深度学习：基于pytorch，从零到实现CNN分类器并优化

港控/mmm° 2021-09-28 08:40 431阅读 0赞

### 基于pytorch，从零到实现CNN分类器并优化 ###

*  前言
 *  基础知识
 *  Pytorch
 *   *  介绍
     *  安装
 *  开始学习Pytorch
 *   *  导入包
     *  tensor
     *  基础操作
     *  与Numpy类型相互转化
 *  Autograd（自动求微分）
 *   *  前言
     *  简述
     *  autograd包的使用
 *  神经网络
 *   *  前言
     *  简述
     *  神经网络基本训练过程
     *  定义神经网络(注释官网的代码)
     *  损失函数(loss function)
     *  反向传播(Back propagation)
     *  更新权重
 *  训练一个（图片）分类器
 *   *  前言
     *  数据来源
     *  训练步骤
     *  深度学习术语补充
     *  代码附注释
     *  模型改进方面的思考
 *  卷积后的图片大小计算

# 前言 #

以下内容大部分翻译自pytorch  
记录自己从零到实现CNN分类器所寻找的资源、学习过程

# 基础知识 #

学会Python的numpy包，[numpy官网教程入口][numpy]

# Pytorch #

## 介绍 ##

*  Pytorch是一个开源的深度学习平台，提供了从原型研究到生产部署的无缝衔接。
 *  可替代Numpy（增强对GPU即图形处理器的使用）
 *  一个深度学习的研究平台，具有最大的灵活性和速度

## 安装 ##

[不同版本/平台 Pytorch安装命令][Pytorch]  
Windows下利用pip安装pytorch1.0

> pip install https://download.pytorch.org/whl/cu90/torch-1.0.1-cp36-cp36m-win\_amd64.whl  
> pip install torchvision

# 开始学习Pytorch #

这一大段学习自[这里][Link 1]

## 导入包 ##

> import torch

## tensor ##

torch包的数组类型，相当于list和numpy.array(…)

一些函数：

*  torch.empty(x,y) 创建大小为X\*Y的矩阵,这个矩阵是tensor类型的，初始化为0
 *  torch.rand(x,y)
 *  torch.zeros(5, 3, dtype=torch.long)
 *  torch.tensor(\[5.5, 3\])
 *  torch.randn\_like(x,dtype=torch.float) 创建一个大小和x相同的tensor

## 基础操作 ##

加减乘除类似numpy，其他  
假设x=torch.randn(4,4)

*  x.view(…) 改变x的大小
 *  x.view(-1,8) //the size -1 is inferred from other dimensions，即-1的值可从其他维推出来
 *  x.item() 返回python原生类型的值

## 与Numpy类型相互转化 ##

*  b=torch.from\_numpy(a) 将torch.tensor转化为numpy.array
 *  b=a.numpy() 将tensor转化为array

# Autograd（自动求微分） #

## 前言 ##

[官网链接][Link 2]  
我看第一遍看不懂他在讲什么，第二遍还是不知道讲什么-\_-||（我菜爆了）

于是乎，参考了以下文章[点这里][Link 3]  
（注：这篇文章里的creator已经被最近版本的pytorch换成了grad\_fn）  
看完这篇文章，然后我回过去看官网的文章

## 简述 ##

为了实现autograd，需要使用Variable和Function这两种基本的数据类型  
Variable类包括的属性如下：

<table> 
 <thead> 
  <tr> 
   <th>属性名</th> 
   <th>解释</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>data</td> 
   <td>数据（存储着tensor类型的数据）</td> 
  </tr> 
  <tr> 
   <td>grad</td> 
   <td>梯度，即求出来的微分（导数）在data取值下的值</td> 
  </tr> 
  <tr> 
   <td>grad_fn</td> 
   <td>可理解为函数表达式（是Function类型）</td> 
  </tr> 
 </tbody> 
</table>

## autograd包的使用 ##

*  开启tensor变量的自动求导功能

x.requires_grad=true

*  自动求微分  
    对最终的输出y进行操作

y.backward()

*  获取y关于x的导数在x取值下的值

x.grad

*  禁止变量继续追踪计算历史

x.detach()

或者

with torch.no_grad():
    	....

官网中有提到雅可比不等式，不是很懂，先不深究，以后要用再看

# 神经网络 #

## 前言 ##

这里需要一些机器学习和深度学习（CNN卷积神经网络）的知识，

*  **机器学习**的课程，推荐吴恩达的网课，[网易云课堂入口][Link 4]  
    原版的是coursera网站上的，只不过coursera是英文的，而网易云课堂有翻译
 *  **CNN**：[第一个博客入口][Link 5]  
    [第二个博客入口][Link 6]
 *  **CNN**中特征图/通道的概念：  
    特征图：[博客入口][Link 7]  
    通道:[博客入口][Link 8]

## 简述 ##

所需包：

> import torch.nn

*  nn基于autograd去区分每个神经网络
 *  nn.Module包含神经网络的layers
 *  nn.forward(input)返回output  
    ![典型的CNN神经网络][CNN]  
    这是一个典型的前馈（feed\_forward）神经网络，即 输入数据-经过不同的层处理-产生输出

## 神经网络基本训练过程 ##

1.  定义一个有可学习参数（或称权重）的神经网络
2.  在数据集上迭代输入
3.  在神经网络中处理输入
4.  计算损失loss
5.  将梯度(gradients)反向传播回神经网络的参数
6.  更新神经网络的权重，一个基本的更新公式是  
     w e i g h t = w e i g h t − l e a r n i n g \_ r a t e ∗ g r a d i e n t weight = weight - learning\\\_rate \* gradient weight=weight−learning\_rate∗gradient

## 定义神经网络(注释官网的代码) ##

import torch
    import torch.nn as nn
    import torch.nn.functional as F
    
    
    class Net(nn.Module):
    
        def __init__(self):
            super(Net, self).__init__() #调用Net父类（nn.Module）的__init__()方法
            
            # 1 input image channel, 6 output channels, 5x5 square convolution
            # kernel
            self.conv1 = nn.Conv2d(1, 6, 5) #表
            self.conv2 = nn.Conv2d(6, 16, 5)
            # an affine operation: y = Wx + b
            self.fc1 = nn.Linear(16 * 5 * 5, 120)
            self.fc2 = nn.Linear(120, 84)
            self.fc3 = nn.Linear(84, 10)
    
        def forward(self, x):
            # Max pooling over a (2, 2) window
            x = F.max_pool2d(F.relu(self.conv1(x)), (2, 2))
            # If the size is a square you can only specify a single number
            x = F.max_pool2d(F.relu(self.conv2(x)), 2)
            x = x.view(-1, self.num_flat_features(x))
            x = F.relu(self.fc1(x))
            x = F.relu(self.fc2(x))
            x = self.fc3(x)
            return x
    
        def num_flat_features(self, x):
            size = x.size()[1:]  # all dimensions except the batch dimension
            num_features = 1
            for s in size:
                num_features *= s
            return num_features
    
    
    net = Net()
    print(net)

我们只需要定义上面的 **forward** 函数，**backward** 函数由torch包自动为我们定义。

学习得到的 **参数**（权重）可通过以下方法获得：

net.parameters()

\*注意：torch.nn只接受小批量输入mini-batches，也就是说不接受单个输入

## 损失函数(loss function) ##

损失函数的输入输出

输入：output（经过神经网络计算得到的输出），target（实际的值）  
输出：一个值，表示的是ouput离target的距离

例子：

output = net(input) #通过刚才定义的神经网络计算得到输出
    target = torch.randn(10)  #先随遍设置一个目标值
    target = target.view(1, -1)  #使目标值和输出拥有相同的维度，-1是自动计算该处的维度的意思
    criterion = nn.MSELoss()  #使用均方误差mean-square这个loss function
    loss = criterion(output, target) #计算均方误差
    print(loss)

## 反向传播(Back propagation) ##

反向传播是一个根据loss function，计算梯度，以达到最小化loss目的的一个算法。  
步骤:

1.  net.zero\_grad() 清空现存的梯度值
2.  loss.backward() 自动计算梯度

## 更新权重 ##

最简单的更新权重的方法是 **随机梯度下降** Stochastic Gradient Descent(SGD):  
 w e i g h t = w e i g h t − l e a r n i n g \_ r a t e ∗ g r a d i e n t weight=weight-learning\\\_rate\*gradient weight=weight−learning\_rate∗gradient  
更新权重的方法（这里列出的是每一层循环的内容）

learning_rate=0.01 #设置一个学习率
    for f in net.parameters():
    	f.data.sub_(f.grad.data * learning_rate)

选择其他的损失函数：  
刚才我们用了均方误差这个损失函数，torch还提供了其他损失函数，比如说 SGD, Nesterov-SGD, ADAM, RMSProp 等等，这些由 **torch.optim** 包提供

import torch.optim as optim
    
    # create your optimizer
    optimizer = optim.SGD(net.parameters(), lr=0.01)
    
    #在每一层循环中
    optimizer.zero_grad()   # 清空梯度
    output = net(input)
    loss = criterion(output, target)
    loss.backward()
    optimizer.step()    # 更新参数(权重)

# 训练一个（图片）分类器 #

## 前言 ##

[官网入口][Link 9]

## 数据来源 ##

*  图片：Pillow，OpenCV（这些都是python包）
 *  音频： scipy，librosa
 *  文本：Python、Cython/NLTK/SpaCy
 *  视觉：torchvision

## 训练步骤 ##

1.  使用torchvision加载并归一化(normalize)CIFAR10数据集
2.  定义卷积神经网络
3.  定义损失函数(loss function)
4.  在训练数据上训练网络（得到一系列的参数）
5.  在测试数据上测试分类效果

## 深度学习术语补充 ##

在看代码前，有必要了解一下什么是随机梯度下降(stochastic gradient descent)、批梯度下降(batch gradient descent)、以及小批的梯度下降(mini-batch gradient descent) 、batchsize、iteration、epoch[博客入口][Link 10]

## 代码附注释 ##

import torch
    import torchvision
    import torchvision.transforms as transforms
    
    transform = transforms.Compose(
        [transforms.ToTensor(), #[0,256]-[0-1]
         transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])#[0-1]-[-1,1]
     #transforms.Compose这个函数的作用就是把几个变换组合起来
     #里面都是transforms对象
     #ToTensor()把numpy.ndarray或PIL Image转换成tensor
     #transforms.Normalize 的作用是给定均值和标准差，标准化tensor image
     #比如说有三个颜色通道（R，G，B），对于每一个通道的数据有一个M，有一个标准差S
     #那么对于每一个数据，该通道归一化后就是(x-M)/S
    
    trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
                                            download=True, transform=transform)
    #download=True说明打开下载选项，root='./data'说明下载到当前目录下的data文件夹
    #如果download=False则说明数据集已经存在于当前目录下的./data里面
    #train=True说明从训练集中加载对象，这里CIFAR10已经未我们预先分好了训练集和测试集
    #transform=transform就是用刚才定义的transform对象对数据集进行处理
    #返回值 (image, target) where target is index of the target class.
                                            
    trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
                                              shuffle=True, num_workers=2)
    #trainset意味着用刚才加载的训练集
    #batch_size=4意味着每一个batch大小为4，即用4个数据项就计算损失函数反向传播一次更新参数。
    #shuffle=True意味着每次用全部的训练集训练完就进行随机打乱一次
    #num_workers是用来载入数据集的子进程的数目
    #返回的是一个实例化的类对象
    
    testset = torchvision.datasets.CIFAR10(root='./data', train=False,
                                           download=True, transform=transform)
    #载入测试集，train=False意味着从测试集中加载数据
    
    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')

展示训练集的图片

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() #把图片转换为numpy的array数组
        plt.imshow(np.transpose(npimg, (1, 2, 0)) 
        # np.transpose(array,[list of dimension]) 按照列表里的维度顺序调转维度
        #plt.imshow显示图片
        plt.show()
    
    
    # get some random training images
    
    #iter是python的内置函数，传入支持迭代的集合对象，返回迭代器对象
    dataiter = iter(trainloader) 
    # 如果batch_size为4，则取出来的images是4×c×h×w的tensor，labels是1×4的向量
    images, labels = dataiter.next() #获取一组图像 
    
    # show images
    imshow(torchvision.utils.make_grid(images))
    #制作一个网格后作为一个参数传入函数
    
    # print labels
    print(' '.join('%5s' % classes[labels[j]] for j in range(4)))
    #以空格为分界符

结果：  
![训练集的图片][20190323004047594.png]  
训练神经网络

import torch.nn as nn
    import torch.nn.functional as F
    
    
    class Net(nn.Module):
        def __init__(self):
            super(Net, self).__init__() #调用Net父类的init方法
            self.conv1 = nn.Conv2d(3, 6, 5)
            #定义第一层卷积中的输入通道数为3，输出通道数为6，输入通道为3其实就是RGB三通道
            #输出通道数为6其实就是有六个卷积核进行卷积输出6个featuremap,featuremap就是通道
            #第三个通道意味着卷积核的大小为5X5
            #卷积层的作用是提取特征
            self.pool = nn.MaxPool2d(2, 2)
            #分别代表卷积核是2X2的矩阵以及卷积步长为2
            #池化层的作用是
            #1.保留主要的特征,同时减少下一层的参数和计算量，防止过拟合；
    		#2.保持某种不变性，包括translation(平移)，rotation(旋转)，scale(尺度)
    		#常用的有mean-pooling和max-pooling。
            self.conv2 = nn.Conv2d(6, 16, 5)
            
            self.fc1 = nn.Linear(16 * 5 * 5, 120)
            #分别为输入特征的大小和输出特征的大小
            #对应于第二层卷积层 16个通道，每个通道大小为5X5
            self.fc2 = nn.Linear(120, 84)
            self.fc3 = nn.Linear(84, 10)
            #最后输出10个类别的概率
    
        def forward(self, x):
            x = self.pool(F.relu(self.conv1(x)))
            #F.relu的意思是，第一层卷积后的每一个元素都输入这个函数进行处理
            x = self.pool(F.relu(self.conv2(x)))
            
            x = x.view(-1, 16 * 5 * 5)
            #改变矩阵的大小，-1自动计算，另一维度为16*5*5
            x = F.relu(self.fc1(x))
            x = F.relu(self.fc2(x))
            x = self.fc3(x)
            return x
            
    net = Net()

接下来定义**损失函数**以及**优化器optimizer**来训练神经网络  
优化器的意思是，更新参数的方法，之前提到的简单优化器有随机梯度下降SGD

import torch.optim as optim
    criterion = nn.CrossEntropyLoss()
    optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)
    
    for epoch in range(2):  # 一个epoch说明用所用数据进行训练一次
    
        running_loss = 0.0
        for i, data in enumerate(trainloader, 0):   #enumerate的第二个参数是开始下标的意思
        											#返回(index,data)
            #特征向量和标签
            # 由于batch是4，因此input是4*C*W*H的tensor
            # label是一个1*4的tensor
            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
            						# 每个mini-batch的大小之前在trainloader里面有设置过
                print('[%d, %5d] loss: %.3f' %
                      (epoch + 1, i + 1, running_loss / 2000))
                running_loss = 0.0
    
    print('Finished Training')

在测试集上测试

correct = 0
    total = 0
    with torch.no_grad():
        for data in testloader:
            images, labels = data #label指的是在类里面的下标
            outputs = net(images)
            _, predicted = torch.max(outputs.data, 1)
            #找出第一维的最大值，predicted里面保存的是下标
            total += labels.size(0)，#因为是minibatch，所以一组里面有很多个数据
            correct += (predicted == labels).sum().item()
    
    print('Accuracy of the network on the 10000 test images: %d %%' % (
        100 * correct / total))

每一种类别的正确率

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)
            #outputs的包含每一个类的概率
            _, predicted = torch.max(outputs, 1)
            c = (predicted == labels).squeeze()
            
            ##一个batch大小为4,相当于有四张图的类别
            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]))

## 模型改进方面的思考 ##

[博客入口][Link 11]

**尝试1：初始化模型权重**  
刚开始可以较快收敛，在训练次数比较小的时候还是比较重要的，但是随着epoch增加不怎么有用。

**尝试2：更改激活函数**  
激活函数的作用：  
将线性的输出转换为非线性的输出，构造一个复杂的函数，以构造输入和输出之间复杂的映射。

*  RELU: 56%
 *  Simoid: 26%
 *  tanh : 56%
 *  log\_softmax: 37%
 *  leaky\_relu: 53%
 *  rrelu: 56%  
    尝试几个还是没改进，换回RELU

**尝试3：数据增强技术**  
transforms.ColorJitter()  
改变亮度、对比度、色调

在训练数据上增加微小的扰动或者变化，一方面可以增加训练数据，从而提升模型的泛化能力，另一方面可以增加噪声数据，从而增强模型的鲁棒性。  
方法有：

*  翻转变换 flip
 *  随机修剪（random crop）
 *  色彩抖动（color jittering）
 *  平移变换（shift）
 *  尺度变换（scale）
 *  对比度变换（contrast）
 *  噪声扰动（noise）
 *  旋转变换 / 反射变换 （rotation/reflection）

改了好几次好像不是很明显

**尝试4：增加对数据集的遍历次数**  
epoch=2-3: 56-57%  
epoch=4-6: 60%左右，loss趋向于一个稳定值

**尝试5：根据epoch增加减小learning\_rate**  
理解：当epoch比较小的时候，目标函数还没有收敛到最低点，所以刚开始learning\_rate应该要大一点，随着迭代次数增加，应该减小learning\_rate。

官网给出初始learning\_rate=0.001  
发现1-3次迭代loss下降较快，4-6次迭代之后loss下降不是很明显，函数值在最低点附近跳来跳去

改进方案：每四次减小learning\_rate，初始设置为0.01  
代码参考：[博客入口][Link 12]  
最终运行12次，精度为65%

**尝试6：更改优化器**  
刚开始使用AdaDelta替代SGD，后换回SGD，但是效果不明显。  
[博客][Link 13]

**尝试7：使用dropout**  
Dropout说的简单一点就是：我们在前向传播的时候，让某个神经元的激活值以一定的概率p停止工作，这样可以使模型泛化性更强，因为它不会太依赖某些局部的特征。  
dropout是为了防止过拟合，但是在epoch比较小的时候这个操作会导致正确率下降，因为epoch比较小的时候面临了欠拟合

# 卷积后的图片大小计算 #

拿面的代码举例

> self.conv1 = nn.Conv2d(3, 6, 5)

3可以理解成有3个矩阵，即一个数据项X有3个特征  
输出6个矩阵  
假设原来的数据集一个矩阵为32\*32的大小  
那么输入就是3\*32\*32  
应为卷积核为5，默认步长为1，那么对一个矩阵做卷积，横向进行了28次，  
竖向进行了28次，因此输出为6\*28\*28的矩阵

> self.pool = nn.MaxPool2d(2, 2)

卷积核为2，步长为2，相当于横向进行了n/2次卷积，n为矩阵横向长度

[numpy]: https://docs.scipy.org/doc/numpy-1.13.0/user/index.html
[Pytorch]: https://pytorch.org/get-started/locally/
[Link 1]: https://pytorch.org/tutorials/beginner/blitz/tensor_tutorial.html
[Link 2]: https://pytorch.org/tutorials/beginner/blitz/autograd_tutorial.html
[Link 3]: https://www.jianshu.com/p/cbce2dd60120
[Link 4]: https://study.163.com/course/introduction.htm?courseId=1004570029&_trace_c_p_k2_=b59aaed7a7dc44dcaea5b05b601b0532
[Link 5]: https://www.cnblogs.com/skyfsm/p/6790245.html
[Link 6]: https://www.zybuluo.com/hanbingtao/note/485480
[Link 7]: https://blog.csdn.net/sxs11/article/details/81411913
[Link 8]: https://www.jianshu.com/p/bf8749e15566
[CNN]: /images/20210923/033d63f19dae46888ce054a56527c130.png
[Link 9]: https://pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html
[Link 10]: https://blog.csdn.net/qq_18668137/article/details/80883350
[20190323004047594.png]: /images/20210923/b8d3b387bd60444693aa3ec123db2242.png
[Link 11]: https://blog.csdn.net/weixin_38208741/article/details/79285632
[Link 12]: https://blog.csdn.net/guihuo2889/article/details/84767291
[Link 13]: https://blog.csdn.net/ningyanggege/article/details/82183666