PyTorch 入门之旅

PyTorch

什么是 PyTorch

它是一个基于 Python 的科学计算包，主要有两大特色：

• 替代 NumPy，用以利用 GPU 的强大计算功能
• 拥有最大灵活性和速度的深度学习研究平台

  PyTorch 的特点/亮点

1. 对 Python 的原生支持及其库的使用
2. 深度结合于 Facebook 的开发，以满足平台中的所有深度学习要求
3. PyTorch 确保提供易于使用的 API，这有助于更换的使用和理解 API
4. 动态图计算是 PyTorch 的一个主要亮点，可以确保在代码执行的每个点动态构建图形，并且可以在运行时进行操作
5. PyTorch 速度快，因此可以确保轻松编码和快速处理
6. 对 CUDA 的支持确保代码可以在 GPU 上运行，从而减少运行代码所需的时间并提高系统的整体性能

   安装 PyTorch

   在机器上安装 PyTorch 还是非常简单的
   
   基于操作系统或包管理器等系统属性，可以从命令提示符或在 IDE（如 PyCharm 等）中直接安装

   张量（Tensors）

   Tensors 类似于 NumPy 的 n 维数组，此外 Tensors 也可以在 GPU 上进行加速计算
   构造一个简单的 Tensors 并检查输出，首先看看如何构建一个 5×3 的未初始化矩阵：

   x = torch.empty(5, 3)
   print(x)

   Output:

   tensor([[8.3665e+22, 4.5580e-41, 1.6025e-03],
        [3.0763e-41, 0.0000e+00, 0.0000e+00],
        [0.0000e+00, 0.0000e+00, 3.4438e-41],
        [0.0000e+00, 4.8901e-36, 2.8026e-45],
        [6.6121e+31, 0.0000e+00, 9.1084e-44]])

   现在构造一个随机初始化的矩阵：

   x = torch.rand(5, 3)
   print(x)

   Output:

   tensor([[0.1607, 0.0298, 0.7555],
        [0.8887, 0.1625, 0.6643],
        [0.7328, 0.5419, 0.6686],
        [0.0793, 0.1133, 0.5956],
        [0.3149, 0.9995, 0.6372]])

   直接从数据构造张量：

   x = torch.tensor([5.5, 3])
   print(x)

   Output:

   tensor([5.5000, 3.0000])

   张量运算

   张量运算操作有多种语法，在下面的例子中，看看加法运算：

   y = torch.rand(5, 3)
   print(x + y)

   Output:

   tensor([[ 0.2349, -0.0427, -0.5053],
            [ 0.6455,  0.1199,  0.4239],
            [ 0.1279,  0.1105,  1.4637],
            [ 0.4259, -0.0763, -0.9671],
            [ 0.6856,  0.5047,  0.4250]])

   调整大小：如果想重塑/调整张量的大小，可以使用“torch.view”：

   x = torch.randn(4, 4)
   y = x.view(16)
   z = x.view(-1, 8) # the size -1 is inferred from other dimensions
   print(x.size(), y.size(), z.size())

   Output:

   torch.Size([4, 4]) torch.Size([16]) torch.Size([2, 8])

   NumPy

   NumPy 是 Python 编程语言的库，增加了对大型、多维数组和矩阵的支持，以及用于对这些数组进行操作的大量高级数学函数集合
   Numpy 还有以下特定

• 提供用于集成 C/C++ 和 FORTRAN 代码的工具
• 具有线性代数、傅立叶变换和随机数功能的运算能力

除了明显的科学用途外，NumPy 还可以用作通用数据的高效多维容器，也可以定义任意的数据类型
这使得 NumPy 可以无缝快速地与各种数据库集成！

连接 Array 和 Tensors 的桥梁

将 Torch Tensor 转换为 NumPy 数组，反之亦然是轻而易举

Torch Tensor 和 NumPy 数组将共享它们的底层内存位置，改变一个将同时改变另一个
将 Torch 张量转换为 NumPy 数组：

a = torch.ones(5)
print(a)
b = a.numpy()
print(b)

Output:

tensor([1., 1., 1., 1., 1.])
[1. 1. 1. 1. 1.]

下面执行求和运算并检查值的变化：

a.add_(1)
print(a)
print(b)

Output:

tensor([2., 2., 2., 2., 2.]) [2. 2. 2. 2. 2.]

将 NumPy 数组转换为 Torch 张量：

import numpy as no
a = np.ones(5)
b = torch.from_numpy(a)
np.add(a, 1, out=a)
print(a)
print(b)

Output:

[2. 2. 2. 2. 2.]
tensor([2., 2., 2., 2., 2.], dtype=torch.float64)

可以看到，Numpy 与 Torch 之间的互转还是非常方便的

实战—训练图像分类器

数据集选择

通常，处理图像、文本、音频或视频数据时，可以使用标准的 Python 包将数据加载到 Numpy 数组中，然后就可以把这个数组转换成一个 torch.*Tensor

• 对于图像，可以 Pillow 和 OpenCV
• 对于音频，使用 Scipy 和 Librosa
• 对于文本，原始 Python、基于 Cython 的加载或 NLTK 和 SpaCy 都可以

专门针对视觉，有一个名为 torchvision 的包，它实现了 Imagenet、CIFAR10、MNIST 等常见数据集的数据加载器和用于图像的数据转换器，这样就可以很方便的使用已有数据集进行学习
在这里，将使用 CIFAR10 数据集
它有类别：“飞机”、“汽车”、“鸟”、“猫”、“鹿”、“狗”、“青蛙”、“马”、“船”、“卡车”。CIFAR-10 中的图像大小为3x32x32，即32×32像素大小的3通道彩色图像，如下图：

训练 CIFAR10 分类器

首先加载和归一化 CIFAR10 使用 torchvision 加载

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，将它们转换为归一化范围 [-1, 1] 的张量

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')

Output:

Downloading https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./data/cifar-10-python.tar.gz Files already downloaded and verified

接下来，从数据集中打印一些训练图像

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)))
# get some random training images
dataiter = iter(trainloader)
images, labels = dataiter.next()
# show images
imshow(torchvision.utils.make_grid(images))
# print labels
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))

Output:

dog  bird horse horse

下面定义卷积神经网络 考虑使用 3 通道图像（红色、绿色和蓝色）的情况，定义 CNN 架构

import torch.nn as nn
import torch.nn.functional as F
class 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 x
net = Net()

接下来定义损失函数和优化器
使用 Cross-Entropy loss 和 SGD
事实上，Cross-Entropy Loss 是一个介于 0-1 之间的概率值，完美模型的交叉熵损失为 0，但也可能发生预期值为 0.2 但最终却得到 2 的情况，这将导致非常高的损失并且根本没有任何作用

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

下面就可以训练神经网络了
只需要遍历数据迭代器，并将输入提供给网络并进行优化

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
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('[%d, %5d] loss: %.3f' %
(epoch + 1, i + 1, running_loss / 2000))
running_loss = 0.0
print('Finished Training')

Output:

[1,  2000] loss: 2.236
[1,  4000] loss: 1.880
[1,  6000] loss: 1.676
[1,  8000] loss: 1.586
[1, 10000] loss: 1.515
[1, 12000] loss: 1.464
[2,  2000] loss: 1.410
[2,  4000] loss: 1.360
[2,  6000] loss: 1.360
[2,  8000] loss: 1.325
[2, 10000] loss: 1.312
[2, 12000] loss: 1.302
Finished Training

最后，在测试集上测试神经网络
已经在训练数据集上训练了 2 遍网络，但是还需要检查网络是否学到了什么东西
通过预测神经网络输出的类标签来检查这一点，并根据真实情况进行检查，如果预测正确，将样本添加到正确预测列表中
第一步，展示一张来自测试集的图片

dataiter = iter(testloader)
images, labels = dataiter.next()
# print images
imshow(torchvision.utils.make_grid(images))
print('GroundTruth: ', ' '.join('%5s' % classes[labels[j]] for j in range(4)))

Output:

GroundTruth:    cat  ship  ship plane

第二步，使用神经网络进行预测

outputs = net(images)
predicted = torch.max(outputs, 1)
print('Predicted: ', ' '.join('%5s' % classes[predicted[j]]
for j in range(4)))

outputs 输出是 10 个类别的权重，一个类别的权重越高，神经网络就越认为该图像属于该类别 Output:

Predicted:    cat   car   car plane

效果似乎还不错
再接下来看看神经网络在整个数据集上的表现

correct = 0
total = 0
with torch.no_grad():
for data in testloader:
images, labels = data
outputs = net(images)
_, predicted = torch.max(outputs.data, 1)
total += labels.size(0)
correct += (predicted == labels).sum().item()
print('Accuracy of the network on the 10000 test images: %d %%' % (100 * correct / total))

Output:

Accuracy of the network on the 10000 test images: 54 %

准确率还可以，比随机偶然的10%（从 10 个类中随机选择一个类）还是高出不少的
最后再看下不同类别的准确率

class_correct = list(0. for i in range(10))
class_total = list(0. for i in range(10))
with torch.no_grad():
for data in testloader:
images, labels = data
outputs = net(images)
_, predicted = torch.max(outputs, 1)
c = (predicted == labels).squeeze()
for i in range(4):
label = labels[i]
class_correct[label] += c[i].item()
class_total[label] += 1
for i in range(10):
print('Accuracy of %5s : %2d %%' % (
classes[i], 100 * class_correct[i] / class_total[i]))

Output:

Accuracy of plane : 61 %
Accuracy of   car : 85 %
Accuracy of  bird : 46 %
Accuracy of   cat : 23 %
Accuracy of  deer : 40 %
Accuracy of   dog : 36 %
Accuracy of  frog : 80 %
Accuracy of horse : 59 %
Accuracy of  ship : 65 %
Accuracy of truck : 46 %