「@Author：Runsen」

圖像識別本質(zhì)上是一種計算機視覺技術(shù)，它賦予計算機“眼睛”，讓計算機通過圖像和視頻“看”和理解世界。

在開始閱讀本文之前，建議先了解一下什么是tensor、什么是torch.autograd以及如何在 PyTorch 中構(gòu)建神經(jīng)網(wǎng)絡(luò)模型。

CIFAR-10 數(shù)據(jù)集

本教程使用具有 10 個類的CIFAR10 數(shù)據(jù)集：‘a(chǎn)irplane’, ‘a(chǎn)utomobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, 和‘truck’.

構(gòu)建圖像分類模型的 5 個步驟

• 加載并標準化訓(xùn)練和測試數(shù)據(jù)

• 定義卷積神經(jīng)網(wǎng)絡(luò) (CNN)

• 定義損失函數(shù)和優(yōu)化器

• 在訓(xùn)練數(shù)據(jù)上訓(xùn)練模型

• 在測試數(shù)據(jù)上測試模型

首先，我們導(dǎo)入庫matplotlib和numpy. 這些分別是繪圖和數(shù)據(jù)轉(zhuǎn)換的基本庫。

import?matplotlib.pyplot?as?plt?#?for?plotting import?numpy?as?np?#?for?transformationimport?torch?#?PyTorch?package import?torchvision?#?load?datasets import?torchvision.transforms?as?transforms?#?transform?data import?torch.nn?as?nn?#?basic?building?block?for?neural?neteorks import?torch.nn.functional?as?F?#?import?convolution?functions?like?Relu import?torch.optim?as?optim?#?optimzer

• torchvision 用于加載流行的數(shù)據(jù)集

• torchvision.transforms 用于對圖像數(shù)據(jù)進行變換

• torch.nn 用于定義神經(jīng)網(wǎng)絡(luò)

• torch.nn.functional 用于導(dǎo)入 Relu 等函數(shù)

• torch.optim 用于實現(xiàn)優(yōu)化算法，例如隨機梯度下降 (SGD)

在加載數(shù)據(jù)之前，首先定義一個應(yīng)用于 CIFAR10 數(shù)據(jù)集中的圖像數(shù)據(jù)的轉(zhuǎn)換器transform。

#將多個變換組合在一起 transform?=?transforms.Compose(?#?to?tensor?object[transforms.ToTensor(),?#??mean?=?0.5,?std?=?0.5transforms.Normalize((0.5,?0.5,?0.5),?(0.5,?0.5,?0.5))])?#?設(shè)置?batch_size batch_size?=?4#?設(shè)置?num_workers num_workers?=?2#?加載train數(shù)據(jù) 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=num_workers)#?加載test數(shù)據(jù) 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=num_workers)#?10個label classes?=?('plane',?'car',?'bird',?'cat','deer',?'dog',?'frog',?'horse',?'ship',?'truck')

在上面代碼，首先將想要的轉(zhuǎn)換并將其放入括號列表中[]并將其傳遞給transforms.Compose()函數(shù)。這里有這兩個轉(zhuǎn)換：

• ToTensor()

將 CIFAR10 數(shù)據(jù)集中的類型圖像轉(zhuǎn)換為由 Python 圖像庫 ( PIL ) 圖像組成的張量，縮放到[0,1]。

• Normalize(mean, std)

mean 和 std 參數(shù)的參數(shù)數(shù)量取決于 PIL 圖像的模式，由于PIL 圖像是 RGB，這意味著它們具有三個通道——紅色、綠色和藍色，其范圍是[0,1]。設(shè)置mean = 0.5, std = 0.5，基于歸一化公式 : (x — mean) /std，最終得到[-1, 1] 的范圍。

接下來，我們將一些訓(xùn)練圖像可視化。

def?imshow(img):img?=?img?/?2?+?0.5?#?unnormalizenpimg?=?img.numpy()?#?numpy?objectsplt.imshow(np.transpose(npimg,?(1,?2,?0)))plt.show()#?利用ITER函數(shù)獲取隨機訓(xùn)練圖像 dataiter?=?iter(trainloader) images,?labels?=?dataiter.next()imshow(torchvision.utils.make_grid(images))#?print?the?class?of?the?image print('?'.join('%s'?%?classes[labels[j]]?for?j?in?range(batch_size)))

「定義CNN模型」

class?Net(nn.Module):def?__init__(self):super(Net,?self).__init__()#?3?input?image?channel,?6?output?channels,?#?5x5平方卷積核#?in_channels?=?3?因為我們的圖像是?RGBself.conv1?=?nn.Conv2d(3,?6,?5)#?Max?pooling?over?a?(2,?2)?windowself.pool?=?nn.MaxPool2d(2,?2)self.conv2?=?nn.Conv2d(6,?16,?5)?self.fc1?=?nn.Linear(16?*?5?*?5,?120)#?5x5?from?image?dimensionself.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)))#?展平?conv?層的輸出并將其提供給我們的全連接層x?=?x.flatten(1)#?x?=?x.view(-1,?16?*?5?*?5)x?=?F.relu(self.fc1(x))x?=?F.relu(self.fc2(x))x?=?self.fc3(x)return?xnet?=?Net() print(net)

定義一個損失函數(shù)和優(yōu)化器

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

訓(xùn)練模型

start?=?torch.cuda.Event(enable_timing=True) end?=?torch.cuda.Event(enable_timing=True)start.record()for?epoch?in?range(2):??#?loop?over?the?dataset?multiple?timesrunning_loss?=?0.0for?i,?data?in?enumerate(trainloader,?0):#?get?the?inputs;?data?is?a?list?of?[inputs,?labels]inputs,?labels?=?data#?zero?the?parameter?gradientsoptimizer.zero_grad()#?forward?+?backward?+?optimizeoutputs?=?net(inputs)loss?=?criterion(outputs,?labels)loss.backward()optimizer.step()#?print?statisticsrunning_loss?+=?loss.item()if?i?%?2000?==?1999:????#?print?every?2000?mini-batchesprint('[%d,?%5d]?loss:?%.3f'?%(epoch?+?1,?i?+?1,?running_loss?/?2000))running_loss?=?0.0#?whatever?you?are?timing?goes?here end.record()#?Waits?for?everything?to?finish?running torch.cuda.synchronize()print('Finished?Training') print(start.elapsed_time(end))??#?milliseconds

保存神經(jīng)網(wǎng)絡(luò)

#?save PATH?=?'./cifar_net.pth' torch.save(net.state_dict(),?PATH) #?reload net?=?Net() net.load_state_dict(torch.load(PATH))

「在測試數(shù)據(jù)上測試模型」

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

下面Testing on 10,000 images

correct?=?0 total?=?0 with?torch.no_grad():for?data?in?testloader:images,?labels?=?dataoutputs?=?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))

寫在后面

我們的模型準確度得分很低，那么有什么方法可以提高它呢？

• 調(diào)超參數(shù)

• 使用不同的優(yōu)化器

• 圖像數(shù)據(jù)增強

• 嘗試更復(fù)雜的架構(gòu)，例如ImageNet 模型

• 處理過擬合

往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載機器學(xué)習及深度學(xué)習筆記等資料打印機器學(xué)習在線手冊深度學(xué)習筆記專輯《統(tǒng)計學(xué)習方法》的代碼復(fù)現(xiàn)專輯 AI基礎(chǔ)下載機器學(xué)習的數(shù)學(xué)基礎(chǔ)專輯黃海廣老師《機器學(xué)習課程》課件合集 本站qq群851320808，加入微信群請掃碼：

總結(jié)

以上是生活随笔為你收集整理的【小白学习PyTorch教程】六、基于CIFAR-10 数据集，使用PyTorch 从头开始​​构建图像分类模型...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。