位置: IT常识 - 正文

Pytorch:手把手教你搭建简单的卷积神经网络(CNN),实现MNIST数据集分类任务(pytorch教程)

编辑:rootadmin
Pytorch:手把手教你搭建简单的卷积神经网络(CNN),实现MNIST数据集分类任务 关于一些代码里的解释,可以看我上一篇发布的文章,里面有很详细的介绍!!!可以依次把下面的代码段合在一起运行,也可以通过jupyter notebook分次运行第一步:基本库的导入import numpy as npimport torchimport torch.nn as nnimport torchvisionimport torchvision.transforms as transformsfrom torch.utils.data import DataLoaderimport matplotlib.pyplot as pltimport timenp.random.seed(1234)第二步:引用MNIST数据集,这里采用的是torchvision自带的MNIST数据集#这里用的是torchvision已经封装好的MINST数据集trainset=torchvision.datasets.MNIST( root='MNIST', #root是下载MNIST数据集保存的路径,可以自行修改 train=True, transform=torchvision.transforms.ToTensor(), download=True)testset=torchvision.datasets.MNIST( root='MNIST', train=False, transform=torchvision.transforms.ToTensor(), download=True)trainloader = DataLoader(dataset=trainset, batch_size=100, shuffle=True) #DataLoader是一个很好地能够帮助整理数据集的类,可以用来分批次,打乱以及多线程等操作testloader = DataLoader(dataset=testset, batch_size=100, shuffle=True)

推荐整理分享Pytorch:手把手教你搭建简单的卷积神经网络(CNN),实现MNIST数据集分类任务(pytorch教程),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:pytorch官方教程,pytorch入门教程(非常详细),pytorch 60分钟教程,pytorch 入门教程,pytorch 快速入门,pytorch 60分钟教程,pytorch怎么入门,pytorch 60分钟教程,内容如对您有帮助,希望把文章链接给更多的朋友!

下载之后利用DataLoader实例化为适合遍历的训练集和测试集,我们把其中的某一批数据进行可视化,下面是可视化的代码,其实就是利用subplot画了子图。

#可视化某一批数据train_img,train_label=next(iter(trainloader)) #iter迭代器,可以用来便利trainloader里面每一个数据,这里只迭代一次来进行可视化fig, axes = plt.subplots(10, 10, figsize=(10, 10))axes_list = []#输入到网络的图像for i in range(axes.shape[0]): for j in range(axes.shape[1]): axes[i, j].imshow(train_img[i*10+j,0,:,:],cmap="gray") #这里画出来的就是我们想输入到网络里训练的图像,与之对应的标签用来进行最后分类结果损失函数的计算 axes[i, j].axis("off")#对应的标签print(train_label)

  第三步:用pytorch搭建简单的卷积神经网络(CNN)

 这里把卷积模块单独拿出来作为一个类,看上去会舒服一点。

#卷积模块,由卷积核和激活函数组成class conv_block(nn.Module): def __init__(self,ks,ch_in,ch_out): super(conv_block,self).__init__() self.conv = nn.Sequential( nn.Conv2d(ch_in, ch_out, kernel_size=ks,stride=1,padding=1,bias=True), #二维卷积核,用于提取局部的图像信息 nn.ReLU(inplace=True), #这里用ReLU作为激活函数 nn.Conv2d(ch_out, ch_out, kernel_size=ks,stride=1,padding=1,bias=True), nn.ReLU(inplace=True), ) def forward(self,x): return self.conv(x)

下面是CNN主体部分,由上面的卷积模块和全连接分类器组合而成。这里只用了简单的几个卷积块进行堆叠,没有采用池化以及dropout的操作。主要目的是给大家简单搭建一下以便学习。

#常规CNN模块(由几个卷积模块堆叠而成)class CNN(nn.Module): def __init__(self,kernel_size,in_ch,out_ch): super(CNN, self).__init__() feature_list = [16,32,64,128,256] #代表每一层网络的特征数,扩大特征空间有助于挖掘更多的局部信息 self.conv1 = conv_block(kernel_size,in_ch,feature_list[0]) self.conv2 = conv_block(kernel_size,feature_list[0],feature_list[1]) self.conv3 = conv_block(kernel_size,feature_list[1],feature_list[2]) self.conv4 = conv_block(kernel_size,feature_list[2],feature_list[3]) self.conv5 = conv_block(kernel_size,feature_list[3],feature_list[4]) self.fc = nn.Sequential( #全连接层主要用来进行分类,整合采集的局部信息以及全局信息 nn.Linear(feature_list[4] * 28 * 28, 1024), #此处28为MINST一张图片的维度 nn.ReLU(), nn.Linear(1024, 512), nn.ReLU(), nn.Linear(512, 10) ) def forward(self,x): device = x.device x1 = self.conv1(x ) x2 = self.conv2(x1) x3 = self.conv3(x2) x4 = self.conv4(x3) x5 = self.conv5(x4) x5 = x5.view(x5.size()[0], -1) #全连接层相当于做了矩阵乘法,所以这里需要将维度降维来实现矩阵的运算 out = self.fc(x5) return out第四步:训练以及模型保存

先是一些网络参数的定义,包括优化器,迭代轮数,学习率,运行硬件等等的确定。

#网络参数定义device = torch.device("cuda:4") #此处根据电脑配置进行选择,如果没有cuda就用cpu#device = torch.device("cpu")net = CNN(3,1,1).to(device = device,dtype = torch.float32)epochs = 50 #训练轮次optimizer = torch.optim.Adam(net.parameters(), lr=1e-4, weight_decay=1e-8) #使用Adam优化器criterion = nn.CrossEntropyLoss() #分类任务常用的交叉熵损失函数train_loss = []Pytorch:手把手教你搭建简单的卷积神经网络(CNN),实现MNIST数据集分类任务(pytorch教程)

然后是每一轮训练的主体:

# Begin trainingMinTrainLoss = 999for epoch in range(1,epochs+1): total_train_loss = [] net.train() start = time.time() for input_img,label in trainloader: input_img = input_img.to(device = device,dtype=torch.float32) #我们同样地,需要将我们取出来的训练集数据进行torch能够运算的格式转换 label = label.to(device = device,dtype=torch.float32) #输入和输出的格式都保持一致才能进行运算 optimizer.zero_grad() #每一次算loss前需要将之前的梯度清零,这样才不会影响后面的更新 pred_img = net(input_img) loss = criterion(pred_img,label.long()) loss.backward() optimizer.step() total_train_loss.append(loss.item()) train_loss.append(np.mean(total_train_loss)) #将一个minibatch里面的损失取平均作为这一轮的loss end = time.time() #打印当前的loss print("epochs[%3d/%3d] current loss: %.5f, time: %.3f"%(epoch,epochs,train_loss[-1],(end-start))) #打印每一轮训练的结果 if train_loss[-1]<MinTrainLoss: torch.save(net.state_dict(), "./model_min_train.pth") #保存loss最小的模型 MinTrainLoss = train_loss[-1]

以下是迭代过程:

 第五步:导入网络模型,输入某一批测试数据,查看结果

我们先来看某一批测试数据

#测试机某一批数据test_img,test_label=next(iter(testloader))fig, axes = plt.subplots(10, 10, figsize=(10, 10))axes_list = []#输入到网络的图像for i in range(axes.shape[0]): for j in range(axes.shape[1]): axes[i, j].imshow(test_img[i*10+j,0,:,:],cmap="gray") axes[i, j].axis("off")

然后将其输入到训练好的模型进行预测

#预测我拿出来的那一批数据进行展示cnn = CNN(3,1,1).to(device = device,dtype = torch.float32)cnn.load_state_dict(torch.load("./model_min_train.pth", map_location=device)) #导入我们之前已经训练好的模型cnn.eval() #评估模式test_img = test_img.to(device = device,dtype = torch.float32)test_label = test_label.to(device = device,dtype = torch.float32)pred_test = cnn(test_img) #记住,输出的结果是一个长度为10的tensortest_pred = np.argmax(pred_test.cpu().data.numpy(), axis=1) #所以我们需要对其进行最大值对应索引的处理,从而得到我们想要的预测结果#预测结果以及标签print("预测结果")print(test_pred)print("标签")print(test_label.cpu().data.numpy())

 

从预测的结果我们可以看到,整体上这么一个简单的CNN搭配全连接分类器对MNIST这一批数据分类的效果还不错。当然,我这里只用了交叉熵损失函数,并且没有计算准确率,仅供大家对于CNN学习和参考。

本文链接地址:https://www.jiuchutong.com/zhishi/300479.html 转载请保留说明!

上一篇:【GPT-3】第2章 使用 OpenAI API(gpt3 transformer)

下一篇:Java基础:笔试题(java基础笔试题在线考)

  • 华为手机怎么更换app图标(华为手机怎么更改时间和日期)

    华为手机怎么更换app图标(华为手机怎么更改时间和日期)

  • 华为p40按键怎么设置(华为p40按键怎么显示)

    华为p40按键怎么设置(华为p40按键怎么显示)

  • 商品链接怎么复制(商品链接怎么复制进电子表格)

    商品链接怎么复制(商品链接怎么复制进电子表格)

  • 抖音短视频怎么撤回(抖音短视频怎么剪辑制作)

    抖音短视频怎么撤回(抖音短视频怎么剪辑制作)

  • 平板电脑怎样连接无线网络?(平板电脑怎样连接手机网)

    平板电脑怎样连接无线网络?(平板电脑怎样连接手机网)

  • 抖音怎么看刷过的视频(抖音怎么看刷过礼物的主播)

    抖音怎么看刷过的视频(抖音怎么看刷过礼物的主播)

  • 运动手环怎么调时间(运动手环怎么调亮度)

    运动手环怎么调时间(运动手环怎么调亮度)

  • ppt主题样式在哪里找(ppt里主题设置在哪里)

    ppt主题样式在哪里找(ppt里主题设置在哪里)

  • 华为cazal10手机参数(华为cazal10手机2023年多少钱)

    华为cazal10手机参数(华为cazal10手机2023年多少钱)

  • 有什么软件可以管理wifi(有什么软件可以监控对方手机)

    有什么软件可以管理wifi(有什么软件可以监控对方手机)

  • ios13怎么设置来电闪光灯(ios13怎么设置来电归属地显示)

    ios13怎么设置来电闪光灯(ios13怎么设置来电归属地显示)

  • 华为p30充电指示灯在哪里设置(华为p30充电指示灯一直亮)

    华为p30充电指示灯在哪里设置(华为p30充电指示灯一直亮)

  • 苹果safari扫一扫在哪(safari 扫二维码)

    苹果safari扫一扫在哪(safari 扫二维码)

  • 唯品会退货后多久到账(唯品会退货多久钱到账)

    唯品会退货后多久到账(唯品会退货多久钱到账)

  • 货拉拉是必须先付款吗(货拉拉拉货用不用跟着去)

    货拉拉是必须先付款吗(货拉拉拉货用不用跟着去)

  • xr通话时对方听不清(xr打电话对方听不清楚)

    xr通话时对方听不清(xr打电话对方听不清楚)

  • 小米手环4nfc怎么播放音乐(小米手环4nfc怎么连接手机蓝牙)

    小米手环4nfc怎么播放音乐(小米手环4nfc怎么连接手机蓝牙)

  • 爱奇艺缓存不了视频什么原因(爱奇艺缓存不了电视剧怎么回事)

    爱奇艺缓存不了视频什么原因(爱奇艺缓存不了电视剧怎么回事)

  • 微信收款老是受限制(微信收款老是异常要怎么处理)

    微信收款老是受限制(微信收款老是异常要怎么处理)

  • 荣耀v20怎么设置锁屏计步(荣耀v20怎么设置指纹解锁)

    荣耀v20怎么设置锁屏计步(荣耀v20怎么设置指纹解锁)

  • 华为p20怎样关闭自动更新(华为p20怎样关闭纯净模式)

    华为p20怎样关闭自动更新(华为p20怎样关闭纯净模式)

  • 苹果建议快捷指令怎么删除(苹果快捷指令设置问题回答)

    苹果建议快捷指令怎么删除(苹果快捷指令设置问题回答)

  • 美团如何用支付宝支付(美团如何用支付宝充值余额)

    美团如何用支付宝支付(美团如何用支付宝充值余额)

  • 在win7中,为什么数字小键盘开机不启动?(win7为什么现在不能用了)

    在win7中,为什么数字小键盘开机不启动?(win7为什么现在不能用了)

  • 忘记用户登录密码怎么办?(忘记用户登录密码怎么办)

    忘记用户登录密码怎么办?(忘记用户登录密码怎么办)

  • 不知道就OUT了!Linux桌面领域7大趋势(不知道哟)

    不知道就OUT了!Linux桌面领域7大趋势(不知道哟)

  • 软件企业减免企业所得税
  • 工资可以先计提不发吗
  • 税控系统的清单
  • 水利建设基金的会计分录
  • 税收分类编码不可用是什么原因
  • 本期缴纳上期应缴税额
  • 职工福利部门的工资
  • 租房发票房产税怎么算
  • 新三板公司股东人数
  • 土地出让金为何写有效期
  • 房产租赁中的免租期间需要交房产税吗
  • 货物出口被海关查
  • 记账错误是什么意思
  • 母子公司合并报表什么时候做
  • 已抵扣未认证的发票
  • 可加计扣除的研发费用包括()
  • 公司作为二房东怎么给别人开发票
  • 缴纳个人所得税会计分录
  • 进项转出税务处理
  • 最新版小企业会计准则是哪一年的
  • Windows10如何禁止电脑自动安装软件
  • 教程图怎么做
  • 宽带连接错误代码691
  • 确定注册资本的方法
  • 进口应税消费品的组成计税价格公式
  • 收到保险公司赔付的车辆维修费的会计分录
  • icons是什么文件夹
  • 股票公允价值变动怎么算
  • hue环境搭建
  • PHP:imagefontwidth()的用法_GD库图像处理函数
  • react-use
  • 申请一般纳税人流程
  • 房地产开发间接费
  • 再就业优惠怎么办理
  • 当月缴纳上月未缴纳社保
  • code editing
  • 劳务费发票差额征税
  • vue.3
  • 生态位模型原理
  • 递延收益和其他应付款的区别
  • python查找列表元素
  • 没有校验码的发票可以报销吗
  • 政府补助可以挂账吗
  • 租用办公室装修费用会计分录
  • 帐载金额
  • 科目余额表和资产负债表的期末余额不一样,怎么办
  • 进项加计抵减对账怎么做
  • 固定资产管理台账
  • 企业所得税计提金额怎么算
  • sql翻译
  • sql server 递归
  • 合并设立是什么意思
  • 发工资时多打给员工的钱
  • 非独立核算的分公司可以开基本户吗
  • 转出的未交增值税转到应交增值税
  • 雇主责任险为什么理赔很慢
  • 酒店会计的账务处理
  • 一次性开票分期确认收入已什么做原始凭证
  • 事业单位打款多久到账
  • 房产税什么时候开始征收2023
  • 私企需要计提盈余公积吗
  • freebsd 网卡驱动
  • userexperience是什么意思
  • 电脑防火墙在哪里设置
  • WIN10系统中WPS字体颜色浅
  • w10 2021年更新
  • linux的命令行界面是什么意思
  • ai控制器的简称是
  • learning android
  • shell 函数 return
  • 表格指定高度是多少
  • django自定义模板标签
  • iframe的高度自适应
  • android 启动器 设置
  • 安卓app活动
  • 纳税人识别号是几位数
  • 北京地税电话咨询
  • 回家税务总局全国增值税发票查询
  • 苏州相城离苏州市区有多远
  • 甘肃华能能源开发有限公司
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设