【第3次作业】卷积神经网络
CNN
深度卷积神经网络中，有如下特性:
很多层: compositionality
卷积: locality + stationarity of images
池化: Invariance of object class to translations
一、MNIST分类
1、引入库
1 import torch 2 import torch.nn as nn 3 import torch.nn.functional as F 4 import torch.optim as optim 5 from torchvision import datasets, transforms 6 import matplotlib.pyplot as plt 7 import numpy 8 9 # 一个函数，用来计算模型中有多少参数 10 def get_n_params(model): 11 np=0 12 for p in list(model.parameters()): 13 np += p.nelement() 14 return np 15 16 # 使用GPU训练，可以在菜单 "代码执行工具" -> "更改运行时类型" 里进行设置 17 device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
2、PyTorch里包含了 MNIST， CIFAR10 等常用数据集，调用 torchvision.datasets 即可把这些数据由远程下载到本地，下面给出MNIST的使用方法：
torchvision.datasets.MNIST(root, train=True, transform=None, target_transform=None, download=False)
- root 为数据集下载到本地后的根目录，包括 training.pt 和 test.pt 文件
- train，如果设置为True，从training.pt创建数据集，否则从test.pt创建。
- download，如果设置为True, 从互联网下载数据并放到root文件夹下
- transform, 一种函数或变换，输入PIL图片，返回变换之后的数据。
- target_transform 一种函数或变换，输入目标，进行变换。
1 input_size = 28*28 # MNIST上的图像尺寸是 28x28 2 output_size = 10 # 类别为 0 到 9 的数字，因此为十类 3 4 train_loader = torch.utils.data.DataLoader( 5 datasets.MNIST('./data', train=True, download=True, 6 transform=transforms.Compose( 7 [transforms.ToTensor(), 8 transforms.Normalize((0.1307,), (0.3081,))])), 9 batch_size=64, shuffle=True) 10 11 test_loader = torch.utils.data.DataLoader( 12 datasets.MNIST('./data', train=False, transform=transforms.Compose([ 13 transforms.ToTensor(), 14 transforms.Normalize((0.1307,), (0.3081,))])), 15 batch_size=1000, shuffle=True)
3、显示数据集中的部分图像
1 # 显示数据集中的部分图像 2 plt.figure(figsize=(8, 5)) 3 for i in range(20): 4 plt.subplot(4, 5, i + 1) 5 image, _ = train_loader.dataset.__getitem__(i) 6 plt.imshow(image.squeeze().numpy(),'gray') 7 plt.axis('off');
4、创建网络
定义网络时，需要继承nn.Module，并实现它的forward方法，把网络中具有可学习参数的层放在构造函数init中。
只要在nn.Module的子类中定义了forward函数，backward函数就会自动被实现(利用autograd)。
二维卷积神经网络：
nn.Conv2d(self, in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True))
1 class FC2Layer(nn.Module): 2 def __init__(self, input_size, n_hidden, output_size): 3 # nn.Module子类的函数必须在构造函数中执行父类的构造函数 4 # 下式等价于nn.Module.__init__(self) 5 super(FC2Layer, self).__init__() 6 self.input_size = input_size 7 # 这里直接用 Sequential 就定义了网络，注意要和下面 CNN 的代码区分开 8 self.network = nn.Sequential( 9 nn.Linear(input_size, n_hidden), 10 nn.ReLU(), 11 nn.Linear(n_hidden, n_hidden), 12 nn.ReLU(), 13 nn.Linear(n_hidden, output_size), 14 nn.LogSoftmax(dim=1) 15 ) 16 def forward(self, x): 17 # view一般出现在model类的forward函数中，用于改变输入或输出的形状 18 # x.view(-1, self.input_size) 的意思是多维的数据展成二维 19 # 代码指定二维数据的列数为 input_size=784，行数 -1 表示我们不想算，电脑会自己计算对应的数字 20 # 在 DataLoader 部分，我们可以看到 batch_size 是64，所以得到 x 的行数是64 21 # 大家可以加一行代码：print(x.cpu().numpy().shape) 22 # 训练过程中，就会看到 (64, 784) 的输出，和我们的预期是一致的 23 24 # forward 函数的作用是，指定网络的运行过程，这个全连接网络可能看不啥意义， 25 # 下面的CNN网络可以看出 forward 的作用。 26 x = x.view(-1, self.input_size) 27 return self.network(x) 28 29 30 31 class CNN(nn.Module): 32 def __init__(self, input_size, n_feature, output_size): 33 # 执行父类的构造函数，所有的网络都要这么写 34 super(CNN, self).__init__() 35 # 下面是网络里典型结构的一些定义，一般就是卷积和全连接 36 # 池化、ReLU一类的不用在这里定义 37 self.n_feature = n_feature 38 self.conv1 = nn.Conv2d(in_channels=1, out_channels=n_feature, kernel_size=5) 39 self.conv2 = nn.Conv2d(n_feature, n_feature, kernel_size=5) 40 self.fc1 = nn.Linear(n_feature*4*4, 50) 41 self.fc2 = nn.Linear(50, 10) 42 43 # 下面的 forward 函数，定义了网络的结构，按照一定顺序，把上面构建的一些结构组织起来 44 # 意思就是，conv1, conv2 等等的，可以多次重用 45 def forward(self, x, verbose=False): 46 x = self.conv1(x) 47 x = F.relu(x) 48 x = F.max_pool2d(x, kernel_size=2) 49 x = self.conv2(x) 50 x = F.relu(x) 51 x = F.max_pool2d(x, kernel_size=2) 52 x = x.view(-1, self.n_feature*4*4) 53 x = self.fc1(x) 54 x = F.relu(x) 55 x = self.fc2(x) 56 x = F.log_softmax(x, dim=1) 57 return x
5.定义训练和测试函数
1 # 定义训练和测试函数 2 # 训练函数 就是5个基础步骤 3 def train(model): 4 model.train() 5 # 从train_loader里，64个样本一个batch为单位提取样本进行训练，即len(data)的大小是64，这是在最开始获取数据集时batchsize指定好的 6 for batch_idx, (data, target) in enumerate(train_loader): 7 # 把数据送到GPU中 8 data, target = data.to(device), target.to(device) 9 # 梯度清零 10 optimizer.zero_grad() 11 output = model(data) 12 loss = F.nll_loss(output, target) 13 loss.backward() 14 optimizer.step() 15 #print(batch_idx) 938*64个样本 16 if batch_idx % 100 == 0: 17 print('Train: [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format( 18 batch_idx * len(data), len(train_loader.dataset), 19 100. * batch_idx / len(train_loader), loss.item())) 20 21 22 def test(model): 23 model.eval() 24 test_loss = 0 25 correct = 0 26 for data, target in test_loader: 27 # 把数据送到GPU中 28 data, target = data.to(device), target.to(device) 29 # 把数据送入模型，得到预测结果 30 output = model(data) 31 # 计算本次batch的损失，并加到 test_loss 中 32 test_loss += F.nll_loss(output, target, reduction='sum').item() 33 # get the index of the max log-probability，最后一层输出10个数， 34 # 值最大的那个即对应着分类结果，然后把分类结果保存在 pred 里 35 pred = output.data.max(1, keepdim=True)[1] 36 # 将 pred 与 target 相比，得到正确预测结果的数量，并加到 correct 中 37 # 这里需要注意一下 view_as ，意思是把 target 变成维度和 pred 一样的意思 38 correct += pred.eq(target.data.view_as(pred)).cpu().sum().item() 39 40 test_loss /= len(test_loader.dataset) 41 accuracy = 100. * correct / len(test_loader.dataset) 42 print('\nTest set: Average loss: {:.4f}, Accuracy: {}/{} ({:.0f}%)\n'.format( 43 test_loss, correct, len(test_loader.dataset), 44 accuracy))
6.在小型全连接网络上训练（Fully-connected network）
1 n_hidden = 8 # number of hidden units 2 #print(input_size) 28*28=784 数据集图片大小 3 #print(output_size) 10 4 model_fnn = FC2Layer(input_size, n_hidden, output_size) 5 model_fnn.to(device) 6 optimizer = optim.SGD(model_fnn.parameters(), lr=0.01, momentum=0.5) 7 print('Number of parameters: {}'.format(get_n_params(model_fnn))) 8 ## (28*28*8+8)+(8*8+8)+(8*10+10)=6442 9 10 train(model_fnn) 11 test(model_fnn)
7、在卷积神经网络上训练
1 # Training settings 2 n_features = 6 # number of feature maps 3 4 model_cnn = CNN(input_size, n_features, output_size) 5 model_cnn.to(device) 6 optimizer = optim.SGD(model_cnn.parameters(), lr=0.01, momentum=0.5) 7 print('Number of parameters: {}'.format(get_n_params(model_cnn))) 8 9 train(model_cnn) 10 test(model_cnn)
通过上面的测试结果，可以发现，含有相同参数的 CNN 效果要明显优于 简单的全连接网络，是因为 CNN 能够更好的挖掘图像中的信息，主要通过两个手段：
- 卷积：Locality and stationarity in images
- 池化：Builds in some translation invariance
8、打乱像素顺序再次在两个网络上训练与测试
1 # 这里解释一下 torch.randperm 函数，给定参数n，返回一个从0到n-1的随机整数排列 2 perm = torch.randperm(784) 3 plt.figure(figsize=(8, 4)) 4 for i in range(10): 5 image, _ = train_loader.dataset.__getitem__(i) 6 # permute pixels 7 image_perm = image.view(-1, 28*28).clone() 8 image_perm = image_perm[:, perm] 9 image_perm = image_perm.view(-1, 1, 28, 28) 10 plt.subplot(4, 5, i + 1) 11 plt.imshow(image.squeeze().numpy(), 'gray') 12 plt.axis('off') 13 plt.subplot(4, 5, i + 11) 14 plt.imshow(image_perm.squeeze().numpy(), 'gray') 15 plt.axis('off')
重新定义训练与测试函数，我们写了两个函数 train_perm 和 test_perm，分别对应着加入像素打乱顺序的训练函数与测试函数。
与之前的训练与测试函数基本上完全相同，只是对 data 加入了打乱顺序操作。
1 # 对每个 batch 里的数据，打乱像素顺序的函数 2 def perm_pixel(data, perm): 3 # 转化为二维矩阵 4 data_new = data.view(-1, 28*28) 5 # 打乱像素顺序 6 data_new = data_new[:, perm] 7 # 恢复为原来4维的 tensor 8 data_new = data_new.view(-1, 1, 28, 28) 9 return data_new 10 11 # 训练函数 12 def train_perm(model, perm): 13 model.train() 14 for batch_idx, (data, target) in enumerate(train_loader): 15 data, target = data.to(device), target.to(device) 16 # 像素打乱顺序 17 data = perm_pixel(data, perm) 18 19 optimizer.zero_grad() 20 output = model(data) 21 loss = F.nll_loss(output, target) 22 loss.backward() 23 optimizer.step() 24 if batch_idx % 100 == 0: 25 print('Train: [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format( 26 batch_idx * len(data), len(train_loader.dataset), 27 100. * batch_idx / len(train_loader), loss.item())) 28 29 # 测试函数 30 def test_perm(model, perm): 31 model.eval() 32 test_loss = 0 33 correct = 0 34 for data, target in test_loader: 35 data, target = data.to(device), target.to(device) 36 37 # 像素打乱顺序 38 data = perm_pixel(data, perm) 39 40 output = model(data) 41 test_loss += F.nll_loss(output, target, reduction='sum').item() 42 pred = output.data.max(1, keepdim=True)[1] 43 correct += pred.eq(target.data.view_as(pred)).cpu().sum().item() 44 45 test_loss /= len(test_loader.dataset) 46 accuracy = 100. * correct / len(test_loader.dataset) 47 print('\nTest set: Average loss: {:.4f}, Accuracy: {}/{} ({:.0f}%)\n'.format( 48 test_loss, correct, len(test_loader.dataset), 49 accuracy))
在全连接网络上训练与测试：
1 perm = torch.randperm(784) 2 n_hidden = 8 # number of hidden units 3 4 model_fnn = FC2Layer(input_size, n_hidden, output_size) 5 model_fnn.to(device) 6 optimizer = optim.SGD(model_fnn.parameters(), lr=0.01, momentum=0.5) 7 print('Number of parameters: {}'.format(get_n_params(model_fnn))) 8 9 train_perm(model_fnn, perm) 10 test_perm(model_fnn, perm)
在卷积神经网络上训练与测试：
1 perm = torch.randperm(784) 2 n_features = 6 # number of feature maps 3 4 model_cnn = CNN(input_size, n_features, output_size) 5 model_cnn.to(device) 6 optimizer = optim.SGD(model_cnn.parameters(), lr=0.01, momentum=0.5) 7 print('Number of parameters: {}'.format(get_n_params(model_cnn))) 8 9 train_perm(model_cnn, perm) 10 test_perm(model_cnn, perm)
从打乱像素顺序的实验结果来看，全连接网络的性能基本上没有发生变化，但是卷积神经网络的性能明显下降。
这是因为对于卷积神经网络，会利用像素的局部关系，但是打乱顺序以后，这些像素间的关系将无法得到利用。
二、CIFAR10分类
对于视觉数据，PyTorch 创建了一个叫做 totchvision 的包，该包含有支持加载类似Imagenet，CIFAR10，MNIST 等公共数据集的数据加载模块 torchvision.datasets 和支持加载图像数据数据转换模块 torch.utils.data.DataLoader。
下面将使用CIFAR10数据集，它包含十个类别：‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’。CIFAR-10 中的图像尺寸为3x32x32，也就是RGB的3层颜色通道，每层通道内的尺寸为32*32。
首先，加载并归一化 CIFAR10 使用 torchvision 。torchvision 数据集的输出是范围在[0,1]之间的 PILImage，我们将他们转换成归一化范围为[-1,1]之间的张量 Tensors。
input[channel] = (input[channel] - mean[channel]) / std[channel]
这样就是：(（0,1）-0.5）/0.5=(-1,1)。
1 import torch 2 import torchvision 3 import torchvision.transforms as transforms 4 import matplotlib.pyplot as plt 5 import numpy as np 6 import torch.nn as nn 7 import torch.nn.functional as F 8 import torch.optim as optim 9 10 # 使用GPU训练，可以在菜单 "代码执行工具" -> "更改运行时类型" 里进行设置 11 device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") 12 13 transform = transforms.Compose( 14 [transforms.ToTensor(), 15 transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))]) 16 17 # 注意下面代码中：训练的 shuffle 是 True，测试的 shuffle 是 false 18 # 训练时可以打乱顺序增加多样性，测试是没有必要 19 trainset = torchvision.datasets.CIFAR10(root='./data', train=True, 20 download=True, transform=transform) 21 trainloader = torch.utils.data.DataLoader(trainset, batch_size=64, 22 shuffle=True, num_workers=2) 23 24 testset = torchvision.datasets.CIFAR10(root='./data', train=False, 25 download=True, transform=transform) 26 testloader = torch.utils.data.DataLoader(testset, batch_size=8, 27 shuffle=False, num_workers=2) 28 29 classes = ('plane', 'car', 'bird', 'cat', 30 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
下面展示 CIFAR10 里面的一些图片：
1 def imshow(img): 2 plt.figure(figsize=(8,8)) 3 img = img / 2 + 0.5 # 转换到 [0,1] 之间 4 npimg = img.numpy() 5 plt.imshow(np.transpose(npimg, (1, 2, 0))) 6 plt.show() 7 8 # 得到一组图像 9 images, labels = iter(trainloader).next() 10 # 展示图像 11 imshow(torchvision.utils.make_grid(images)) 12 # 展示第一行图像的标签 13 for j in range(8): 14 print(classes[labels[j]])
接下来定义网络，损失函数和优化器：
1 class Net(nn.Module): 2 def __init__(self): 3 super(Net, self).__init__() 4 self.conv1 = nn.Conv2d(3, 6, 5) 5 self.pool = nn.MaxPool2d(2, 2) 6 self.conv2 = nn.Conv2d(6, 16, 5) 7 self.fc1 = nn.Linear(16 * 5 * 5, 120) 8 self.fc2 = nn.Linear(120, 84) 9 self.fc3 = nn.Linear(84, 10) 10 11 def forward(self, x): 12 x = self.pool(F.relu(self.conv1(x))) 13 x = self.pool(F.relu(self.conv2(x))) 14 x = x.view(-1, 16 * 5 * 5) 15 x = F.relu(self.fc1(x)) 16 x = F.relu(self.fc2(x)) 17 x = self.fc3(x) 18 return x 19 20 # 网络放到GPU上 21 net = Net().to(device) 22 criterion = nn.CrossEntropyLoss() 23 optimizer = optim.Adam(net.parameters(), lr=0.001)
训练网络:
1 # 训练网络： 2 for epoch in range(10): # 重复多轮训练 3 for i, (inputs, labels) in enumerate(trainloader): 4 inputs = inputs.to(device) 5 labels = labels.to(device) 6 # 优化器梯度归零 7 optimizer.zero_grad() 8 # 正向传播 + 反向传播 + 优化 9 outputs = net(inputs) 10 loss = criterion(outputs, labels) 11 loss.backward() 12 optimizer.step() 13 # 输出统计信息 14 if i % 100 == 0: 15 print('Epoch: %d Minibatch: %5d loss: %.3f' %(epoch + 1, i + 1, loss.item())) 16 17 print('Finished Training')
1 # 现在我们从测试集中取出8张图片： 2 # 得到一组图像 3 images, labels = iter(testloader).next() 4 # 展示图像 5 imshow(torchvision.utils.make_grid(images)) 6 # 展示图像的标签 7 for j in range(8): 8 print(classes[labels[j]])
看看网络在整个数据集上的表现：
1 correct = 0 2 total = 0 3 4 for data in testloader: 5 images, labels = data 6 images, labels = images.to(device), labels.to(device) 7 outputs = net(images) 8 _, predicted = torch.max(outputs.data, 1) 9 total += labels.size(0) 10 correct += (predicted == labels).sum().item() 11 12 print('Accuracy of the network on the 10000 test images: %d %%' % ( 13 100 * correct / total))
Accuracy of the network on the 10000 test images: 62 %
三、使用VGG16对CIFAR10分类
VGG是由Simonyan 和Zisserman在文献《Very Deep Convolutional Networks for Large Scale Image Recognition》中提出卷积神经网络模型，其名称来源于作者所在的牛津大学视觉几何组(Visual Geometry Group)的缩写。
该模型参加2014年的 ImageNet图像分类与定位挑战赛，取得了优异成绩：在分类任务上排名第二，在定位任务上排名第一。
VGG16的网络结构如下图所示：
1. 定义 dataloader
需要注意的是，这里的 transform，dataloader 和之前定义的有所不同
1 import torch 2 import torchvision 3 import torchvision.transforms as transforms 4 import matplotlib.pyplot as plt 5 import numpy as np 6 import torch.nn as nn 7 import torch.nn.functional as F 8 import torch.optim as optim 9 10 # 使用GPU训练，可以在菜单 "代码执行工具" -> "更改运行时类型" 里进行设置 11 device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") 12 13 transform_train = transforms.Compose([ 14 transforms.RandomCrop(32, padding=4), 15 transforms.RandomHorizontalFlip(), 16 transforms.ToTensor(), 17 transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010))]) 18 19 transform_test = transforms.Compose([ 20 transforms.ToTensor(), 21 transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010))]) 22 23 trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform_train) 24 testset = torchvision.datasets.CIFAR10(root='./data', train=False, download=True, transform=transform_test) 25 26 trainloader = torch.utils.data.DataLoader(trainset, batch_size=128, shuffle=True, num_workers=2) 27 testloader = torch.utils.data.DataLoader(testset, batch_size=128, shuffle=False, num_workers=2) 28 29 classes = ('plane', 'car', 'bird', 'cat', 30 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
2. VGG 网络定义
下面定义VGG网络，参数太多，我手动改简单了些~~~
现在的结构基本上是：
64 conv, maxpooling,
128 conv, maxpooling,
256 conv, 256 conv, maxpooling,
512 conv, 512 conv, maxpooling,
512 conv, 512 conv, maxpooling,
softmax
可能有同学要问，为什么这么设置？
其实不为什么，就是觉得对称，我自己随便改的。。。
下面是模型的实现代码：
1 class VGG(nn.Module): 2 def __init__(self): 3 super(VGG, self).__init__() 4 self.cfg = [64, 'M', 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M'] 5 self.features = self._make_layers(cfg) 6 self.classifier = nn.Linear(2048, 10) 7 8 def forward(self, x): 9 out = self.features(x) 10 out = out.view(out.size(0), -1) 11 out = self.classifier(out) 12 return out 13 14 def _make_layers(self, cfg): 15 layers = [] 16 in_channels = 3 17 for x in cfg: 18 if x == 'M': 19 layers += [nn.MaxPool2d(kernel_size=2, stride=2)] 20 else: 21 layers += [nn.Conv2d(in_channels, x, kernel_size=3, padding=1), 22 nn.BatchNorm2d(x), 23 nn.ReLU(inplace=True)] 24 in_channels = x 25 layers += [nn.AvgPool2d(kernel_size=1, stride=1)] 26 return nn.Sequential(*layers)
初始化网络，根据实际需要，修改分类层。因为 tiny-imagenet 是对200类图像分类，这里把输出修改为200。
1 # 网络放到GPU上 2 net = VGG().to(device) 3 criterion = nn.CrossEntropyLoss() 4 optimizer = optim.Adam(net.parameters(), lr=0.001)
3. 网络训练
训练的代码和以前是完全一样的：
1 for epoch in range(10): # 重复多轮训练 2 for i, (inputs, labels) in enumerate(trainloader): 3 inputs = inputs.to(device) 4 labels = labels.to(device) 5 # 优化器梯度归零 6 optimizer.zero_grad() 7 # 正向传播 + 反向传播 + 优化 8 outputs = net(inputs) 9 loss = criterion(outputs, labels) 10 loss.backward() 11 optimizer.step() 12 # 输出统计信息 13 if i % 100 == 0: 14 print('Epoch: %d Minibatch: %5d loss: %.3f' %(epoch + 1, i + 1, loss.item())) 15 16 print('Finished Training')
4. 测试验证准确率：
测试的代码和之前也是完全一样的。
1 correct = 0 2 total = 0 3 4 for data in testloader: 5 images, labels = data 6 images, labels = images.to(device), labels.to(device) 7 outputs = net(images) 8 _, predicted = torch.max(outputs.data, 1) 9 total += labels.size(0) 10 correct += (predicted == labels).sum().item() 11 12 print('Accuracy of the network on the 10000 test images: %.2f %%' % ( 13 100 * correct / total))
可以看到，使用一个简化版的 VGG 网络，就能够显著地将准确率由 64%，提升到 84.92%
浙公网安备 33010602011771号