目录：
- 一、关于数据
- 二、训练分类器
- 1、加载并标准化CIFAR10
- 2、定义卷积网络
- 3、定义损失函数和优化器
- 4、训练网络
- 5、在测试数据上测试神经网络
- 三、在GPU上训练
一、关于数据
通常，当你需要处理图像、文本、音频或视频数据时，你可以使用标准Python包来将数据加载到NumPy数组中。然后将数组转化为torch.*Tensor。
- 对于图像，可以使用包Pillow，OpenCV
- 对于音频，可以使用包scipy，librosa
- 对于文本，可以使用NLTK，SpaCy
特别是对于视觉，我们创建了一个名为torchvision的包，它包含用于常见数据集的数据加载器，如Imagenet，CIFAR10，MNIST等，以及用于图像的数据转换器，即torchvision.datasets和torch.utils.data.DataLoader。
对于本教程，我们将使用CIFAR10数据集。它包含10个类： ‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’。图片的大小为3x32x32，即尺寸为32×32像素的3通道彩色图像。
二、训练分类器
我们将会依次执行以下步骤：
- 使用
torchvision加载和标准化CIFAR10训练和测试数据集 - 定义卷积神经网络
- 定义损失函数
- 在训练数据上训练网络
- 在测试数据上测试网络
1、加载并标准化CIFAR10
import torch import torchvision import torchvision.transforms as transformstorchvision数据集的输出是范围[0,1]的PILImage图像。 我们将它们转换为归一化范围的tensor，[-1,1]。
transform = transforms.Compose( [transforms.ToTensor(), transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))]) trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform) trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True, num_workers=2) testset = torchvision.datasets.CIFAR10(root='./data', train=False, download=True, transform=transform) testloader = torch.utils.data.DataLoader(testset, batch_size=4, shuffle=False, num_workers=2) classes = ('plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')输出：
Downloading https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./data/cifar-10-python.tar.gz Extracting ./data/cifar-10-python.tar.gz to ./data Files already downloaded and verified让我们展示一些训练图片：
import matplotlib.pyplot as plt import numpy as np # functions to show an image def imshow(img): img = img / 2 + 0.5 # unnormalize npimg = img.numpy() plt.imshow(np.transpose(npimg, (1, 2, 0))) plt.show() # get some random training images dataiter = iter(trainloader) images, labels = dataiter.next() # show images imshow(torchvision.utils.make_grid(images)) # print labels print(' '.join('%5s' % classes[labels[j]] for j in range(4)))输出：
frog ship cat plane2、定义卷积网络
import torch.nn as nn import torch.nn.functional as F class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.Conv2d(3, 6, 5) self.pool = nn.MaxPool2d(2, 2) self.conv2 = nn.Conv2d(6, 16, 5) self.fc1 = nn.Linear(16 * 5 * 5, 120) self.fc2 = nn.Linear(120, 84) self.fc3 = nn.Linear(84, 10) def forward(self, x): x = self.pool(F.relu(self.conv1(x))) x = self.pool(F.relu(self.conv2(x))) x = x.view(-1, 16 * 5 * 5) x = F.relu(self.fc1(x)) x = F.relu(self.fc2(x)) x = self.fc3(x) return x net = Net()3、定义损失函数和优化器
让我们使用分类交叉熵损失函数和带动量的SGD。
import torch.optim as optim criterion = nn.CrossEntropyLoss() optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)4、训练网络
我们只需循环遍历数据迭代器，并将输入提供给神经网络并进行优化。
for epoch in range(2): # loop over the dataset multiple times running_loss = 0.0 for i, data in enumerate(trainloader, 0): # get the inputs; data is a list of [inputs, labels] inputs, labels = data # zero the parameter gradients optimizer.zero_grad() # forward + backward + optimize outputs = net(inputs) loss = criterion(outputs, labels) loss.backward() optimizer.step() # print statistics running_loss += loss.item() if i % 2000 == 1999: # print every 2000 mini-batches print('[%d, %5d] loss: %.3f' % (epoch + 1, i + 1, running_loss / 2000)) running_loss = 0.0 print('Finished Training')输出：
[1, 2000] loss: 2.169 [1, 4000] loss: 1.808 [1, 6000] loss: 1.659 [1, 8000] loss: 1.553 [1, 10000] loss: 1.488 [1, 12000] loss: 1.455 [2, 2000] loss: 1.379 [2, 4000] loss: 1.346 [2, 6000] loss: 1.320 [2, 8000] loss: 1.305 [2, 10000] loss: 1.275 [2, 12000] loss: 1.262 Finished Training5、在测试数据上测试神经网络
我们已经在训练数据集上训练了两次。 但我们需要检查神经网络是否已经学到了什么。
我们将通过预测神经网络输出的类标签来检查这一点，并根据真实情况进行检查。 如果预测正确，我们将样本添加到正确预测列表中。
我们首先展示测试集中的一些图片：
dataiter = iter(testloader) images, labels = dataiter.next() # print images imshow(torchvision.utils.make_grid(images)) print('GroundTruth: ', ' '.join('%5s' % classes[labels[j]] for j in range(4)))输出：
GroundTruth: cat ship ship plane现在我们来看一看神经网络认为这些图片是什么。outputs是10个类的能量。 一个类的能量越高，网络认为图像是特定类的可能性越大。 那么，让我们得到最高能量的索引：
outputs = net(images) _, predicted = torch.max(outputs, 1) print('Predicted: ', ' '.join('%5s' % classes[predicted[j]] for j in range(4)))输出：
Predicted: cat plane plane ship查看神经网络在整个数据集上的表现：
correct = 0 total = 0 with torch.no_grad(): for data in testloader: images, labels = data outputs = net(images) _, predicted = torch.max(outputs.data, 1) total += labels.size(0) correct += (predicted == labels).sum().item() print('Accuracy of the network on the 10000 test images: %d %%' % ( 100 * correct / total))输出：
Accuracy of the network on the 10000 test images: 54 %查看表现最好的类和最坏的类：
class_correct = list(0. for i in range(10)) class_total = list(0. for i in range(10)) with torch.no_grad(): for data in testloader: images, labels = data outputs = net(images) _, predicted = torch.max(outputs, 1) c = (predicted == labels).squeeze() for i in range(4): label = labels[i] class_correct[label] += c[i].item() class_total[label] += 1 for i in range(10): print('Accuracy of %5s : %2d %%' % ( classes[i], 100 * class_correct[i] / class_total[i]))输出：
Accuracy of plane : 46 % Accuracy of car : 63 % Accuracy of bird : 50 % Accuracy of cat : 37 % Accuracy of deer : 40 % Accuracy of dog : 51 % Accuracy of frog : 70 % Accuracy of horse : 48 % Accuracy of ship : 76 % Accuracy of truck : 64 %三、在GPU上训练
如果我们有可用的CUDA，我们首先将我们的设备定义为第一个可见的cuda设备：
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") # Assuming that we are on a CUDA machine, this should print a CUDA device: print(device)输出：
cuda:0本节的其余部分假定设备是CUDA设备。
然后这些方法将递归遍历所有模块并将其参数和缓冲区转换为CUDA tensor：
net.to(device)还必须将每一步的输入和目标发送到GPU：
inputs, labels = data[0].to(device), data[1].to(device)
)
