评价此页
★ ★ ★ ★ ★
beginner/blitz/cifar10_tutorial

注意

跳到末尾 下载完整的示例代码。

训练分类器#

创建日期：2017 年 3 月 24 日 | 最后更新：2024 年 12 月 20 日 | 最后验证：未验证

就是这样。你已经了解了如何定义神经网络、计算损失以及更新网络权重。

现在你可能在想，

数据怎么办？#

通常，当你处理图像、文本、音频或视频数据时，你可以使用标准的 Python 包将数据加载到 NumPy 数组中。然后你可以将这个数组转换为 torch.*Tensor。

  • 对于图像，Pillow、OpenCV 等包很有用

  • 对于音频，scipy 和 librosa 等包很有用

  • 对于文本，原始 Python 或基于 Cython 的加载，或者 NLTK 和 SpaCy 很有用

特别是对于视觉，我们创建了一个名为 torchvision 的包，它包含 ImageNet、CIFAR10、MNIST 等常见数据集的数据加载器，以及图像数据转换器，即 torchvision.datasets 和 torch.utils.data.DataLoader。

这提供了巨大的便利，并避免了编写样板代码。

在本教程中，我们将使用 CIFAR10 数据集。它包含以下类别：'airplane'（飞机）、'automobile'（汽车）、'bird'（鸟）、'cat'（猫）、'deer'（鹿）、'dog'（狗）、'frog'（青蛙）、'horse'（马）、'ship'（船）、'truck'（卡车）。CIFAR-10 中的图像大小为 3x32x32，即 3 通道彩色图像，大小为 32x32 像素。

cifar10

cifar10#

训练图像分类器#

我们将按以下步骤进行：

  1. 使用 torchvision 加载并标准化 CIFAR10 训练和测试数据集

  2. 定义卷积神经网络

  3. 定义损失函数

  4. 在训练数据上训练网络

  5. 在测试数据上测试网络

1. 加载并标准化 CIFAR10#

使用 torchvision 加载 CIFAR10 非常容易。

import torch
import torchvision
import torchvision.transforms as transforms

torchvision 数据集的输出是范围 [0, 1] 的 PILImage 图像。我们将其转换为标准化范围 [-1, 1] 的 Tensor。

注意

如果在 Windows 上运行并遇到 BrokenPipeError，请尝试将 torch.utils.data.DataLoader() 的 num_worker 设置为 0。

transform = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

batch_size = 4

trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
                                        download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=batch_size,
                                          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=batch_size,
                                         shuffle=False, num_workers=2)

classes = ('plane', 'car', 'bird', 'cat',
           'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

  0%|          | 0.00/170M [00:00<?, ?B/s]
  0%|          | 393k/170M [00:00<00:43, 3.89MB/s]
  1%|          | 1.80M/170M [00:00<00:17, 9.83MB/s]
  2%|▏         | 3.28M/170M [00:00<00:13, 12.1MB/s]
  3%|▎         | 4.78M/170M [00:00<00:12, 13.2MB/s]
  4%|▎         | 6.23M/170M [00:00<00:12, 13.6MB/s]
  5%|▍         | 7.86M/170M [00:00<00:11, 14.5MB/s]
  6%|▌         | 9.57M/170M [00:00<00:10, 15.2MB/s]
  7%|▋         | 11.3M/170M [00:00<00:10, 15.8MB/s]
  8%|▊         | 13.0M/170M [00:00<00:09, 16.2MB/s]
  9%|▊         | 14.7M/170M [00:01<00:09, 16.4MB/s]
 10%|▉         | 16.4M/170M [00:01<00:09, 16.6MB/s]
 11%|█         | 18.1M/170M [00:01<00:09, 16.7MB/s]
 12%|█▏        | 19.8M/170M [00:01<00:08, 16.8MB/s]
 13%|█▎        | 21.5M/170M [00:01<00:08, 16.8MB/s]
 14%|█▎        | 23.2M/170M [00:01<00:08, 16.9MB/s]
 15%|█▍        | 24.9M/170M [00:01<00:08, 16.9MB/s]
 16%|█▌        | 26.6M/170M [00:01<00:08, 16.9MB/s]
 17%|█▋        | 28.3M/170M [00:01<00:08, 16.8MB/s]
 18%|█▊        | 30.0M/170M [00:01<00:08, 16.5MB/s]
 19%|█▊        | 31.7M/170M [00:02<00:08, 16.4MB/s]
 20%|█▉        | 33.4M/170M [00:02<00:08, 16.2MB/s]
 21%|██        | 35.1M/170M [00:02<00:08, 16.4MB/s]
 22%|██▏       | 36.9M/170M [00:02<00:08, 16.6MB/s]
 23%|██▎       | 38.6M/170M [00:02<00:07, 16.7MB/s]
 24%|██▎       | 40.3M/170M [00:02<00:07, 16.7MB/s]
 25%|██▍       | 42.0M/170M [00:02<00:07, 16.8MB/s]
 26%|██▌       | 43.7M/170M [00:02<00:07, 16.8MB/s]
 27%|██▋       | 45.4M/170M [00:02<00:07, 16.9MB/s]
 28%|██▊       | 47.3M/170M [00:02<00:07, 17.3MB/s]
 29%|██▉       | 49.4M/170M [00:03<00:06, 18.3MB/s]
 30%|███       | 51.4M/170M [00:03<00:06, 18.9MB/s]
 31%|███▏      | 53.4M/170M [00:03<00:06, 19.3MB/s]
 33%|███▎      | 55.5M/170M [00:03<00:05, 19.5MB/s]
 34%|███▎      | 57.5M/170M [00:03<00:05, 19.9MB/s]
 35%|███▍      | 59.6M/170M [00:03<00:05, 19.9MB/s]
 36%|███▌      | 61.6M/170M [00:03<00:05, 20.0MB/s]
 37%|███▋      | 63.8M/170M [00:03<00:05, 20.4MB/s]
 39%|███▊      | 65.8M/170M [00:03<00:05, 20.5MB/s]
 40%|███▉      | 68.0M/170M [00:03<00:04, 20.8MB/s]
 41%|████      | 70.1M/170M [00:04<00:04, 20.9MB/s]
 42%|████▏     | 72.3M/170M [00:04<00:04, 21.0MB/s]
 44%|████▎     | 74.4M/170M [00:04<00:04, 20.9MB/s]
 45%|████▍     | 76.6M/170M [00:04<00:04, 21.1MB/s]
 46%|████▌     | 78.7M/170M [00:04<00:04, 21.0MB/s]
 48%|████▊     | 81.2M/170M [00:04<00:04, 22.2MB/s]
 49%|████▉     | 84.0M/170M [00:04<00:03, 23.8MB/s]
 51%|█████     | 86.8M/170M [00:04<00:03, 25.0MB/s]
 53%|█████▎    | 89.7M/170M [00:04<00:03, 26.0MB/s]
 54%|█████▍    | 92.3M/170M [00:04<00:02, 26.2MB/s]
 56%|█████▋    | 96.1M/170M [00:05<00:02, 29.6MB/s]
 59%|█████▉    | 100M/170M [00:05<00:02, 32.9MB/s]
 61%|██████▏   | 104M/170M [00:05<00:01, 35.6MB/s]
 64%|██████▎   | 109M/170M [00:05<00:01, 37.7MB/s]
 66%|██████▌   | 113M/170M [00:05<00:01, 38.7MB/s]
 69%|██████▊   | 117M/170M [00:05<00:01, 39.5MB/s]
 71%|███████   | 121M/170M [00:05<00:01, 39.9MB/s]
 74%|███████▍  | 127M/170M [00:05<00:00, 44.1MB/s]
 78%|███████▊  | 133M/170M [00:05<00:00, 49.1MB/s]
 82%|████████▏ | 139M/170M [00:05<00:00, 53.9MB/s]
 86%|████████▋ | 147M/170M [00:06<00:00, 61.3MB/s]
 92%|█████████▏| 157M/170M [00:06<00:00, 71.5MB/s]
 97%|█████████▋| 166M/170M [00:06<00:00, 78.7MB/s]
100%|██████████| 170M/170M [00:06<00:00, 27.0MB/s]

为了好玩，让我们展示一些训练图像。

import matplotlib.pyplot as plt
import numpy as np

# functions to show an image


def imshow(img):
    img = img / 2 + 0.5     # unnormalize
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg, (1, 2, 0)))
    plt.show()


# get some random training images
dataiter = iter(trainloader)
images, labels = next(dataiter)

# show images
imshow(torchvision.utils.make_grid(images))
# print labels
print(' '.join(f'{classes[labels[j]]:5s}' for j in range(batch_size)))
cifar10 tutorial
horse cat   plane cat

2. 定义卷积神经网络#

复制之前神经网络部分的神经网络，并修改它以接收 3 通道图像（而不是之前定义的 1 通道图像）。

import torch.nn as nn
import torch.nn.functional as F


class Net(nn.Module):
    def __init__(self):
        super().__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 = torch.flatten(x, 1) # flatten all dimensions except batch
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x


net = Net()

3. 定义损失函数和优化器#

我们使用分类交叉熵损失和带动量的 SGD。

import torch.optim as optim

criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

4. 训练网络#

现在事情开始变得有趣了。我们只需遍历数据迭代器，将输入馈送给网络并进行优化。

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; data is a list of [inputs, labels]
        inputs, labels = data

        # 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.item()
        if i % 2000 == 1999:    # print every 2000 mini-batches
            print(f'[{epoch + 1}, {i + 1:5d}] loss: {running_loss / 2000:.3f}')
            running_loss = 0.0

print('Finished Training')

[1,  2000] loss: 2.196
[1,  4000] loss: 1.852
[1,  6000] loss: 1.662
[1,  8000] loss: 1.581
[1, 10000] loss: 1.521
[1, 12000] loss: 1.477
[2,  2000] loss: 1.391
[2,  4000] loss: 1.349
[2,  6000] loss: 1.327
[2,  8000] loss: 1.287
[2, 10000] loss: 1.243
[2, 12000] loss: 1.275
Finished Training

让我们快速保存我们训练好的模型

PATH = './cifar_net.pth'
torch.save(net.state_dict(), PATH)

有关保存 PyTorch 模型的更多详细信息，请参阅 此处。

5. 在测试数据上测试网络#

我们已经对训练数据集进行了 2 次网络训练。但是我们需要检查网络是否学到了任何东西。

我们将通过预测神经网络输出的类别标签，并将其与真实标签进行比较来检查这一点。如果预测正确，我们将样本添加到正确预测列表中。

好的，第一步。让我们显示测试集中的一张图像以便熟悉。

dataiter = iter(testloader)
images, labels = next(dataiter)

# print images
imshow(torchvision.utils.make_grid(images))
print('GroundTruth: ', ' '.join(f'{classes[labels[j]]:5s}' for j in range(4)))
cifar10 tutorial
GroundTruth:  cat   ship  ship  plane

接下来，让我们重新加载我们保存的模型（注意：此处不需要保存和重新加载模型，我们只是为了演示如何操作）

net = Net()
net.load_state_dict(torch.load(PATH, weights_only=True))

<All keys matched successfully>

好的，现在让我们看看神经网络认为这些上面的例子是什么

outputs = net(images)

输出是 10 个类别的能量。某个类别的能量越高，网络就越认为该图像属于该类别。因此，让我们获取能量最高的索引

_, predicted = torch.max(outputs, 1)

print('Predicted: ', ' '.join(f'{classes[predicted[j]]:5s}'
                              for j in range(4)))

Predicted:  cat   ship  ship  ship

结果看起来相当不错。

让我们看看网络在整个数据集上的表现如何。

correct = 0
total = 0
# since we're not training, we don't need to calculate the gradients for our outputs
with torch.no_grad():
    for data in testloader:
        images, labels = data
        # calculate outputs by running images through the network
        outputs = net(images)
        # the class with the highest energy is what we choose as prediction
        _, predicted = torch.max(outputs, 1)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()

print(f'Accuracy of the network on the 10000 test images: {100 * correct // total} %')

Accuracy of the network on the 10000 test images: 53 %

这比随机猜测要好得多，随机猜测的准确率为 10%（从 10 个类别中随机选择一个类别）。看来网络学到了一些东西。

嗯，哪些类别表现良好，哪些类别表现不佳

# prepare to count predictions for each class
correct_pred = {classname: 0 for classname in classes}
total_pred = {classname: 0 for classname in classes}

# again no gradients needed
with torch.no_grad():
    for data in testloader:
        images, labels = data
        outputs = net(images)
        _, predictions = torch.max(outputs, 1)
        # collect the correct predictions for each class
        for label, prediction in zip(labels, predictions):
            if label == prediction:
                correct_pred[classes[label]] += 1
            total_pred[classes[label]] += 1


# print accuracy for each class
for classname, correct_count in correct_pred.items():
    accuracy = 100 * float(correct_count) / total_pred[classname]
    print(f'Accuracy for class: {classname:5s} is {accuracy:.1f} %')

Accuracy for class: plane is 37.2 %
Accuracy for class: car   is 41.3 %
Accuracy for class: bird  is 58.9 %
Accuracy for class: cat   is 32.2 %
Accuracy for class: deer  is 25.7 %
Accuracy for class: dog   is 62.3 %
Accuracy for class: frog  is 62.2 %
Accuracy for class: horse is 67.3 %
Accuracy for class: ship  is 74.0 %
Accuracy for class: truck is 73.8 %

好的，接下来呢？

我们如何将这些神经网络在 GPU 上运行？

在 GPU 上训练#

就像你将 Tensor 转移到 GPU 上一样，你也将神经网络转移到 GPU 上。

如果我们有 CUDA 可用，首先将我们的设备定义为第一个可见的 CUDA 设备

device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')

# Assuming that we are on a CUDA machine, this should print a CUDA device:

print(device)

cuda:0

本节的其余部分假设 device 是一个 CUDA 设备。

然后这些方法将递归地遍历所有模块，并将其参数和缓冲区转换为 CUDA 张量

net.to(device)

请记住，你还需要在每一步将输入和目标发送到 GPU

inputs, labels = data[0].to(device), data[1].to(device)

为什么我没有注意到与 CPU 相比有巨大的加速？因为你的网络非常小。

练习：尝试增加网络的宽度（第一个 nn.Conv2d 的参数 2，以及第二个 nn.Conv2d 的参数 1 – 它们需要是相同的数字），看看你能获得什么样的加速。

实现目标:

  • 高层次理解 PyTorch 的 Tensor 库和神经网络。

  • 训练一个小型神经网络来对图像进行分类

在多个 GPU 上训练#

如果您想使用所有 GPU 获得更大的加速，请查看 可选：数据并行。

我接下来去哪里？#

del dataiter

脚本总运行时间： (1 分 28.924 秒)

在此页面上
PyTorch 库