深度學(xué)習(xí)中有很多玩具數(shù)據(jù)，mnist就是其中一個，一個人能否入門深度學(xué)習(xí)往往就是以能否玩轉(zhuǎn)mnist數(shù)據(jù)來判斷的，在前面很多基礎(chǔ)介紹后我們就可以來實現(xiàn)一個簡單的手寫數(shù)字識別的網(wǎng)絡(luò)了
我們使用pytorch自帶的包進行數(shù)據(jù)的預(yù)處理
import torch import torchvision import torchvision.transforms as transforms import numpy as np import matplotlib.pyplot as plt transform = transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.5), (0.5)) ]) trainset = torchvision.datasets.MNIST(root='./data', train=True, download=True, transform=transform) trainloader = torch.utils.data.DataLoader(trainset, batch_size=32, shuffle=True,num_workers=2)
注釋:transforms.Normalize用于數(shù)據(jù)的標準化，具體實現(xiàn)
mean:均值 總和后除個數(shù)
std:方差 每個元素減去均值再平方再除個數(shù)
norm_data = (tensor - mean) / std
這里就直接將圖片標準化到了-1到1的范圍，標準化的原因就是因為如果某個數(shù)在數(shù)據(jù)中很大很大，就導(dǎo)致其權(quán)重較大，從而影響到其他數(shù)據(jù)，而本身我們的數(shù)據(jù)都是平等的，所以標準化后將數(shù)據(jù)分布到-1到1的范圍，使得所有數(shù)據(jù)都不會有太大的權(quán)重導(dǎo)致網(wǎng)絡(luò)出現(xiàn)巨大的波動
trainloader現(xiàn)在是一個可迭代的對象，那么我們可以使用for循環(huán)進行遍歷了，由于是使用yield返回的數(shù)據(jù)，為了節(jié)約內(nèi)存
def imshow(img): img = img / 2 + 0.5 # unnormalize npimg = img.numpy() plt.imshow(np.transpose(npimg, (1, 2, 0))) plt.show() # torchvision.utils.make_grid 將圖片進行拼接 imshow(torchvision.utils.make_grid(iter(trainloader).next()[0]))
from torch import nn
import torch.nn.functional as F
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.conv1 = nn.Conv2d(in_channels=1, out_channels=28, kernel_size=5) # 14
self.pool = nn.MaxPool2d(kernel_size=2, stride=2) # 無參數(shù)學(xué)習(xí)因此無需設(shè)置兩個
self.conv2 = nn.Conv2d(in_channels=28, out_channels=28*2, kernel_size=5) # 7
self.fc1 = nn.Linear(in_features=28*2*4*4, out_features=1024)
self.fc2 = nn.Linear(in_features=1024, out_features=10)
def forward(self, inputs):
x = self.pool(F.relu(self.conv1(inputs)))
x = self.pool(F.relu(self.conv2(x)))
x = x.view(inputs.size()[0],-1)
x = F.relu(self.fc1(x))
return self.fc2(x)
下面是卷積的動態(tài)演示
in_channels:為輸入通道數(shù) 彩色圖片有3個通道 黑白有1個通道
out_channels:輸出通道數(shù)
kernel_size:卷積核的大小
stride:卷積的步長
padding:外邊距大小
輸出的size計算公式
MaxPool2d:是沒有參數(shù)進行運算的
net = Net()
opt = torch.optim.Adam(params=net.parameters(), lr=0.001)
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
net.to(device)
Net( (conv1): Conv2d(1, 28, kernel_size=(5, 5), stride=(1, 1)) (pool): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False) (conv2): Conv2d(28, 56, kernel_size=(5, 5), stride=(1, 1)) (fc1): Linear(in_features=896, out_features=1024, bias=True) (fc2): Linear(in_features=1024, out_features=10, bias=True) )
for epoch in range(50):
for images, labels in trainloader:
images = images.to(device)
labels = labels.to(device)
pre_label = net(images)
loss = F.cross_entropy(input=pre_label, target=labels).mean()
pre_label = torch.argmax(pre_label, dim=1)
acc = (pre_label==labels).sum()/torch.tensor(labels.size()[0], dtype=torch.float32)
net.zero_grad()
loss.backward()
opt.step()
print(acc.detach().cpu().numpy(), loss.detach().cpu().numpy())
F.cross_entropy交叉熵函數(shù)
源碼中已經(jīng)幫助我們實現(xiàn)了softmax因此不需要自己進行softmax操作了
torch.argmax計算最大數(shù)所在索引值
acc = (pre_label==labels).sum()/torch.tensor(labels.size()[0], dtype=torch.float32) # pre_label==labels 相同維度進行比較相同返回True不同的返回False，True為1 False為0, 即可獲取到相等的個數(shù)，再除總個數(shù)，就得到了Accuracy準確度了
testset = torchvision.datasets.MNIST(root='./data', train=False, download=True, transform=transform) testloader = torch.utils.data.DataLoader(testset, batch_size=128, shuffle=True,num_workers=2) images, labels = iter(testloader).next() images = images.to(device) labels = labels.to(device) with torch.no_grad(): pre_label = net(images) pre_label = torch.argmax(pre_label, dim=1) acc = (pre_label==labels).sum()/torch.tensor(labels.size()[0], dtype=torch.float32) print(acc)
本節(jié)我們了解了標準化數(shù)據(jù)·、卷積的原理、簡答的構(gòu)建了一個網(wǎng)絡(luò)，并讓它去識別手寫體，也是對前面章節(jié)的總匯了
到此這篇關(guān)于超詳細PyTorch實現(xiàn)手寫數(shù)字識別器的示例代碼的文章就介紹到這了,更多相關(guān)PyTorch 手寫數(shù)字識別器內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
