• PyTorch实战:经典模型LeNet5实现手写体识别


    在上一篇博客CNN核心概念理解中,我们以LeNet为例介绍了CNN的重要概念。在这篇博客中,我们将利用著名深度学习框架PyTorch实现LeNet5,并且利用它实现手写体字母的识别。训练数据采用经典的MNIST数据集。本文主要分为两个部分,一是如何使用PyTorch实现LeNet模型,二是实现数据准备、定义网络、定义损失函数、训练、测试等完整流程。

    一、LeNet模型定义

    LeNet是识别手写字母的经典网络,虽然年代久远,但从学习的角度仍不失为一个优秀的范例。要实现这个网络,首先来看看这个网络的结构:

    这是一个简单的前向传播的网络,它接受32x32图片作为输入,经过卷积、池化和全连接层的计算,最终给出输出结果。实现的过程并不复杂:

     1 from torch import nn
     2 from torch.nn import functional as F
     3 
     4 class LeNet(nn.Module):
     5     def __init__(self):
     6         super(LeNet, self).__init__()
     7         # 1 input image channel, 6 output channels, 5x5 square convolution
     8         self.conv1 = nn.Conv2d(1, 6, 5, padding=2)
     9         self.conv2 = nn.Conv2d(6, 16, 5)
    10         # an affine operation: y = Wx + b
    11         self.fc1 = nn.Linear(16 * 5 * 5, 120)
    12         self.fc2 = nn.Linear(120, 84)
    13         self.fc3 = nn.Linear(84, 10)
    14         
    15         
    16     def forward(self, x):
    17         x = F.relu(self.conv1(x))
    18         # Max pooling over a (2, 2) window
    19         x = F.max_pool2d(x, 2)
    20         x = F.relu(self.conv2(x))
    21         x = F.max_pool2d(x, 2)
    22 
    23         x = x.view(x.size(0), -1)
    24         x = F.relu(self.fc1(x))
    25         x = F.relu(self.fc2(x))
    26         x = self.fc3(x)
    27         return x

    我们继承了nn.Module模块,在__init__中完成了卷积层和全连接层的初始化。值得注意的是由于池化层没有参数,因此并没有一起初始化。初始化参数包括输入个数、输出个数,卷积层的参数还有卷积核大小。除此之外在第一个卷积层C1中还定义了padding,这是因为数据集中图片是28x28的,padding=2表明输入的时候在图片四周各填充2个像素的空白,将输入变成了32x32。

    在forward中我们实现了前向传播。这里我们根据定义对输入依次进行卷积、激活、池化等操作,最后返回计算结果。在全连接层之前,有一个对数据的展开操作,我们使用Tensor的view函数实现,这个函数可以将Tensor转变成任意合法的形状。我们只定义了forward函数,而没有定义backword函数,这是因为PyTorch的自动微分功能自动帮我们完成了反向传播的定义。

    LeNet模型这样就定义完成了。但是需要注意的是,这个网络和最初LeCun论文中的实现略有不同:

    • 原始论文中C3与S2并不是全连接而是部分连接,这样能减少部分计算量。而现代CNN模型中,比如AlexNet,ResNet等,都采取全连接的方式了。我们的实现在这里做了一些简化。
    • 原文中使用双曲正切作为激活函数,而我们使用了收敛速度更快的ReLu函数。
    • 按照原文描述,网络最后一层为高斯连接层。而我们为了简单起见还是用了全连接层。

    LeNet其实是一个比较“古老”的模型了,我们不必追求完美的复现,理解其中关键的概念即可。

    二、准备数据

    为PyTorch准备数据非常方便。对于一些经典数据集,PyTorch已经将它们封装好了,我们可以直接拿来用。当然MNIST数据集也在此列,但是我们仍然定义了自己的数据集,因为这种方法可以处理更通用的情况。为了定义自己的数据集,首先要继承torch.utils.data.database类,然后实现至少__getitem__和__len__两个方法。

     1 import gzip, struct
     2 import numpy as np
     3 import torch.utils.data as data
     4 
     5 class MnistDataset(data.Dataset):
     6     def __init__(self, path, train=True):
     7         self.path = path
     8         if train:
     9             X, y = self._read('train-images-idx3-ubyte.gz', 
    10                               'train-labels-idx1-ubyte.gz')
    11         else:
    12             X, y = self._read('t10k-images-idx3-ubyte.gz', 
    13                               't10k-labels-idx1-ubyte.gz')
    14             
    15         self.images = torch.from_numpy(X.reshape(-1, 1, 28, 28)).float()
    16         self.labels = torch.from_numpy(y.astype(int))
    17         
    18     def __getitem__(self, index):
    19         return self.images[index], self.labels[index]
    20 
    21     def __len__(self):
    22         return len(self.images)
    23 
    24     def _read(self, image, label):
    25         with gzip.open(self.path + image, 'rb') as fimg:
    26             magic, num, rows, cols = struct.unpack(">IIII", fimg.read(16))
    27             X = np.frombuffer(fimg.read(), dtype=np.uint8).reshape(-1, rows, cols)
    28         with gzip.open(self.path + label) as flbl:
    29             magic, num = struct.unpack(">II", flbl.read(8))
    30             y = np.frombuffer(flbl.read(), dtype=np.int8)
    31         return X, y

    由于官网上提供的MNIST数据集是gzip压缩格式,因此我们在读取的时候首先要解压,然后转成numpy形式,最后转成Tensor保存起来。之后在__getitem__中返回相应的数据和类别就可以了,__len__函数直接返回数据集的大小。由于MNIST数据集有训练和测试两部分,因此需要分类处理。

    三、使用数据训练网络

    我们首先用DataLoader类加载数据集,DataLoader负责将数据转化成适当的形式放入模型训练。使用DataLoader可以方便地控制微批次大小、线程数等参数。

    1 train_dataset = MnistDataset('./data/')
    2 train_loader = data.DataLoader(train_dataset, shuffle=True, batch_size=256, 
    3                           num_workers=4)

    这时候可以测试数据有没有成功加载进来,如图所示。

     下一步定义评价函数和优化器,这一步很重要,但不是本文重点。直接给出代码:

    1 criterion = nn.CrossEntropyLoss(reduction='sum')
    2 optimizer = optim.Adam(net.parameters(), lr=1e-3, betas=(0.9, 0.99))

     最后的给出训练过程的简化版。这个两层循环就是实际的训练过程,外层循环控制遍历数据集的次数,内层循环控制每一次参数更新。

    1 for epoch in range(5):
    2     for (inputs, label) in train_loader:
    3         # zero the parameter gradients
    4         optimizer.zero_grad()
    5         # forward + backward + optimize
    6         output = net(inputs)
    7         loss = criterion(output, label)
    8         loss.backward()
    9         optimizer.step()

    三、模型评估

    模型经过训练之后,将测试集输入放入模型,将输出和标签比对可以计算出模型的准确率等信息,进而对模型不断优化。此外如果想要了解模型到底学到了什么东西,还可以将中间层结果输出。如图所示:

    这部分代码没有给出,完整代码可以到Github页面查看。

  • 相关阅读:
    iview日期控件获取的数据的转换
    使用vue+iview Form组件 按enter键阻止页面刷新
    vue组件的创建和使用(小功能)
    vue获取本地图片展示到页面上方法
    jQuery ajax
    copy网站小工具
    echarts柱状图颜色设置:echarts柱状图如何设置不同颜色?(代码)
    mysql数据库my.ini配置文件中文详解
    mysql创建流水号
    博客园加入网易云音乐
  • 原文地址:https://www.cnblogs.com/cocode/p/10183410.html
Copyright © 2020-2023  润新知