内容列表
1. 前言
1.1 案例介绍
本案例使用Pytorch搭建一个类似LeNet-5的网络结构，用于Fashion-MNIST数据集的图像分类。针对该问题的分析可以分为数据准备、模型建立以及使用训练集进行训练和使用测试集测试模型的效果。
1.2 环境配置
⑴ 操作系统： Windows10
⑵ 编译器环境： PyCharm Community Edition 2021.2
⑶ 配置环境： Pytorch1.8 + torchvision9.0 + CUDA11.3
1.3 模块导入
本案例需要导入如下的库文件和相关模块：
import numpy as npimport pandas as pdfrom sklearn.metrics import accuracy_score, confusion_matrix, classification_reportimport matplotlib.pyplot as pltimport seaborn as snsimport copyimport timeimport torchimport torch.nn as nnfrom torch.optim import Adamimport torch.utils.data as Datafrom torchvision import transformsfrom torchvision.datasets import FashionMNIST
2. 图像数据准备
在模型建立与训练之前，首先准备FashionMNIST数据集，该数据集可以直接使用torchvision库中datasets模块的FashionMNIST()函数读取，如果指定的工作文件夹中没有当前数据，可以从网络上自动下载该数据。
2.1 训练验证集的准备
训练验证集的加载处理程序被包装成如下的train_data_process()函数 ，它的作用是导入训练数据集，然后使用Data.DataLoader()函数将其定义为数据加载器，每个batch中会包含64个样本，通过len()函数可以计算数据加载器中包含的batch数量，输出显示train_loader中包含938个batch。需要注意的是参数shuffle = False，表示加载器中每个batch使用的样本都是固定的，这样有利于在训练模型时根据迭代的次数将其分为训练集和验证集。同时为了观察数据集中每个图像的内容，可以获取一个batch的图像，然后将其可视化，以观察数据。
# 处理训练集数据def train_data_process(): # 加载FashionMNIST数据集 train_data = FashionMNIST(root="./data/FashionMNIST", # 数据路径 train=True, # 只使用训练数据集 transform=transforms.ToTensor(), # 把PIL.Image或者numpy.array数据类型转变为torch.FloatTensor类型 # 尺寸为Channel * Height * Width，数值范围缩小为[0.0, 1.0] download=False, # 若本身没有下载相应的数据集，则选择True ) train_loader = Data.DataLoader(dataset=train_data, # 传入的数据集 batch_size=64, # 每个Batch中含有的样本数量 shuffle=False, # 不对数据集重新排序 num_workers=2, # 加载数据所开启的进程数量 ) print("The number of batch in train_loader:", len(train_loader)) # 一共有938个batch，每个batch含有64个训练样本
# 获得一个Batch的数据 for step, (b_x, b_y) in enumerate(train_loader): if step > 0: break batch_x = b_x.squeeze().numpy() # 将四维张量移除第1维，并转换成Numpy数组 batch_y = b_y.numpy() # 将张量转换成Numpy数组 class_label = train_data.classes # 训练集的标签 class_label[0] = "T-shirt"
# 可视化一个Batch的图像 plt.figure(figsize=(12, 5)) for ii in np.arange(len(batch_y)): plt.subplot(4, 16, ii+1) plt.imshow(batch_x[ii, :, :], cmap=plt.cm.gray) plt.title(class_label[batch_y[ii]], size=9) plt.axis("off") plt.subplots_adjust(wspace=0.05) plt.show()
return train_loader, class_label
得到的可视化图像如下：
2.2 测试集的准备
测试集的加载处理程序被包装成如下的test_data_process()函数 ，它的作用是导入测试数据集，将所有的样本处理为一个整体，看作一个batch用于测试。
# 处理测试集数据def test_data_process(): test_data = FashionMNIST(root="./data/FashionMNIST", # 数据路径 train=False, # 不使用训练数据集 download=False, # 如果前面数据已经下载，这里不再需要重复下载 ) test_data_x = test_data.data.type(torch.FloatTensor) / 255.0 # 将数值范围缩小为[0.0, 1.0] test_data_x = torch.unsqueeze(test_data_x, dim=1) # 为测试数据test_data_x添加一个维度，即通道数 test_data_y = test_data.targets # 测试集的标签 print("test_data_x.shape:", test_data_x.shape) print("test_data_y.shape:", test_data_y.shape)
return test_data_x, test_data_y
得到的输出结果如下，即测试集有10000张28×28的图像。
3. 卷积神经网络的搭建
在数据准备完毕后，可以搭建一个卷积神经网络，并且使用训练数据对网络进行训练，使用测试集验证所搭建网络的识别精度。
搭建的卷积神经网络（如下图）有2个卷积层，分别包含16个和32个3×3的卷积核，并且卷积后使用ReLU激活函数进行激活，两个池化层均为平均池化，而两个全连接层分别有256和128个神经单元，最后的分类器则包含了10个神经元。
下面的程序代码定义了一个类ConvNet，在继承了nn.Module类的基础上对其结构和功能进行了定义。通过nn.Sequential()函数分别定义了一个由两个卷积层和三个全连接层组成的网络结构，并且在forward()函数中定义了数据在网络中的前向传播过程。
# 定义一个卷积神经网络class ConvNet(nn.Module): def __init__(self): super(ConvNet, self).__init__() # 对继承自父类Module的属性进行初始化
# 定义第一个卷积层，16个3*3的卷积核，池化层为平均池化 self.conv1 = nn.Sequential(nn.Conv2d(in_channels=1, # 输入图像的通道数 out_channels=16, # 卷积核的数量 kernel_size=3, # 卷积核的大小 stride=1, # 步长 padding=1, # 填充的数量 ), # 经过卷积后的尺寸变化：(1*28*28) -> (16*28*28) nn.ReLU(), # ReLU激活函数 nn.AvgPool2d(kernel_size=2, # 池化窗口的大小 stride=2, # 步长 ), # 经过池化后的尺寸变化：(16*28*28) -> (16*14*14) ) # 定义第二个卷积层，32个3*3的卷积核，池化层为平均池化 self.conv2 = nn.Sequential(nn.Conv2d(in_channels=16, # 输入图像的通道数 out_channels=32, # 卷积核的数量 kernel_size=3, # 卷积核的大小 stride=1, # 步长 padding=0, # 填充的数量 ), # 经过卷积后的尺寸变化：(16*14*14) -> (32*12*12) nn.ReLU(), # ReLU激活函数 nn.AvgPool2d(kernel_size=2, # 池化窗口的大小 stride=2, # 步长 ), # 经过池化后的尺寸变化：(32*12*12) -> (32*6*6) ) # 定义全连接层 self.classifier = nn.Sequential(nn.Linear(32*6*6, 256), # 全连接层的输入为32*6*6=1152，输出为256 nn.ReLU(), nn.Linear(256, 128), # 全连接层的输入为256，输出为128 nn.ReLU(), nn.Linear(128, 10) # 全连接层的输入为128，输出为10 )
# 定义网络结构的前向传播路径 def forward(self, x): x = self.conv1(x) # 将数据集x输入给第一个卷积层 x = self.conv2(x) # 将第一个卷积层的输出给到第二个卷积层 x = x.view(x.size(0), -1) # 将第二个卷积层的输出展开成一维张量x # 四维张量x对应的维度为(batch_size，channels，x，y)，其中x.size(0)对应batch_size output = self.classifier(x) # 将展开的一维张量x给到全连接层和分类器
return output
将所定义的网络结构打印出来如下：
4. 卷积神经网络训练与预测
为了训练网络结构ConvNet，定义了一个train_model()函数，该函数的作用是使用训练数据集来训练ConvNet。训练数据集包含了60000张图像，划分成938个batch，其中80%的batch用于模型的训练，20%的batch用于模型的验证，因此在train_model()函数中，包含了模型的训练和验证两个过程。
# 定义网络的训练过程def train_model(model, traindataloader, train_rate, criterion, optimizer, num_epochs=25): ''' :param model: 网络模型 :param traindataloader: 训练数据集，会切分为训练集和验证集 :param train_rate: 训练集batch_size的百分比 :param criterion: 损失函数 :param optimizer: 优化方法 :param num_epochs: 训练的轮数 '''
batch_num = len(traindataloader) # batch数量 train_batch_num = round(batch_num * train_rate) # 将80%的batch用于训练，round()函数四舍五入 best_model_wts = copy.deepcopy(model.state_dict()) # 复制当前模型的参数 # 初始化参数 best_acc = 0.0 # 最高准确度 train_loss_all = [] # 训练集损失函数列表 train_acc_all = [] # 训练集准确度列表 val_loss_all = [] # 验证集损失函数列表 val_acc_all = [] # 验证集准确度列表 since = time.time() # 当前时间 # 进行迭代训练模型 for epoch in range(num_epochs): print('Epoch {}/{}'.format(epoch, num_epochs - 1)) print('-' * 10)
# 初始化参数 train_loss = 0.0 # 训练集损失函数 train_corrects = 0 # 训练集准确度 train_num = 0 # 训练集样本数量 val_loss = 0.0 # 验证集损失函数 val_corrects = 0 # 验证集准确度 val_num = 0 # 验证集样本数量 # 对每一个mini-batch进行训练和计算 for step, (b_x, b_y) in enumerate(traindataloader): if step < train_batch_num: # 使用数据集的80%用于训练 model.train() # 设置模型为训练模式，启用Batch Normalization和Dropout output = model(b_x) # 前向传播过程，输入为一个batch，输出为一个batch中对应的预测 pre_lab = torch.argmax(output, 1) # 查找每一行中最大值对应的行标 loss = criterion(output, b_y) # 计算每一个batch的损失函数 optimizer.zero_grad() # 将梯度初始化为0 loss.backward() # 反向传播计算 optimizer.step() # 根据网络反向传播的梯度信息来更新网络的参数，以起到降低loss函数计算值的作用 train_loss += loss.item() * b_x.size(0) # 对损失函数进行累加 train_corrects += torch.sum(pre_lab == b_y.data) # 如果预测正确，则准确度train_corrects加1 train_num += b_x.size(0) # 当前用于训练的样本数量 else: # 使用数据集的20%用于验证 model.eval() # 设置模型为评估模式，不启用Batch Normalization和Dropout output = model(b_x) # 前向传播过程，输入为一个batch，输出为一个batch中对应的预测 pre_lab = torch.argmax(output, 1) # 查找每一行中最大值对应的行标 loss = criterion(output, b_y) # 计算每一个batch中64个样本的平均损失函数 val_loss += loss.item() * b_x.size(0) # 将验证集中每一个batch的损失函数进行累加 val_corrects += torch.sum(pre_lab == b_y.data) # 如果预测正确，则准确度val_corrects加1 val_num += b_x.size(0) # 当前用于验证的样本数量
# 计算并保存每一次迭代的成本函数和准确率 train_loss_all.append(train_loss / train_num) # 计算并保存训练集的成本函数 train_acc_all.append(train_corrects.double().item() / train_num) # 计算并保存训练集的准确率 val_loss_all.append(val_loss / val_num) # 计算并保存验证集的成本函数 val_acc_all.append(val_corrects.double().item() / val_num) # 计算并保存验证集的准确率 print('{} Train Loss: {:.4f} Train Acc: {:.4f}'.format(epoch, train_loss_all[-1], train_acc_all[-1])) print('{} Val Loss: {:.4f} Val Acc: {:.4f}'.format(epoch, val_loss_all[-1], val_acc_all[-1]))
# 寻找最高准确度 if val_acc_all[-1] > best_acc: best_acc = val_acc_all[-1] # 保存当前的最高准确度 best_model_wts = copy.deepcopy(model.state_dict()) # 保存当前最高准确度下的模型参数 time_use = time.time() - since # 计算耗费时间 print("Train and val complete in {:.0f}m {:.0f}s".format(time_use // 60, time_use % 60))
# 选择最优参数 model.load_state_dict(best_model_wts) # 加载最高准确度下的模型参数 train_process = pd.DataFrame(data={"epoch": range(num_epochs), "train_loss_all": train_loss_all, "val_loss_all": val_loss_all, "train_acc_all": train_acc_all, "val_acc_all": val_acc_all} ) # 将每一代的损失函数和准确度保存为DataFrame格式
# 显示每一次迭代后的训练集和验证集的损失函数和准确率 plt.figure(figsize=(12, 4)) plt.subplot(1, 2, 1) plt.plot(train_process['epoch'], train_process.train_loss_all, "ro-", label="Train loss") plt.plot(train_process['epoch'], train_process.val_loss_all, "bs-", label="Val loss") plt.legend() plt.xlabel("epoch") plt.ylabel("Loss") plt.subplot(1, 2, 2) plt.plot(train_process['epoch'], train_process.train_acc_all, "ro-", label="Train acc") plt.plot(train_process['epoch'], train_process.val_acc_all, "bs-", label="Val acc") plt.xlabel("epoch") plt.ylabel("acc") plt.legend() plt.show()
return model, train_process
接下来开始对模型进行训练和测试，其中优化算法使用了Adam优化器，学习率设置为0.0003，损失函数为交叉熵函数。然后调用train_model()函数将训练集train_loader的80%用于训练，20%用于验证，一共训练25轮。
# 训练和测试模型def train_model_process(myconvnet): optimizer = torch.optim.Adam(myconvnet.parameters(), lr=0.0003) # 使用Adam优化器，学习率为0.0003 criterion = nn.CrossEntropyLoss() # 损失函数为交叉熵函数 train_loader, class_label = train_data_process() # 加载训练集 test_data_x, test_data_y = test_data_process() # 加载测试集 myconvnet, train_process = train_model(myconvnet, train_loader, 0.8, criterion, optimizer, num_epochs=25) # 进行模型训练
# 对测试集进行预测 myconvnet.eval() # 设置模型为评估模式，不启用Batch Normalization和Dropout output = myconvnet(test_data_x) # 前向传播过程，输入为测试数据集，输出为对每个样本的预测 pre_lab = torch.argmax(output, 1) # 查找每一行中最大值对应的行标 acc = accuracy_score(test_data_y, pre_lab) # 计算分类准确率 print("val_acc:", acc)
# 计算混淆矩阵并可视化 conf_mat = confusion_matrix(test_data_y, pre_lab) df_cm = pd.DataFrame(conf_mat, index=class_label, columns=class_label) heatmap = sns.heatmap(df_cm, annot=True, fmt="d", cmap="YlGnBu") heatmap.yaxis.set_ticklabels(heatmap.yaxis.get_ticklabels(), rotation=0, ha='right') heatmap.xaxis.set_ticklabels(heatmap.xaxis.get_ticklabels(), rotation=45, ha='right') plt.ylabel('True label') plt.xlabel('Predicted label') plt.show()
在模型训练过程中，损失函数和分类准确率的变化曲线如下。可以看到，损失函数在训练集上迅速减小，在验证集上先减小然后逐渐收敛到一个很小的区间，说明模型已经稳定。分类准确率在训练集上一直在增大，而在验证集上逐渐收敛到一个小的区间内。
为了得到计算模型的泛化能力，将测试集给到训练好的模型进行预测，从而得到在测试集上的预测准确率（如下图）。
针对测试样本的预测结果，使用混淆矩阵表示并将其可视化，观察其在每类数据上的预测情况（如下图）。可以看到，最容易预测发生错误的是T-shirt和Shirt，相互预测出错的样本量超过了100个。
5. 运行程序
如下是主函数中的内容，创建一个类ConvNet的对象，并对该卷积神经网络进行训练和预测。
if __name__ == '__main__': convnet = ConvNet() train_model_process(convnet)
注：在之前的程序中配置了使用多个进程同时加载训练集数据，多进程的使用必须在main()函数中进行，否则会在执行过程中报错。
评论（0）
您还未登录，请登录后发表或查看评论