIFAR10数据集。它含有这些类：‘airplane’, ‘automobile’, ‘bird’, ‘cat’,‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’. 这些图像的尺寸是3*32*32，即3通道的彩色图像，尺寸为32*32。
2 训练图像分类器
我们按照如下步骤：
（1） 使用torchvision导入并且正规化CIFAR10的训练集和测试集
（2） 定义一个卷积神经网络
（3） 定义一个损失函数
（4） 在测试数据上训练该网络
（5） 在测试数据上测试该网络
2.1 导入和正规化CIFAR10
使用torchvision，加载CIFAR10很容易。
import torchimport torchvision
import torchvision.transforms as transforms
torchvision数据集的输出是[0,1]区间的PILImage。我们把这些图像转换到[-1,1]区间的Tensor。
transform = transforms.Compose( [transforms.ToTensor(), transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True, num_workers=2)testset = torchvision.datasets.CIFAR10(root='./data', train=False, download=True, transform=transform)testloader = torch.utils.data.DataLoader(testset, batch_size=4, shuffle=False, num_workers=2)classes = ('plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
我们来显示一些训练图像。
import matplotlib.pyplot as pltimport numpy as np# functions to show an imagedef imshow(img): img = img / 2 + 0.5 # unnormalize npimg = img.numpy() plt.imshow(np.transpose(npimg, (1, 2, 0)))# get some random training imagesdataiter = iter(trainloader)images, labels = dataiter.next()# show imagesimshow(torchvision.utils.make_grid(images))# print labelsprint(' '.join('%5s' % classes[labels[j]] for j in range(4)))
2.2 定义卷积神经网络
定义一个适用于3通道图像的卷积神经网络。
from torch.autograd import Variableimport torch.nn as nnimport torch.nn.functional as Fclass Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.Conv2d(3, 6, 5) self.pool = nn.MaxPool2d(2, 2) 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): x = self.pool(F.relu(self.conv1(x))) x = self.pool(F.relu(self.conv2(x))) x = x.view(-1, 16 * 5 * 5) x = F.relu(self.fc1(x)) x = F.relu(self.fc2(x)) x = self.fc3(x) return xnet = Net()
2.3 定义损失函数和优化器
使用分类交叉熵损失和带有动量的随机梯度下降。
import torch.optim as optimcriterion = nn.CrossEntropyLoss()optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)
2.4 训练网络
我们只需要在数据上迭代，把输入数据交给网络并且优化即可。
for epoch in range(2): # loop over the dataset multiple times running_loss = 0.0 for i, data in enumerate(trainloader, 0): # get the inputs inputs, labels = data # wrap them in Variable inputs, labels = Variable(inputs), Variable(labels) # zero the parameter gradients optimizer.zero_grad() # forward + backward + optimize outputs = net(inputs) loss = criterion(outputs, labels) loss.backward() optimizer.step() # print statistics running_loss += loss.data[0] if i % 2000 == 1999: # print every 2000 mini-batches print('[%d, %5d] loss: %.3f' % (epoch + 1, i + 1, running_loss / 2000)) running_loss = 0.0print('Finished Training')
预期输出：
[1, 2000] loss: 2.191
[1, 4000] loss: 1.866
[1, 6000] loss: 1.696
[1, 8000] loss: 1.596
[1, 10000] loss: 1.502
[1, 12000] loss: 1.496
[2, 2000] loss: 1.422
[2, 4000] loss: 1.370
[2, 6000] loss: 1.359
[2, 8000] loss: 1.321
[2, 10000] loss: 1.311
[2, 12000] loss: 1.275
FinishedTraining
2.5 在测试数据上测试网络
我们已经训练了一个网络。现在对其在测试数据上测试。第一步，显示一个来自测试集的图像。
dataiter = iter(testloader)images, labels = dataiter.next()# print imagesimshow(torchvision.utils.make_grid(images))print('GroundTruth: ', ' '.join('%5s' % classes[labels[j]] for j in range(4)))
预期输出：
GroundTruth: cat ship ship plane
使用训练好的网络来预测这些图像应该属于哪类。
outputs = net(Variable(images))
输出的是关于10个类别的能量值。哪个类别能量值高，网络就认为图像属于哪一类。因此我们需要获取最高能量值的索引。
_, predicted = torch.max(outputs.data, 1)print('Predicted: ', ' '.join('%5s' % classes[predicted[j]] for j in range(4)))
预期输出：
Predicted: cat ship car plane
现在看一下网络在整个数据集上的表现。
correct = 0total = 0for data in testloader: images, labels = data outputs = net(Variable(images)) _, predicted = torch.max(outputs.data, 1) total += labels.size(0) correct += (predicted == labels).sum()print('Accuracy of the network on the 10000 test images: %d %%' % ( 100 * correct / total))
预期输出：
Accuracy of the network on the 10000 test images: 54 %
这看起来比偶然准确率（10%）要好。看起来，训练有一定效果。
看一下哪些类别表现好，哪些表现不好。
class_correct = list(0. for i in range(10))class_total = list(0. for i in range(10))for data in testloader: images, labels = data outputs = net(Variable(images)) _, predicted = torch.max(outputs.data, 1) c = (predicted == labels).squeeze() for i in range(4): label = labels[i] class_correct[label] += c[i] class_total[label] += 1for i in range(10): print('Accuracy of %5s : %2d %%' % ( classes[i], 100 * class_correct[i] / class_total[i]))
预期输出：
Accuracyofplane : 60 %
Accuracyof car : 46 %
Accuracyof bird : 44 %
Accuracyof cat : 35 %
Accuracyof deer : 38 %
Accuracyof dog : 43 %
Accuracyof frog : 57 %
Accuracyofhorse : 76 %
Accuracyof ship : 71 %
Accuracyoftruck : 74 %
3 在GPU上训练
下面这句话会递归遍历全部的模块并且将它们的参数和缓冲区转到CUDA tensors。
net.cuda()
记住，还需要在每一步将输入和目标值发送到GPU。
inputs, labels = Variable(inputs.cuda()), Variable(labels.cuda())
当网络非常大而复杂的时候，这种加速是非常明显的。