pytorch

环境准备

# 我用的版本：python: 3.9.7, torch: v1.10.0, torchvision: 0.11.0
$ pip3 install torch,torchvision

张量(Tensor)

常数是 0 阶张量。

向量 vevtor 是 1 阶张量。

矩阵 matrix 是 2 阶张量。

三维形状的就是 3 阶张量。

创建张量

import torch
import numpy as np

t1 = torch.tensor((1, 2, 3))

print(t1)  # tensor([1., 2., 3.])

# 用 api 创建，每个数值都是0-10的随机整数，形状是3*4
t2 = torch.randint(low=0, high=10, size=(3, 4))

print(t2)  
# tensor([[7, 0, 4, 0],
#         [3, 7, 5, 9],
#         [6, 9, 5, 0]])

# 可以把 torch 的 Tensor 转换成 numpy 的 Array
print(t2.numpy())
# [[7 0 4 0]
#  [3 7 5 9]
#  [6 9 5 0]]

array1 = np.arange(12).reshape(3, 4)

print(array1)
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]

# 可以把 numpy 的 Array 转换成 torch 的 Tensor
print(torch.tensor(array1))  
# tensor([[ 0.,  1.,  2.,  3.],
#         [ 4.,  5.,  6.,  7.],
#         [ 8.,  9., 10., 11.]])

常用API

import torch

x = [[[1, 2, 3]]]

t1 = torch.tensor(x)
print(t1)

# 查形状
print(t1.size())

# 可以指定查某一个维度
print(t1.size(0), t1.size(1), t1.size(2), t1.size(-1))

# 改变形状，在 numpy 里用的是 reshape，在 torch 里用的是 view
print(t1.view(3))

# -1 表示自动适配，下面这个等价于 t1.view(3, 1)，因为总共是 3 个元素
print(t1.view(3, -1))

# 获取阶数
print(t1.dim())

# 矩阵转置，在 numpy 里用的是 T()
print(torch.tensor([[1, 2]]).t())

torch.max(input, dim)

在分类问题中，通常需要使用max()函数对softmax函数的输出值进行操作，求出预测值索引，然后与标签进行比对，计算准确率。

输入：

• input是softmax函数输出的一个tensor

• dim是max函数索引的维度0/1，0是每列的最大值，1是每行的最大值。

输出：

函数会返回两个tensor，第0个tensor是每行的最大值（不用关心这个值）；第1个tensor是每行最大值的索引，也就是预测的这组样本中每个样本最大概率的类别的索引，然后根据该索引即可取出对应的类别。

示例

训练

import torch
import torchvision
import torch.nn as nn
from model import LeNet
import torch.optim as optim
import torchvision.transforms as transforms


def main():
    transform = transforms.Compose(
        [transforms.ToTensor(),
         transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

    # 50000张训练图片
    # 第一次使用时要将download设置为True才会自动去下载数据集
    train_set = torchvision.datasets.CIFAR10(
        root='./data', 
        train=True,
        download=True, 
        transform=transform)
    train_loader = torch.utils.data.DataLoader(train_set, batch_size=36,  # 在机器内存允许范围内，batch_size设置的越大，训练效果越好
                                               shuffle=True, num_workers=0)

    # 10000张验证图片
    # 第一次使用时要将download设置为True才会自动去下载数据集
    val_set = torchvision.datasets.CIFAR10(root='./data', train=False,
                                           download=True, transform=transform)
    val_loader = torch.utils.data.DataLoader(val_set, batch_size=5000,
                                             shuffle=False, num_workers=0)
    val_data_iter = iter(val_loader)
    val_image, val_label = val_data_iter.next()
    
    # classes = ('plane', 'car', 'bird', 'cat',
    #            'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

    net = LeNet()
    # 进 CrossEntropyLoss 看说明可以看出它已经包含了 softmax
    loss_function = nn.CrossEntropyLoss()
    optimizer = optim.Adam(net.parameters(), lr=0.001)

    # 对训练数据集迭代5轮
    for epoch in range(5):  # loop over the dataset multiple times

        running_loss = 0.0
        # 按批次遍历数据集
        for step, data in enumerate(train_loader, start=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)  # 对定义的网络正向传播得到的输出
            loss = loss_function(outputs, labels)  # 对训练集的模型预测值和实际标签值计算损失函数
            loss.backward()  # 反向传播
            optimizer.step()  # 使用优化器的参数更新

            # print statistics
            running_loss += loss.item()
            if step % 500 == 499:    # print every 500 mini-batches
                # 这个步骤只是打印输出，指定在这个代码块里面不要去计算误差损失梯度，在验证测试和预测的环节都需要带上这个函数
                with torch.no_grad():  
                    # 对 val_image 这一批样本做预测
                    outputs = net(val_image)  # [batch, 10]
                    # 得到最有可能的类别
                    predict_y = torch.max(outputs, dim=1)[1]
                    # 与真实类别做比较，得到预测的正确率
                    accuracy = torch.eq(predict_y, val_label).sum().item() / val_label.size(0)

                    print('[%d, %5d] train_loss: %.3f  test_accuracy: %.3f' %
                          (epoch + 1, step + 1, running_loss / 500, accuracy))
                    # 把参数清零，进入下个批次的训练
                    running_loss = 0.0

    print('Finished Training')

    # 保存模型
    save_path = './Lenet.pth'
    torch.save(net.state_dict(), save_path)


if __name__ == '__main__':
    main()

预测

import torch
import torchvision.transforms as transforms
from PIL import Image

from model import LeNet


def main():
    transform = transforms.Compose(
        [transforms.Resize((32, 32)),
         transforms.ToTensor(),
         transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

    classes = ('plane', 'car', 'bird', 'cat',
               'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

    net = LeNet()
    # 加载模型权重文件
    net.load_state_dict(torch.load('Lenet.pth'))

    im = Image.open('1.jpg')
    im = transform(im)  # [C, H, W]
    im = torch.unsqueeze(im, dim=0)  # [N, C, H, W]

    with torch.no_grad():
        outputs = net(im)
        predict = torch.max(outputs, dim=1)[1].data.numpy()
    print(classes[int(predict)])


if __name__ == '__main__':
    main()