深度学习笔记01_mnist手写数字识别（pytorch）

🍨 本文为🔗365天深度学习训练营中的学习记录博客
🍖 原作者：K同学啊 | 接辅导、项目定制

一、我的环境：

1.语言环境：Python 3.8

2.编译器：Pycharm

3.深度学习环境：

torch==1.12.1+cu113
torchvision==0.13.1+cu113

二、GPU设置：

若使用的是cpu则可忽略

import torch

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
print(device)

三、导入数据：

这里使用dataset下载MNIST数据集，通过传递is_train划分好训练集与测试集。

torchvision.datasets是Pytorch自带的一个数据库，我们可以通过代码在线下载数据，这里使用的是torchvision.datasets中的MNIST数据集,该数据集训练集60000张图片，测试集20000张图片。

root (string) ：数据地址，默认‘data’
train (string) ：True-训练集，False-测试集
download (bool,optional) : 如果为True，从互联网上下载数据集，并把数据集放在root目录下。
transform (callable, optional )：这里的参数选择一个你想要的数据转化函数，直接完成数据转化。

train_ds = torchvision.datasets.MNIST('data',  
                                      train=is_train,  
                                      transform=torchvision.transforms.ToTensor(),  
                                      download=False)

torch.utils.data.DataLoader是Pytorch自带的一个数据加载器，结合了数据集和取样器，并且可以提供多个线程处理数据集。

dataset (string) ：加载的数据集
batch_size (int,optional) ：每批加载的样本大小（默认值：1）
shuffle (bool,optional) : 如果为True，每个epoch重新排列数据。

batch_size = 32

train_dl = torch.utils.data.DataLoader(train_ds,
                                       batch_size=batch_size,
                                       shuffle=True)

四、数据可视化：

import numpy as np

 # 指定图片大小，图像大小为20宽、5高的绘图(单位为英寸inch)
plt.figure(figsize=(20, 5)) 
for i, imgs in enumerate(imgs[:20]):
    # 维度缩减
    npimg = np.squeeze(imgs.numpy())
    # 将整个figure分成2行10列，绘制第i+1个子图。
    plt.subplot(2, 10, i+1)
    plt.imshow(npimg, cmap=plt.cm.binary)
    plt.axis('off')
    
plt.show()

运行结果：

五、构建简单的CNN网络

对于一般的CNN网络来说，都是由特征提取网络和分类网络构成，其中特征提取网络用于提取图片的特征，分类网络用于将图片进行分类。

nn.Conv2d为卷积层，用于提取图片的特征，传入参数为输入channel，输出channel，池化核大小

nn.MaxPool2d为池化层，进行下采样，用更高层的抽象表示图像特征，传入参数为池化核大小
nn.ReLU为激活函数，使模型可以拟合非线性数据
nn.Linear为全连接层，可以起到特征提取器的作用，最后一层的全连接层也可以认为是输出层，传入参数为输入特征数和输出特征数（输入特征数由特征提取网络计算得到，如果不会计算可以直接运行网络，报错中会提示输入特征数的大小，下方网络中第一个全连接层的输入特征数为1600）
nn.Sequential可以按构造顺序连接网络，在初始化阶段就设定好网络结构，不需要在前向传播中重新写一遍

网络结构图

import torch.nn.functional as F

num_classes = 10  # 图片的类别数

class Model(nn.Module):
     def __init__(self):
        super().__init__()
         # 特征提取网络
        self.conv1 = nn.Conv2d(1, 32, kernel_size=3)  # 第一层卷积,卷积核大小为3*3
        self.pool1 = nn.MaxPool2d(2)                  # 设置池化层，池化核大小为2*2
        self.conv2 = nn.Conv2d(32, 64, kernel_size=3) # 第二层卷积,卷积核大小为3*3   
        self.pool2 = nn.MaxPool2d(2) 
                                      
        # 分类网络
        self.fc1 = nn.Linear(1600, 64)          
        self.fc2 = nn.Linear(64, num_classes)
     # 前向传播
     def forward(self, x):
        x = self.pool1(F.relu(self.conv1(x)))     
        x = self.pool2(F.relu(self.conv2(x)))

        x = torch.flatten(x, start_dim=1)

        x = F.relu(self.fc1(x))
        x = self.fc2(x)
       
        return x

加载并打印模型

from torchinfo import summary
# 将模型转移到GPU中（我们模型运行均在GPU中进行）
model = Model().to(device)

summary(model)

运行结果：

六、训练函数

# 训练循环
def train(dataloader, model, loss_fn, optimizer):
    size = len(dataloader.dataset)  # 训练集的大小，一共60000张图片
    num_batches = len(dataloader)   # 批次数目，1875（60000/32）

    train_loss, train_acc = 0, 0  # 初始化训练损失和正确率
    
    for X, y in dataloader:  # 获取图片及其标签
        X, y = X.to(device), y.to(device)
        
        # 计算预测误差
        pred = model(X)          # 网络输出
        loss = loss_fn(pred, y)  # 计算网络输出和真实值之间的差距，targets为真实值，计算二者差值即为损失
        
        # 反向传播
        optimizer.zero_grad()  # grad属性归零
        loss.backward()        # 反向传播
        optimizer.step()       # 每一步自动更新
        
        # 记录acc与loss
        train_acc  += (pred.argmax(1) == y).type(torch.float).sum().item()
        train_loss += loss.item()
            
    train_acc  /= size
    train_loss /= num_batches

    return train_acc, train_loss

七、测试函数

def test (dataloader, model, loss_fn):
    size        = len(dataloader.dataset)  # 测试集的大小，一共10000张图片
    num_batches = len(dataloader)          # 批次数目，313（10000/32=312.5，向上取整）
    test_loss, test_acc = 0, 0
    
    # 当不进行训练时，停止梯度更新，节省计算内存消耗
    with torch.no_grad():
        for imgs, target in dataloader:
            imgs, target = imgs.to(device), target.to(device)
            
            # 计算loss
            target_pred = model(imgs)
            loss        = loss_fn(target_pred, target)
            
            test_loss += loss.item()
            test_acc  += (target_pred.argmax(1) == target).type(torch.float).sum().item()

    test_acc  /= size
    test_loss /= num_batches

    return test_acc, test_loss

八、模型训练

if __name__ == "__main__":
    main()

设置超参数

loss_fn = nn.CrossEntropyLoss() # 创建损失函数
learn_rate = 0.01 # 学习率
opt = torch.optim.SGD(model.parameters(),lr=learn_rate)

def main():
    epochs = 5
    train_loss = []
    train_acc = []
    test_loss = []
    test_acc = []

    model = Model()
    loss_fn = nn.CrossEntropyLoss()  # 创建损失函数
    learn_rate = 1e-2  # 学习率
    opt = torch.optim.SGD(model.parameters(), lr=learn_rate)
    for epoch in range(epochs):
        model.train()

        epoch_train_acc, epoch_train_loss = train(get_data_loader(True), model, loss_fn, opt)

        model.eval()
        epoch_test_acc, epoch_test_loss = test(get_data_loader(False), model, loss_fn)

        train_acc.append(epoch_train_acc)
        train_loss.append(epoch_train_loss)
        test_acc.append(epoch_test_acc)
        test_loss.append(epoch_test_loss)

        template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%，Test_loss:{:.3f}')
        print(
            template.format(epoch + 1, epoch_train_acc * 100, epoch_train_loss, epoch_test_acc * 100, epoch_test_loss))
    print('Done')

运行结果：

九、模型评估

warnings.filterwarnings("ignore")               #忽略警告信息
plt.rcParams['font.sans-serif']    = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False      # 用来正常显示负号
plt.rcParams['figure.dpi']         = 100        #分辨率

epochs_range = range(epochs)

plt.figure(figsize=(12, 3))
plt.subplot(1, 2, 1)

plt.plot(epochs_range, train_acc, label='Training Accuracy')
plt.plot(epochs_range, test_acc, label='Test Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')

plt.subplot(1, 2, 2)
plt.plot(epochs_range, train_loss, label='Training Loss')
plt.plot(epochs_range, test_loss, label='Test Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()

运行结果：

准确率曲线（左侧）：

该图表示准确率随着训练轮数变化的情况；可以看出随着训练轮数增加，训练集和验证集准确率不断增加，则表示模型没有过拟合，并且在训练和验证数据上均取得了良好的表现。

损失函数曲线（右侧）：

该图表示损失函数随着训练轮数的变化情况；可以看出随着训练轮数增加，训练集和验证集损失函数不断减少，则表示模型在训练和验证数据上均取得了良好的表现。

十、总结

本次基于深度学习的pytorch实现mnist手写数字识别项目总结如下：

1.第一次跟着博主文章练习深度学习，虽然可以运行成功代码，但代码里很多关于深度学习、pytorch相关技术不是很理解；

2.熟悉了pytorch框架下对数据加载、模型建立、训练模型的基本流程；

3.作为小白，还有一些该项目的遗留问题有：

虽然得到训练集的准确率，不知道该模型怎么预测，比如能拿测试集的图片，识别它是那个数字；
对CNN模型代码实现不理解真实含义，不了解什么输入层、隐藏层、输出层、池化、卷积；
现在只能看别人写好的代码，还不能自己搭建模型。

深度学习笔记01_mnist手写数字识别（pytorch）

一、我的环境：

二、GPU设置：

若使用的是cpu则可忽略

三、导入数据：

四、数据可视化：

五、构建简单的CNN网络

六、训练函数

七、测试函数

八、模型训练

九、模型评估

十、总结

悦读