【AI】PyTorch入门（二）：训练与预测
1、AI训练、预测步骤
采集数据
标注数据
加载数据
预处理数据
创建模型
训练——优化模型参数
保存模型及参数
加载模型及参数
预测
2、采集数据
以图像处理为例，获取需要的图像数据，将它们缩放成需要的分辨率，分辨率大小和所创建的模型有关。
3、标注数据
在有监督的机器学习中，一般会对图片做以下处理：
如果是检测，需要标记检测物在图片中的坐标、大小；
如果是分类，将不同类别的图片放入不同的文件夹中。
4、加载数据
PyTorch 提供特定领域的库，例如：处理文本数据处理库TorchText、 图像数据处理库TorchVision和音频波形处理库TorchAudio。所有这些库都包含数据集，例如TorchVision中的datasets可以下载 CIFAR、COCO、FashionMNIST 等数据集。
我们以FashionMNIST为例。
Fashion-MNIST：替代MNIST手写数字集的图像数据集，该数据集由衣服、鞋子等服饰组成，包含70000张图像，其中60000张训练图像加10000张测试图像，图像大小为28x28，单通道，共分10个类，如下图，每三行为一类。
# 导入库
import torch
from torch import nn
from torch.utils.data import DataLoader
from torchvision import datasets
from torchvision.transforms import ToTensor
# 训练集
training_data = datasets.FashionMNIST(
root="data",
train=True,
download=True,
transform=ToTensor(),
)
#测试集
test_data = datasets.FashionMNIST(
root="data",
train=False,
download=True,
transform=ToTensor(),
)
幸运的话，会打印下载信息，如下所示：
Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/train-images-idx3-ubyte.gz
Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/train-images-idx3-ubyte.gz to data\FashionMNIST\raw\train-images-idx3-ubyte.gz
100.0%
Extracting data\FashionMNIST\raw\train-images-idx3-ubyte.gz to data\FashionMNIST\raw
Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/train-labels-idx1-ubyte.gz
Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/train-labels-idx1-ubyte.gz to data\FashionMNIST\raw\train-labels-idx1-ubyte.gz
100.0%
Extracting data\FashionMNIST\raw\train-labels-idx1-ubyte.gz to data\FashionMNIST\raw
Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/t10k-images-idx3-ubyte.gz
Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/t10k-images-idx3-ubyte.gz to data\FashionMNIST\raw\t10k-images-idx3-ubyte.gz
100.0%
Extracting data\FashionMNIST\raw\t10k-images-idx3-ubyte.gz to data\FashionMNIST\raw
Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/t10k-labels-idx1-ubyte.gz
Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/t10k-labels-idx1-ubyte.gz to data\FashionMNIST\raw\t10k-labels-idx1-ubyte.gz
100.0%
Extracting data\FashionMNIST\raw\t10k-labels-idx1-ubyte.gz to data\FashionMNIST\raw
5、预处理数据
# 每批次大小设为64
batch_size = 64
# 将 torchvision.datasets 交给 torch.utils.data.DataLoader 处理
train_dataloader = DataLoader(training_data, batch_size=batch_size)
test_dataloader = DataLoader(test_data, batch_size=batch_size)
# N代表数量， C代表channel，H代表高度，W代表宽度
for X, y in test_dataloader:
print(f"Shape of X [N, C, H, W]: {X.shape}")
print(f"Shape of y: {y.shape} {y.dtype}")
break
输出
Shape of X [N, C, H, W]: torch.Size([64, 1, 28, 28])
Shape of y: torch.Size([64]) torch.int64
N代表数量-每批次64张图片；
C代表channel-单通道；
H代表高度、W代表宽度，对应分辨率28*28
6、创建模型
# 如果GPU可用，将数据导入GPU上
device = "cuda" if torch.cuda.is_available() else "cpu"
print(f"Using {device} device")
# 从torch.nn.Module的类，nn.Module 是 PyTorch 体系下所有神经网络模块的基类
class NeuralNetwork(nn.Module):
def __init__(self):
super(NeuralNetwork, self).__init__()
# torch.nn.flatten是一个类，作用为将连续的几个维度展平成一个tensor
self.flatten = nn.Flatten()
# 用于定义 linear_relu_stack，由多层神经网络构成；
# Sequential 意为其下定义的多层操作一个接一个按顺序进行，把它们前后全部拼接在一起。
self.linear_relu_stack = nn.Sequential(
# nn.Linear 是全连接层，28 * 28 表示输入维度数量，512 表示下一层输出数量
nn.Linear(28*28, 512),
# ReLU：激活函数
nn.ReLU(),
nn.Linear(512, 512),
nn.ReLU(),
nn.Linear(512, 10)
)
# 向前传播
def forward(self, x):
x = self.flatten(x)
logits = self.linear_relu_stack(x)
return logits
model = NeuralNetwork().to(device)
print(model)
打印信息
Using cpu device
# 打印网络结构
NeuralNetwork(
(flatten): Flatten(start_dim=1, end_dim=-1)
(linear_relu_stack): Sequential(
(0): Linear(in_features=784, out_features=512, bias=True)
(1): ReLU()
(2): Linear(in_features=512, out_features=512, bias=True)
(3): ReLU()
(4): Linear(in_features=512, out_features=10, bias=True)
)
)
关于激活函数：
如果不用激励函数（其实相当于激励函数是f(x) = x），在这种情况下你每一层节点的输入都是上层输出的线性函数，很容易验证，无论你神经网络有多少层，输出都是输入的线性组合，与没有隐藏层效果相当，这种情况就是最原始的感知机（Perceptron）了，那么网络的逼近能力就相当有限。正因为上面的原因，需要引入非线性函数作为激励函数，这样深层神经网络表达能力就更加强大（不再是输入的线性组合，而是几乎可以逼近任意函数）。
7、训练——优化模型参数
定义损失函数和优化器
# loss_fn：损失函数，计算实际输出和真实相差多少；
# CrossEntropyLoss：交叉熵损失函数，做图片分类任务时常用的损失函数。
loss_fn = nn.CrossEntropyLoss()
# optimizer：优化器，用来训练时候优化模型参数
# SGD：表示随机梯度下降，用于控制实际输出y与真实y之间的相差有多大
optimizer = torch.optim.SGD(model.parameters(), lr=1e-3)
训练函数，基本流程是：预测、计算误差、梯度置0、反向传播、优化参数
def train(dataloader, model, loss_fn, optimizer):
size = len(dataloader.dataset)
# 训练模式
model.train()
for batch, (X, y) in enumerate(dataloader):
X, y = X.to(device), y.to(device)
# 获取预测结果
pred = model(X)
# 计算预测误差
loss = loss_fn(pred, y)
# 优化器工作之前先将梯度置0，进行归零操作
optimizer.zero_grad()
# 反向传播
loss.backward()
# 优化参数
optimizer.step()
# 每100次打印一次信息
if batch % 100 == 0:
# loss 值越低越好，预测值与真实值越来越靠近，这说明模型设计成功
loss, current = loss.item(), batch * len(X)
print(f"loss: {loss:>7f} [{current:>5d}/{size:>5d}]")
评估函数
def test(dataloader, model, loss_fn):
size = len(dataloader.dataset)
num_batches = len(dataloader)
# 评估模式
model.eval()
test_loss, correct = 0, 0
with torch.no_grad():
for X, y in dataloader:
X, y = X.to(device), y.to(device)
pred = model(X)
test_loss += loss_fn(pred, y).item()
correct += (pred.argmax(1) == y).type(torch.float).sum().item()
test_loss /= num_batches
correct /= size
print(f"Test Error: \n Accuracy: {(100*correct):>0.1f}%, Avg loss: {test_loss:>8f} \n")
开始迭代训练、评估
# 迭代训练五次
epochs = 5
for t in range(epochs):
print(f"Epoch {t+1}\n-------------------------------")
train(train_dataloader, model, loss_fn, optimizer)
test(test_dataloader, model, loss_fn)
print("Done!")
打印信息
Epoch 1
-------------------------------
loss: 2.298977 [ 0/60000]
loss: 2.287373 [ 6400/60000]
loss: 2.271695 [12800/60000]
loss: 2.266561 [19200/60000]
loss: 2.257005 [25600/60000]
loss: 2.214672 [32000/60000]
loss: 2.223222 [38400/60000]
loss: 2.189051 [44800/60000]
loss: 2.183618 [51200/60000]
loss: 2.148876 [57600/60000]
Test Error:
Accuracy: 41.0%, Avg loss: 2.148859
略...
Epoch 5
-------------------------------
loss: 1.321847 [ 0/60000]
略...
loss: 1.059822 [57600/60000]
Test Error:
Accuracy: 64.3%, Avg loss: 1.081540
Done!
8、保存模型及参数
保存模型的常用方法是序列化模型及参数。将模型和参数保存到文件中。
torch.save(model.state_dict(), "model.pth")
9、加载模型及参数
import torch
from torch import nn
from torchvision.transforms import ToTensor
class NeuralNetwork(nn.Module):
def __init__(self):
super(NeuralNetwork, self).__init__()
# torch.nn.flatten是一个类，作用为将连续的几个维度展平成一个tensor
self.flatten = nn.Flatten()
# 用于定义 linear_relu_stack，由多层神经网络构成；
# Sequential 意为其下定义的多层操作一个接一个按顺序进行，把它们前后全部拼接在一起。
self.linear_relu_stack = nn.Sequential(
# nn.Linear 是全连接层，28 * 28 表示输入维度数量，512 表示下一层输出数量
nn.Linear(28*28, 512),
# ReLU：激活函数
nn.ReLU(),
nn.Linear(512, 512),
nn.ReLU(),
nn.Linear(512, 10)
)
modelRun = NeuralNetwork()
modelRun.load_state_dict(torch.load("model.pth"))
加载成功，将会输出打印信息，大意是序列化文件中的模型及参数可以加载到运行模型中。
<All keys matched successfully>
10、预测
FashionMNIST数据集标注为0~9，数字对应的服装名称定义在classes中
classes = [
"T-shirt/top",
"Trouser",
"Pullover",
"Dress",
"Coat",
"Sandal",
"Shirt",
"Sneaker",
"Bag",
"Ankle boot",
]
# 加载评估模型
modelRun.eval()
# 从测试集中获取一张图片及对应的标签，例如获取第六张图片，下标为5
x, y = test_data[5][0], test_data[5][1]
print(f'x.shape = "{x.shape}" ')
print(f'y= "{y}" ')
# 预测时，不会向后传播、梯度更新，只会向前推理（no_grad）
with torch.no_grad():
pred = modelRun(x)
print(f'pred= "{pred}" ')
# 得到预测类别中最高的那一类，再把最高的这一类对应 classes 中的哪一个标签。
predicted, actual = classes[pred[0].argmax(0)], classes[y]
print(f'Predicted: "{predicted}", Actual: "{actual}"')
输出结果
x.shape = "torch.Size([1, 28, 28])"
y= "1"
pred= "tensor([[ 2.1079, 3.4801, 0.4381, 2.6778, 1.0602, -2.3333, 0.9451, -3.2445,
-1.9010, -3.4177]])"
Predicted: "Trouser", Actual: "Trouser"