- 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
- 🍖 原作者：K同学啊
目标
1. 实现pytorch环境配置
2. 实现mnist手写数字识别
3. 自己写几个数字识别试试
具体实现
（一）环境
语言环境：Python 3.10
编 译 器: PyCharm
框 架:
（二）具体步骤
**1.**配置Pytorch环境
打开官网PyTorch，Get started:
接下来是选择安装版本，最难的就是确定Compute Platform的版本，是否要使用GPU。所以先要确定CUDA的版本。
会发现，pytorch官网根本没有对应12.7的版本，先安装最新的试试呗，选择12.4：
安装命令：pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
安装完成，我们建立python文件，输入如下代码：
import torch
x = torch.rand(5, 3)
print(x) print(torch.cuda.is_available())---------output---------------
tensor([[0.3952, 0.6351, 0.3107],[0.8780, 0.6469, 0.6714],[0.4380, 0.0236, 0.5976],[0.4132, 0.9663, 0.7576],[0.4047, 0.4636, 0.2858]])
True
从输出来看，成功了。下面开始正式的mnist手写数字识别
2. 下载数据并加载数据
import torch
import torch.nn as nn
# import matplotlib.pyplot as plt
import torchvision # 第一步：设置硬件设备，有GPU就使用GPU，没有就使用GPU
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
print(device) # 第二步：导入数据
# MNIST数据在torchvision.datasets中，自带的，可以通过代码在线下载数据。
train_ds = torchvision.datasets.MNIST(root='./data', # 下载的数据所存储的本地目录 train=True, # True为训练集，False为测试集 transform=torchvision.transforms.ToTensor(), # 将下载的数据直接转换成张量格式 download=True # True直接在线下载，且下载到root指定的目录中,注意已经下载了，第二次以后就不会再下载了 )
test_ds = torchvision.datasets.MNIST(root='./data', train=False, transform=torchvision.transforms.ToTensor(), download=True ) # 第三步：加载数据
# Pytorch使用torch.utils.data.DataLoader进行数据加载
batch_size = 32
train_dl = torch.utils.data.DataLoader(dataset=train_ds, # 要加载的数据集 batch_size=batch_size, # 批次的大小 shuffle=True, # 每个epoch重新排列数据 # 以下的参数有默认值可以不写 num_workers=0, # 用于加载的子进程数，默认值为0.注意在windows中如果设置非0，有可能会报错 pin_memory=True, # True-数据加载器将在返回之前将张量复制到设备/CUDA 固定内存中。 如果数据元素是自定义类型，或者collate_fn返回一个自定义类型的批次。 drop_last=False, #如果数据集大小不能被批次大小整除，则设置为 True 以删除最后一个不完整的批次。 如果 False 并且数据集的大小不能被批大小整除，则最后一批将保留。 （默认值：False） timeout=0, # 设置数据读取的超时时间 ， 超过这个时间还没读取到数据的话就会报错。（默认值：0） worker_init_fn=None # 如果不是 None，这将在步长之后和数据加载之前在每个工作子进程上调用，并使用工作 id（[0，num_workers - 1] 中的一个 int）的顺序逐个导入。（默认：None） ) # 取一个批次看一下数据格式,数据的shape为[batch_size, channel, height, weight]
# batch_size是已经设定的32，channel, height和weight分别是图片的通道数，高度和宽度
images, labels = next(iter(train_dl))
print(images.shape)
看这个图片的shape是torch.size([32, 1, 28, 28])，可以看图MNIST的数据集里的图像我猜应该是单色的（channel=1)，28 * 28大小的图片（height=28, weight=28)。
将图片可视化展示出来看看：
# 数据可视化
plt.figure(figsize=(20, 5)) # 指定图片大小 ，图像大小为20宽，高5的绘图（单位为英寸）
for i , images in enumerate(images[:20]): # 维度缩减,npimg = np.squeeze(images.numpy()) # 将整个figure分成2行10列，绘制第i+1个子图 plt.subplot(2, 10, i+1) plt.imshow(npimg, cmap=plt.cm.binary) plt.axis('off')
plt.show()
**3.**构建CNN网络
num_classes = 10 # MNIST数据集中是识别0-9这10个数字，因此是10个类别。class Model(nn.Module):def __init__(self):super(Model, self).__init__()# 特征提取网络self.conv1 = nn.Conv2d(1, 32, kernel_size=3, padding=1) # 第一层卷积，卷积核大小3*3self.pool1 = nn.MaxPool2d(2) # 池化层，池化核大小为2*2self.conv2 = nn.Conv2d(32, 64, kernel_size=3, padding=1) # 第二层卷积，卷积核大小3*3self.pool2 = nn.MaxPool2d(2)# 分类网络self.fc1 = nn.Linear(1600, 64)self.fc2 = nn.Linear(64, num_classes)def forward(self, x):x = self.pool1(F.relu(self.conv1(x)))x = self.pool2(F.relu(self.conv2(x)))x = torch.flatten(x, start_dim=1)x = F.relu(self.fc1(x))x = self.fc2(x)return x# 第四步：加载并打印模型
# 将模型转移到GPU中
model = Model().to(device)
summary(model)>)
4.训练模型
# 第五步：训练模型
loss_fn = nn.CrossEntropyLoss() # 创建损失函数
learn_rate = 1e-2 # 设置学习率
opt = torch.optim.SGD(model.parameters(), lr=learn_rate) # 循环训练
def train(dataloader, model, loss_fn, optimizer): size = len(dataloader.dataset) # 训练集的大小 num_batches = len(dataloader) # 批次数目 train_loss, train_acc = 0, 0 # 初始化训练损失率和正确率都为0 for X, y in dataloader: # 获取图片及标签 X, y = X.to(device), y.to(device) # 将图片和标准转换到GPU中 # 计算预测误差 pred = model(X) # 使用CNN网络预测输出pred loss = loss_fn(pred, y) # 计算预测输出的pred和真实值y之间的差距 # 反向传播 optimizer.zero_grad() # grad属性归零 loss.backward() # 反向传播 optimizer.step() # 第一步自动更新 # 记录acc与loss train_acc += (pred.argmax(1) == y).type(torch.float).sum().item() train_loss += loss.item() train_acc /= size train_loss /= num_batches return train_acc, train_loss # 测试函数,注意测试函数不需要进行梯度下降，不进行网络权重更新，所以不需要传入优化器
def test(dataloader, model, loss_fn): size = len(dataloader.dataset) num_batches = len(dataloader) test_loss, test_acc = 0, 0 # 当不进行训练时，停止梯度更新，节省计算内存消耗 with torch.no_grad(): for imgs, targets in dataloader: imgs, target = imgs.to(device), targets.to(device) # 计算 loss target_pred = model(imgs) loss = loss_fn(target_pred, target) test_loss += loss.item() test_acc += (target_pred.argmax(1) == target).type(torch.float).sum().item() test_acc /= size test_loss /= num_batches return test_acc, test_loss # 正式训练
epochs = 5
train_loss, train_acc, test_loss, test_acc = [], [], [], [] for epoch in range(epochs): model.train() epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, opt) model.eval() epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn) train_acc.append(epoch_train_acc) test_acc.append(epoch_test_acc) train_loss.append(epoch_train_loss) test_loss.append(epoch_test_loss) template = 'Epoch: {:2d}, Train_acc:{:.1f}%, Train_loss: {:.3f}%, Test_acc: {:.1f}%, Test_loss: {:.3f}%' print(template.format(epoch+1, epoch_train_acc*100, epoch_train_loss, epoch_test_acc*100, epoch_test_loss))
print('Done')
# 可见化一下训练结果
warnings.filterwarnings("ignore")
plt.rcParams['font.sans-serif'] = ['SimHei'] # 显示中文不标签，不设置会显示中文乱码
plt.rcParams['axes.unicode_minus'] = False # 显示负号
plt.rcParams['figure.dpi'] = 100 # 分辨率 epochs_range = range(epochs) plt.figure(figsize=(12, 3))
plt.subplot(1, 2, 1) plt.plot(epochs_range, train_acc, label='训练正确率')
plt.plot(epochs_range, test_acc, label='测试正确率')
plt.legend(loc='lower right')
plt.title('训练与测试正确率') plt.subplot(1, 2, 2)
plt.plot(epochs_range, train_loss, label='训练损失率')
plt.plot(epochs_range, test_loss, label='测试损失率')
plt.legend(loc='upper right')
plt.title('训练与测试损失率') plt.show()
四：预测一下自己手写的数字
准备数据：
再手动将每个数字切割成单独的一个文件：
注意，这里并没有将每个图片的大小切割成一致，理论上切割成要求的28*28是最好。我这里用代码来重新生成28 * 28大小的图片。
import torch
import numpy as np
from PIL import Image
from torchvision import transforms
import torch.nn as nn
import torch.nn.functional as F
import matplotlib.pyplot as plt
import os, pathlib # 第一步：设置硬件设备，有GPU就使用GPU，没有就使用GPU
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
print(device) # 定义模型，要把模型搞过来嘛，不然加载模型会出错。
class Model(nn.Module): def __init__(self): super().__init__() # 特征提取网络 self.conv1 = nn.Conv2d(1, 32, kernel_size=3 ) # 第一层卷积，卷积核大小3*3 self.pool1 = nn.MaxPool2d(2) # 池化层，池化核大小为2*2 self.conv2 = nn.Conv2d(32, 64, kernel_size=3) # 第二层卷积，卷积核大小3*3 self.pool2 = nn.MaxPool2d(2) # 分类网络 self.fc1 = nn.Linear(1600, 64) self.fc2 = nn.Linear(64, 10) def forward(self, x): x = self.pool1(F.relu(self.conv1(x))) x = self.pool2(F.relu(self.conv2(x))) x = torch.flatten(x, start_dim=1) x = F.relu(self.fc1(x)) x = self.fc2(x) return x # 加载模型
model = torch.load('./models/cnn.pth')
model.eval() transform = transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.1307,), (0.3081,))
]) # 导入数据
data_dir = "./mydata/handwrite"
data_dir = pathlib.Path(data_dir)
image_count = len(list(data_dir.glob('*.jpg')))
print("图片总数量为：", image_count) plt.rcParams['font.sans-serif'] = ['SimHei'] # 显示中文不标签，不设置会显示中文乱码
plt.rcParams['axes.unicode_minus'] = False # 显示负号
plt.rcParams['figure.dpi'] = 100 # 分辨率
plt.figure(figsize=(10, 10))
i = 0
for input_file in list(data_dir.glob('*.jpg')): image = Image.open(input_file) image_resize = image.resize((28, 28)) # 将图片转换成 28*28 image = image_resize.convert('L') # 转换成灰度图 image_array = np.array(image) # print(image_array.shape) # (high, weight) image = Image.fromarray(image_array) image = transform(image) image = torch.unsqueeze(image, 0) # 返回维度为1的张量 image = image.to(device) output = model(image) pred = torch.argmax(output, dim=1) image = torch.squeeze(image, 0) # 返回一个张量，其中删除了大小为1的输入的所有指定维度 image = transforms.ToPILImage()(image) plt.subplot(10, 4, i+1) plt.tight_layout() plt.imshow(image, cmap='gray', interpolation='none') plt.title("实际值：{}，预测值：{}".format(input_file.stem[:1], pred.item())) plt.xticks([]) plt.yticks([]) i += 1
plt.show()
准确性很低，40张图片预测准确数量：6,占比：15.0%.。看图片，感觉resize成28*28和转换成灰度图后，图片本身已经失真比较严重了。先把图片像素翻转一下，其实就是反色处理，加上这段代码：
准确率上了一个台阶（40张图片预测准确数量：30,占比：75.0%）.。但是看图片，还是不清晰。
（三）总结
- epochs=5,预测的准确性达到97%，如果增加迭代的次数到10，准确性提升接近到99%。迭代20次则达到99.3，提升不明显。
- batch_size如何从32调整到64，准确性差不太多
- 后续研究图片增强