目录
一、 前期准备
1.1设置GPU和引入环境
1.2导入数据
1.3划分数据集
二、构建简单的CNN网络
三、 训练模型
1. 设置超参数
2. 编写训练函数
3. 编写测试函数
4. 正式训练
四、 结果可视化
五、测试
注：遇到的bug
六、总结
🍨 本文为[🔗365天深度学习训练营]中的学习记录博客
🍦 参考文章：[Pytorch实战 | 第P3周：彩色图片识别：天气识别]
🍖 原作者：[K同学啊|接辅导、项目定制]
难度：新手入门⭐
语言：Python3、Pytorch
🍺要求：
本地读取并加载数据。
测试集accuracy到达93%
🍻拔高：
测试集accuracy到达95%
调用模型识别一张本地图片
一、 前期准备
1.1设置GPU和引入环境
import torch
import torch.nn as nn
import torchvision.transforms as transforms
import torchvision
from torchvision import transforms, datasetsimport os,PIL,pathlibdevice = torch.device("cuda" if torch.cuda.is_available() else "cpu")print(device)cuda
1.2导入数据
程序所在文件夹内新建data文件夹，里面放入四个天气的文件数据，最后输出验证一下
data_dir = './data/'
data_dir = pathlib.Path(data_dir)
data_paths = list(data_dir.glob('*'))
classeNames = [str(path).split("\\")[1] for path in data_paths]
classeNames['cloudy', 'rain', 'shine', 'sunrise']
进行图形变换,最后输出看一下
torchvision.transforms函数主要是用于常见的一些图形变换，例如裁剪、旋转等；这里用到
torchvision.transforms.Compose()类，其主要作用是串联多个图片变换的操作。有兴趣的同学可以参考这篇博客：torchvision.transforms.Compose()详解【Pytorch手册】
total_datadir = './data/'train_transforms = transforms.Compose([transforms.Resize([224, 224]), # 将输入图片resize成统一尺寸transforms.ToTensor(), # 将PIL Image或numpy.ndarray转换为tensor，并归一化到[0,1]之间transforms.Normalize( # 标准化处理-->转换为标准正太分布（高斯分布），使模型更容易收敛mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) # 其中 mean=[0.485,0.456,0.406]与std=[0.229,0.224,0.225] 从数据集中随机抽样计算得到的。
])total_data = datasets.ImageFolder(total_datadir,transform=train_transforms)
print(total_data)Dataset ImageFolder
Number of datapoints: 1125
Root location: ./data/
StandardTransform
Transform: Compose(
Resize(size=[224, 224], interpolation=bilinear, max_size=None, antialias=None)
ToTensor()
Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
)
1.3划分数据集
设置一下训练集和测试级的大小，和其数据集划分
train_size = int(0.8 * len(total_data))
test_size = len(total_data) - train_size
train_dataset, test_dataset = torch.utils.data.random_split(total_data, [train_size, test_size])
print(train_dataset, test_dataset)
print(train_size, test_size)<torch.utils.data.dataset.Subset object at 0x000001984C590460> <torch.utils.data.dataset.Subset object at 0x0000019854ED4790>
900 225
设置一下batch_size(想设大但gpu内存好像不够？改了还是那样，利用率低的惊人所以最后设128了以前都是32),用dataloader数据加载一下，记得都要打乱（shuffle=True），并且设num_work=0，即非多进程处理，（为0其实设不设都行我一开始设1但是给改一下default为0因为Linux线程和windows不一样但这个数据集小+我懒所以没改XD）并测试输出（经典操作步骤）
batch_size = 128train_dl = torch.utils.data.DataLoader(train_dataset,batch_size=batch_size,shuffle=True,num_workers=0)
test_dl = torch.utils.data.DataLoader(test_dataset,batch_size=batch_size,shuffle=True,num_workers=0)# 数据的shape为：[batch_size, channel, height, weight]
# 其中batch_size为自己设定，channel，height和weight分别是图片的通道数，高度和宽度。
for X, y in test_dl:print("Shape of X [N, C, H, W]: ", X.shape)print("Shape of y: ", y.shape, y.dtype)breakShape of X [N, C, H, W]: torch.Size([32, 3, 224, 224])
Shape of y: torch.Size([32]) torch.int64
二、构建简单的CNN网络
CNN网络一般由特征提取网络和分类网络构成，特征提取网络用于提取图片的特征，后者将图片进行分类。
常用的：
torch.nn.Conv2d():nn.Conv2d为卷积层，用于提取图片的特征，传入参数为输入channel，输出channel，池化核大小
torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)
第一个参数（in_channels）是输入的channel数量 第二个参数（out_channels）是输出的channel数量 第三个参数（kernel_size）是卷积核大小 第四个参数（stride）是步长，默认为1 第五个参数（padding）是填充大小，默认为0
torch.nn.Linear():nn.Linear为全连接层，对输入数据应用线性变换。参数（每个输入样本大小，每个输出样本大小）
torch.nn.MaxPool2d():nn.MaxPool2d为池化层，进行下采样，用更高层的抽象表示图像特征，传入参数为池化核大小
最后打印一下相关参数
import torch.nn.functional as Fclass Network_bn(nn.Module):def __init__(self):super(Network_bn, self).__init__()self.conv1 = nn.Conv2d(in_channels=3, out_channels=12, kernel_size=5, stride=1, padding=0)self.bn1 = nn.BatchNorm2d(12)self.conv2 = nn.Conv2d(in_channels=12, out_channels=12, kernel_size=5, stride=1, padding=0)self.bn2 = nn.BatchNorm2d(12)self.pool = nn.MaxPool2d(2,2)self.conv4 = nn.Conv2d(in_channels=12, out_channels=24, kernel_size=5, stride=1, padding=0)self.bn4 = nn.BatchNorm2d(24)self.conv5 = nn.Conv2d(in_channels=24, out_channels=24, kernel_size=5, stride=1, padding=0)self.bn5 = nn.BatchNorm2d(24)self.fc1 = nn.Linear(24*50*50, len(classeNames))def forward(self, x):x = F.relu(self.bn1(self.conv1(x))) x = F.relu(self.bn2(self.conv2(x))) x = self.pool(x) x = F.relu(self.bn4(self.conv4(x))) x = F.relu(self.bn5(self.conv5(x))) x = self.pool(x) x = x.view(-1, 24*50*50)x = self.fc1(x)return xdevice = "cuda" if torch.cuda.is_available() else "cpu"
print("Using {} device".format(device))model = Network_bn().to(device)
print(model)Using cuda device
Network_bn(
(conv1): Conv2d(3, 12, kernel_size=(5, 5), stride=(1, 1))
(bn1): BatchNorm2d(12, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(conv2): Conv2d(12, 12, kernel_size=(5, 5), stride=(1, 1))
(bn2): BatchNorm2d(12, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(pool): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
(conv4): Conv2d(12, 24, kernel_size=(5, 5), stride=(1, 1))
(bn4): BatchNorm2d(24, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(conv5): Conv2d(24, 24, kernel_size=(5, 5), stride=(1, 1))
(bn5): BatchNorm2d(24, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(fc1): Linear(in_features=60000, out_features=4, bias=True)
)
三、 训练模型
1. 设置超参数
也是在一二周用到的，一模一样
loss_fn = nn.CrossEntropyLoss() # 创建损失函数
learn_rate = 1e-4 # 学习率
opt = torch.optim.SGD(model.parameters(),lr=learn_rate)2. 编写训练函数
常用的也还是这三个
1. optimizer.zero_grad()
梯度值grad属性清为0，即上一次梯度记录被清空。
2. loss.backward()
反向传播，会自动计算出对应的梯度，loss.backward()要写在optimizer.step()之前。
3. optimizer.step()
进行优化步骤，通过梯度下降来更新参数的值。写在loss.backward()之后。
训练函数代码很标准：代码部分和week1、2一样。
# 训练循环
def train(dataloader, model, loss_fn, optimizer):size = len(dataloader.dataset) # 训练集的大小num_batches = len(dataloader) # 批次数目train_loss, train_acc = 0, 0 # 初始化训练损失和正确率for X, y in dataloader: # 获取图片及其标签X, y = X.to(device), y.to(device)# 计算预测误差pred = model(X) # 网络输出loss = loss_fn(pred, y) # 计算网络输出和真实值之间的差距，targets为真实值，计算二者差值即为损失# 反向传播optimizer.zero_grad() # grad属性归零loss.backward() # 反向传播optimizer.step() # 每一步自动更新# 记录acc与losstrain_acc += (pred.argmax(1) == y).type(torch.float).sum().item()train_loss += loss.item()train_acc /= sizetrain_loss /= num_batchesreturn train_acc, train_loss3. 编写测试函数
训练函数和测试函数差别不大，但是由于不进行梯度下降对网络权重进行更新，所以不用优化器
（所以测试函数代码部分和week1、2一样）
def test (dataloader, model, loss_fn):size = len(dataloader.dataset) # 测试集的大小num_batches = len(dataloader) # 批次数目test_loss, test_acc = 0, 0# 当不进行训练时，停止梯度更新，节省计算内存消耗with torch.no_grad():for imgs, target in dataloader:imgs, target = imgs.to(device), target.to(device)# 计算losstarget_pred = model(imgs)loss = loss_fn(target_pred, target)test_loss += loss.item()test_acc += (target_pred.argmax(1) == target).type(torch.float).sum().item()test_acc /= sizetest_loss /= num_batchesreturn test_acc, test_loss4. 正式训练
1. model.train()
启动Batch Normalization （BN）和 Dropout。保证前者能够用到每一批数据的均值和方差，对后者将随机取一部分网络连接来训练更新参数。
2. model.eval()
不启用 Batch Normalization 和 Dropout。保证前者能用到所有训练数据集和方差，所以训练过程中BN层的这两个值要保持不变。对后者也是用到所有网络连接，所以要放弃随机舍弃神经元。
训练完train样本后，生成的模型model要用来测试样本。在model(test)之前，需要加上model.eval()，否则的话，有输入数据，即使不训练，它也会改变权值。这是model中含有BN层和Dropout所带来的的性质。
代码又同week1、2：（epochs训练轮数适当增加提高准确率）
epochs = 50
train_loss = []
train_acc = []
test_loss = []
test_acc = []for epoch in range(epochs):model.train()epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, opt)model.eval()epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)train_acc.append(epoch_train_acc)train_loss.append(epoch_train_loss)test_acc.append(epoch_test_acc)test_loss.append(epoch_test_loss)template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%，Test_loss:{:.3f}')print(template.format(epoch+1, epoch_train_acc*100, epoch_train_loss, epoch_test_acc*100, epoch_test_loss))
print('Done')Epoch: 1, Train_acc:42.4%, Train_loss:1.196, Test_acc:50.7%，Test_loss:1.357
Epoch: 2, Train_acc:66.6%, Train_loss:0.925, Test_acc:60.4%，Test_loss:1.271
Epoch: 3, Train_acc:73.9%, Train_loss:0.777, Test_acc:70.7%，Test_loss:1.095
Epoch: 4, Train_acc:77.6%, Train_loss:0.815, Test_acc:68.9%，Test_loss:0.931
Epoch: 5, Train_acc:79.2%, Train_loss:0.698, Test_acc:75.6%，Test_loss:0.783
....一直到50
Done
五十轮后，测试准确率在90%左右
四、 结果可视化
像以前那样，把训练过程弄成统计图，上面参数一样的话代码同week1、2一样
import matplotlib.pyplot as plt
#隐藏警告
import warnings
warnings.filterwarnings("ignore") #忽略警告信息
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
plt.rcParams['figure.dpi'] = 100 #分辨率epochs_range = range(epochs)plt.figure(figsize=(12, 3))
plt.subplot(1, 2, 1)plt.plot(epochs_range, train_acc, label='Training Accuracy')
plt.plot(epochs_range, test_acc, label='Test Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')plt.subplot(1, 2, 2)
plt.plot(epochs_range, train_loss, label='Training Loss')
plt.plot(epochs_range, test_loss, label='Test Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()
五、测试
调用本地图片测试
local_test_image = PIL.Image.open ("./p2.png").convert('RGB')
local_transforms = transforms.Compose([transforms.Resize([224, 224]), # 将输入图片resize成统一尺寸transforms.ToTensor(), # 将PIL Image或numpy.ndarray转换为tensor，并归一化到[0,1]之间
])
local_test_data = local_transforms(local_test_image)_,result=torch.max(model(local_test_data.to(device).unsqueeze(0)),1)
print(classeNames[result])注：遇到的bug
提示应该是三通道（RGB），但是是四通道。添加一下（一通道是‘L’）上面代码已经改成RGB了
img = Image.open('test.png')
if img.mode != 'RGB':
img = img.convert('RGB')
结果：
六、总结
这周不同于week1、2，不是用dataset下载数据集，而是用图片组成的训练集（和我其他博客弄opencv的训练类似），同时最后调用本地图片进行测试。week3比week1、2难一些，通过本篇学习加强了自己对于深度学习的理解。（我在尝试弄模型测试但失败了，成功了再分享）
