你已经了解了如何定义神经网络，计算损失值和网络里权重的更新。

处理数据

通常来说，当你处理图像，文本，语音或者视频数据时，你可以使用标准 python 包将数据加载成 numpy 数组格式，然后将这个数组转换成 torch.*Tensor

  • 对于图像，可以用 Pillow，OpenCV
  • 对于语音，可以用 scipy，librosa
  • 对于文本，可以直接用 Python 或 Cython 基础数据加载模块，或者用 NLTK 和 SpaCy

特别是对于视觉，我们已经创建了一个叫做 totchvision 的包，该包含有支持加载类似 Imagenet，CIFAR10，MNIST 等公共数据集的数据加载模块和支持加载图像数据数据转换模块 torchvision.datasets 和torch.utils.data.DataLoader。

这提供了极大的便利，并且避免了编写 “样板代码”。

对于本教程，我们将使用 CIFAR10 数据集，它包含十个类别： ‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’。CIFAR-10 中的图像尺寸为 3_32_32，也就是 RGB 的 3 层颜色通道，每层通道内的尺寸为 32*32。

PyTorch 图像分类器 - PyTorch官方教程中文版 - 图1

训练一个图像分类器

我们将按次序的做如下几步：

  1. 使用 torchvision 加载并且归一化 CIFAR10 的训练和测试数据集
  2. 定义一个卷积神经网络
  3. 定义一个损失函数
  4. 在训练样本数据上训练网络
  5. 在测试样本数据上测试网络

加载CIFAR10数据并归一化

CIFAR10 使用 torchvision , 用它来加载 CIFAR10 数据非常简单。

  1. import torch
  2. import torchvision
  3. import torchvision.transforms as transforms

torchvision 数据集的输出是范围在[0,1]之间的 PILImage，我们将他们转换成归一化范围为[-1,1]之间的张量 Tensors。

  1. transform = transforms.Compose(
  2.     [transforms.ToTensor(),
  3.      transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
  5. trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
  6.                                         download=True, transform=transform)
  7. trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
  8.                                           shuffle=True, num_workers=2)
  10. testset = torchvision.datasets.CIFAR10(root='./data', train=False,
  11.                                        download=True, transform=transform)
  12. testloader = torch.utils.data.DataLoader(testset, batch_size=4,
  13.                                          shuffle=False, num_workers=2)
  15. classes = ('plane', 'car', 'bird', 'cat',
  16.            'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

输出：

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

让我们来展示其中的一些训练图片。

  1. import matplotlib.pyplot as plt
  2. import numpy as np
  4. def imshow(img):
  5.     img = img / 2 + 0.5     
  6.     npimg = img.numpy()
  7.     plt.imshow(np.transpose(npimg, (1, 2, 0)))
  8.     plt.show()
  10. dataiter = iter(trainloader)
  11. images, labels = dataiter.next()
  14. imshow(torchvision.utils.make_grid(images))
  16. print(' '.join('%5s' % classes[labels[j]] for j in range(4)))

输出：
PyTorch 图像分类器 - PyTorch官方教程中文版 - 图2

  1. cat plane  ship  frog

定义一个卷积神经网络

在这之前先 从神经网络章节 复制神经网络，并修改它为 3 通道的图片 (在此之前它被定义为 1 通道)

  1. import torch.nn as nn
  2. import torch.nn.functional as F
  5. class Net(nn.Module):
  6.     def __init__(self):
  7.         super(Net, self).__init__()
  8.         self.conv1 = nn.Conv2d(3, 6, 5)
  9.         self.pool = nn.MaxPool2d(2, 2)
  10.         self.conv2 = nn.Conv2d(6, 16, 5)
  11.         self.fc1 = nn.Linear(16 * 5 * 5, 120)
  12.         self.fc2 = nn.Linear(120, 84)
  13.         self.fc3 = nn.Linear(84, 10)
  15.     def forward(self, x):
  16.         x = self.pool(F.relu(self.conv1(x)))
  17.         x = self.pool(F.relu(self.conv2(x)))
  18.         x = x.view(-1, 16 * 5 * 5)
  19.         x = F.relu(self.fc1(x))
  20.         x = F.relu(self.fc2(x))
  21.         x = self.fc3(x)
  22.         return x
  25. net = Net()

定义一个损失函数和优化器 让我们使用分类交叉熵 Cross-Entropy 作损失函数，动量 SGD 做优化器。

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

训练网络

这里事情开始变得有趣，我们只需要在数据迭代器上循环传给网络和优化器 输入就可以。

  1. for epoch in range(2):  
  3.     running_loss = 0.0
  4.     for i, data in enumerate(trainloader, 0):
  5.         inputs,labels=data
  7.         optimizer.zero_grad()
  9.         outputs = net(inputs)
  10.         loss = criterion(outputs, labels)
  11.         loss.backward()
  12.         optimizer.step()
  14.         running_loss += loss.item()
  15.         if i % 2000 == 1999:    
  16.             print('[%d, %5d] loss: %.3f' %
  17.                   (epoch + 1, i + 1, running_loss / 2000))
  18.             running_loss = 0.0
  20. print('Finished Training')

输出：

  1. [1,  2000] loss: 2.187
  2. [1,  4000] loss: 1.852
  3. [1,  6000] loss: 1.672
  4. [1,  8000] loss: 1.566
  5. [1, 10000] loss: 1.490
  6. [1, 12000] loss: 1.461
  7. [2,  2000] loss: 1.389
  8. [2,  4000] loss: 1.364
  9. [2,  6000] loss: 1.343
  10. [2,  8000] loss: 1.318
  11. [2, 10000] loss: 1.282
  12. [2, 12000] loss: 1.286
  13. Finished Training

保存模型

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

在测试集上测试网络

我们已经通过训练数据集对网络进行了 2 次训练，但是我们需要检查网络是否已经学到了东西。

我们将用神经网络的输出作为预测的类标来检查网络的预测性能，用样本的真实类标来校对。如果预测是正确的，我们将样本添加到正确预测的列表里。

好的，第一步，让我们从测试集中显示一些图像。

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

PyTorch 图像分类器 - PyTorch官方教程中文版 - 图3

输出：

  1. GroundTruth:    cat  ship  ship plane

现在让我们看看 神经网络认为这些样本应该预测成什么：

  1. outputs = net(images)

输出是预测与十个类的近似程度，与某一个类的近似程度越高，网络就越认为图像是属于这一类别。所以让我们打印其中最相似类别类标：

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

输出：

  2. Predicted:    cat  ship   car  ship

结果看起开非常好，让我们看看网络在整个数据集上的表现。

  2. correct = 0
  3. total = 0
  4. with torch.no_grad():
  5.     for data in testloader:
  6.         images, labels = data
  7.         outputs = net(images)
  8.         _, predicted = torch.max(outputs.data, 1)
  9.         total += labels.size(0)
  10.         correct += (predicted == labels).sum().item()
  12. print('Accuracy of the network on the 10000 test images: %d %%' % (
  13.     100 * correct / total))

输出：

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

这看起来比随机预测要好，随机预测的准确率为 10%（随机预测出为 10 类中的哪一类）。看来网络学到了东西。

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

输出：

Accuracy of plane : 57 %
Accuracy of car : 73 %
Accuracy of bird : 49 %
Accuracy of cat : 54 %
Accuracy of deer : 18 %
Accuracy of dog : 20 %
Accuracy of frog : 58 %
Accuracy of horse : 74 %
Accuracy of ship : 70 %
Accuracy of truck : 66 %

在 GPU 上训练

就像你怎么把一个张量转移到 GPU 上一样，你要将神经网络转到 GPU 上。 如果 CUDA 可以用，让我们首先定义下我们的设备为第一个可见的 cuda 设备。

  1. device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
  3. print(device)

输出：

本节剩余部分都会假定device就是台 CUDA 设备。

接着这些方法会递归地遍历所有模块，并将它们的参数和缓冲器转换为 CUDA 张量。

记住你也必须在每一个步骤向 GPU 发送输入和目标：

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

为什么没有注意到与 CPU 相比巨大的加速？因为你的网络非常小。**

在多个 GPU 上训练

如果你想要来看到大规模加速，使用你的所有 GPU，请查看：https://pytorch.org/tutorials/beginner/blitz/data_parallel_tutorial.html

下载 Python 源代码：

cifar10_tutorial.py

下载 Jupyter 源代码：

cifar10_tutorial.ipynb
http://www.pytorch123.com/SecondSection/training_a_classifier/