首页 > 分享 > Pytorch神经网络【手写数字识别】

Pytorch神经网络【手写数字识别】

花匠小妙招
2024-11-28 17:58

背景阐述：

利用神经网络完成对手写数字进行识别的实例。
在手写数字的识别中，我们不关心图形的颜色，所以需要的是灰度图。
手写数字的识别基础可见这篇博文，PASS：写得挺有意思

构建网络层可以基于Module类或函数（nn.functional）。
nn中的大多数层在functional中都有与之对应的函数。

神经网络结构

使用两个隐含层，每层激活函数为ReLU，最后使用torch.max(out, 1)找出张量out最大值对应索引作为预测值。

代码

导入模块

import os import numpy as np import matplotlib.pyplot as plt import torch # 导入 pytorch 内置的 mnist 数据 from torchvision.datasets import mnist # 导入预处理模块 import torchvision.transforms as transforms from torch.utils.data import DataLoader # 导入nn及优化器 import torch.nn.functional as F import torch.optim as optim from torch import nn

定义超参数

train_batch_size = 64 test_batch_size = 128 learning_rate = 0.01 num_epoches = 20 lr = 0.01 momentum = 0.5

# 定义预处理函数，这些预处理依次放在Compose函数中。 transform = transforms.Compose( [transforms.ToTensor(), transforms.Normalize([0.5], [0.5])]) # 判断是否需要从网络下载数据集 is_downloda = True if os.path.exists('./data/MNIST'): is_downloda = False # 下载数据，并对数据进行预处理 train_dataset = mnist.MNIST( './data', train=True, transform=transform, download=is_downloda) test_dataset = mnist.MNIST('./data', train=False, transform=transform) # dataloader是一个可迭代对象，可以使用迭代器一样使用。 train_loader = DataLoader( train_dataset, batch_size=train_batch_size, shuffle=True) test_loader = DataLoader( test_dataset, batch_size=test_batch_size, shuffle=False)

Normalize([0.5], [0.5])对张量进行归一化，这里两个0.5分别表示对张量进行归一化的全局平均值和方差。因图像是灰色的只有一个通道，如果有多个通道，需要有多个数字，如3个通道，应该是Normalize([m1, m2, m3], [n1, n2, n3])；

可视化数据

examples = enumerate(test_loader) # enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标。 batch_idx, (example_data, example_targets) = next(examples) # next() 返回迭代器的下一个项目。 fig = plt.figure() for i in range(6): plt.subplot(2, 3, i+1) plt.tight_layout() plt.imshow(example_data[i][0], cmap='gray', interpolation='none') plt.title("Ground Truth: {}".format(example_targets[i])) # 关闭x,y轴显示 plt.xticks([]) plt.yticks([])

构建网络

class Net(nn.Module): """ 使用sequential构建网络，Sequential()函数的功能是将网络的层组合到一起 """ def __init__(self, in_dim, n_hidden_1, n_hidden_2, out_dim): super(Net, self).__init__() self.layer1 = nn.Sequential( nn.Linear(in_dim, n_hidden_1), nn.BatchNorm1d(n_hidden_1)) self.layer2 = nn.Sequential( nn.Linear(n_hidden_1, n_hidden_2), nn.BatchNorm1d(n_hidden_2)) self.layer3 = nn.Sequential(nn.Linear(n_hidden_2, out_dim)) def forward(self, x): x = F.relu(self.layer1(x)) x = F.relu(self.layer2(x)) x = self.layer3(x) return x

实例化

调用前面构建的函数，输入为28*28,300个、100个隐藏层，10个输出

# 检测是否有可用的GPU，有则使用，否则使用CPU print("GPU是否可用", torch.cuda.is_available()) device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") # 实例化网络 model = Net(28 * 28, 300, 100, 10) # 输出10维（10个数字） model.to(device) # 定义损失函数和优化器 criterion = nn.CrossEntropyLoss() optimizer = optim.SGD(model.parameters(), lr=lr, momentum=momentum)

训练模型

# 开始训练 losses = [] acces = [] eval_losses = [] eval_acces = [] for epoch in range(num_epoches): train_loss = 0 train_acc = 0 model.train() # 动态修改参数学习率，随着次数加大，学习率/10 if epoch % 5 == 0: optimizer.param_groups[0]['lr'] *= 0.1 for img, label in train_loader: img = img.to(device) label = label.to(device) img = img.view(img.size(0), -1) # 展成1维 # 前向传播 out = model(img) # 传入参数，自动执行forward函数 loss = criterion(out, label) optimizer.zero_grad() # 梯度清零 # 反向传播 # 缺省情况下，梯度是累加的，在梯度反向传播之前，需要梯度清零 loss.backward() optimizer.step() # 基于当前梯度，更新参数 # 记录误差 train_loss += loss.item() # 计算分类的准确率 _, pred = out.max(1) # 找出张量out最大值对应索引作为预测值 num_correct = (pred == label).sum().item() acc = num_correct / img.shape[0] train_acc += acc losses.append(train_loss / len(train_loader)) acces.append(train_acc / len(train_loader)) # 在测试集上检验效果 eval_loss = 0 eval_acc = 0 # 将模型改为预测模式 model.eval() for img, label in test_loader: img = img.to(device) label = label.to(device) img = img.view(img.size(0), -1) # 前向传播 out = model(img) loss = criterion(out, label) # 记录误差 eval_loss += loss.item() # 记录准确率 _, pred = out.max(1) num_correct = (pred == label).sum().item() acc = num_correct / img.shape[0] eval_acc += acc eval_losses.append(eval_loss / len(test_loader)) eval_acces.append(eval_acc / len(test_loader)) print('epoch: {}, Train Loss: {:.4f}, Train Acc: {:.4f}, Test Loss: {:.4f}, Test Acc: {:.4f}' .format(epoch, train_loss / len(train_loader), train_acc / len(train_loader), eval_loss / len(test_loader), eval_acc / len(test_loader)))

将训练过程可视化

plt.title('train loss') plt.subplot(1,2,1) plt.plot(np.arange(len(losses)), losses) plt.legend(['Train Loss'], loc='upper right') plt.subplot(1,2,2) plt.title('train acces') plt.plot(np.arange(len(acces)),acces,color='red', label='acces') plt.legend(['Train acces'], loc='upper right') plt.savefig(fname="./test_score.png", dpi=100)