1 PyTorch 入门 - zhangyikaii/Auxiliary-Material-for-AI-Platform-Application-Course GitHub Wiki

在本次教程指引中, 我们翻译了官方文档中 Deep Learning with PyTorch: A 60 Minute Blitz Training A Classifier 的内容, 我们想说的是: 在实验过程中, 包括但不限于PyTorch Documentation, Stack Overflow, GitHub等网站上有许多优秀的学习内容, 搜索, 辨识并阅读英文材料, 并思考为什么寻找答案的能力是至关重要的, 我们期望以这篇中文(翻译)的经典文档教程, 伴随着每段代码相关的思考题, 带大家掌握这样的学习方法. 未来我们会循序渐进探索PyTorch更深的内涵.

在阅读之前, 请确保你已理解神经网络是如何工作的, 特别是梯度反向传播的知识.

 

1 加载并预处理数据集

我们以CIFAR10数据集为例: 它包含类别: ‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’. 图像大小为 3x32x32, 即尺寸为32x32像素的3通道彩色图像.

我们使用 torchvision 库来导入, 该库拥有ImageNet、CIFAR10、MNIST等常见数据集的dataloader和一些transforms. 即存在于 torchvision.datasets 和 torch.utils.data.DataLoader. torchvision数据集的输出是范围[0, 1]的PILImage图像, 我们将它们转换为归一化范围[-1, 1]的tensor.

import torch
import torchvision
import torchvision.transforms as transforms

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

batch_size = 4

trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
                                        download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=batch_size,
                                          shuffle=True, num_workers=2)

testset = torchvision.datasets.CIFAR10(root='./data', train=False,
                                       download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=batch_size,
                                         shuffle=False, num_workers=2)

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

思考题:

  • 如上代码中train, shuffle, num_workers参数的含义和作用是什么? 该从哪里找到答案?
  • DataLoader数据流在接下来的代码中会是怎样的形式?
  • transforms中还有哪些, 它们的作用分别是什么?
  • 在什么情况下需要自己实现一个dataset? 自己实现时class中有哪些函数是必须的?

更进一步: 下载一个另外的小数据集, 使用transforms变换到如上所示的大小, 并实现一个自己的dataset来加载它.

展示一些训练图片如下:

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()
    plt.imshow(np.transpose(npimg, (1, 2, 0)))
    plt.show()

# get some random training images
dataiter = iter(trainloader)
images, labels = dataiter.next()

# show images
imshow(torchvision.utils.make_grid(images))
# print labels
print(' '.join(f'{classes[labels[j]]:5s}' for j in range(batch_size)))

 

2 定义一个神经网络

import torch.nn as nn
import torch.nn.functional as F


class Net(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.fc1 = nn.Linear(16 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        x = torch.flatten(x, 1) # flatten all dimensions except batch
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x


net = Net()

思考题:

  • 如上代码中torch.flatten函数的含义和作用是什么? 该从哪里找到答案? 在如上的代码中, 该函数可以用torch的哪些函数替代(请实现可执行的替换代码), 这里使用torch.flatten有什么好处?
  • torch.view和torch.reshape有什么区别?
  • 为什么要在类后的括号里写上nn.Module?
  • 可以画出如上代码中定义的神经网络结构吗? 可以说出__init__函数里每层的作用吗? 参考PyTorch官方文档, 可以将forward过程的维度变化计算详细罗列出来吗?
  • 定义一个神经网络时, 我们怎样保持良好的代码风格?

更进一步: 思考forward的哪一部分是在Representation, 哪一部分在Classification. 尝试将如上网络加深/加宽.

 

3 定义loss和optimizer

import torch.optim as optim

criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

思考题:

  • 可以详细列出CrossEntropyLoss的计算过程吗?
  • CrossEntropyLoss和NLLLoss有什么不同, 可以实现使它们等价的代码吗?
  • 可以详细列出带momentum的SGD更新过程吗?

更进一步: 列举一个其他loss及其计算过程和应用任务. 列举一个其他的optimizer及其更新过程.

 

4 训练网络

for epoch in range(2):  # loop over the dataset multiple times

    running_loss = 0.0
    for i, data in enumerate(trainloader, 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)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

        # print statistics
        running_loss += loss.item()
        if i % 2000 == 1999:    # print every 2000 mini-batches
            print(f'[{epoch + 1}, {i + 1:5d}] loss: {running_loss / 2000:.3f}')
            running_loss = 0.0

print('Finished Training')

思考题:

  • optimizer.zero_grad()的作用是什么?
  • optimizer.step()一定要在loss.backward()之后么? 为什么?
  • loss的变化为何在训练过程中尤其重要?

更进一步: 为如上训练任务添加验证集, 探究不同网络结构以及不同超参数设定对过拟合的敏感程度. (如果有条件)将上述网络改到GPU上训练需要修改哪些代码? 多个GPU(多卡训练)时呢?

 

5 测试网络

correct = 0
total = 0
# since we're not training, we don't need to calculate the gradients for our outputs
with torch.no_grad():
    for data in testloader:
        images, labels = data
        # calculate outputs by running images through the network
        outputs = net(images)
        # the class with the highest energy is what we choose as prediction
        _, predicted = torch.max(outputs.data, 1)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()

print(f'Accuracy of the network on the 10000 test images: {100 * correct // total} %')