下面尝试从零搭建一个PyTorch模型来完成CIFAR-10数据集上的图像分类任务，步骤如下。
（1）使用torchvision加载并预处理CIFAR-10数据集。
（2）定义网络。
（3）定义损失函数和优化器。
（4）训练网络，并更新网络参数。
（5）测试网络。
1 CIFAR-10数据加载及预处理
CIFAR-10是一个常用的彩色图片数据集，它有10个类别：airplane、automobile、bird、cat、deer、dog、frog、horse、ship和truck。每张图片大小都是$3\times32\times32$，即3通道彩色图片，分辨率为$32\times32$。下面举例说明如何完成图像加载与预处理：
In: import torch as t
import torchvision as tv
import torchvision.transforms as transforms
from torchvision.transforms import ToPILImage
show = ToPILImage() # 可以把Tensor转成Image，Jupyter可直接显示Image对象In: # 第一次运行程序torchvision会自动下载CIFAR-10数据集，
# 数据集大小约为100M，需花费一些时间，
# 如果已经下载好CIFAR-10数据集，那么可通过root参数指定
# 定义对数据的预处理
transform = transforms.Compose([
transforms.ToTensor(), # 转为Tensor
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)), # 归一化
])
# 训练集
trainset = tv.datasets.CIFAR10(
root='./pytorch-book-cifar10/',
train=True,
download=True,
transform=transform)
trainloader = t.utils.data.DataLoader(
trainset,
batch_size=4,
shuffle=True,
num_workers=2)
# 测试集
testset = tv.datasets.CIFAR10(
'./pytorch-book-cifar10/',
train=False,
download=True,
transform=transform)
testloader = t.utils.data.DataLoader(
testset,
batch_size=4,
shuffle=False,
num_workers=2)
classes = ('plane', 'car', 'bird', 'cat', 'deer',
'dog', 'frog', 'horse', 'ship', 'truck')
Out:Files already downloaded and verified
Files already downloaded and verifiedDataset
对象是一个数据集，可以按下标访问，返回形如(data, label)的数据，举例说明如下：
In: (data, label) = trainset[100]
print(classes[label])
# (data + 1) / 2目的是还原被归一化的数据
show((data + 1) / 2).resize((100, 100))Out:ship
Dataloader是一个可迭代对象，它将Dataset返回的每一条数据样本拼接成一个batch，同时提供多线程加速优化和数据打乱等操作。当程序对Dataset的所有数据遍历完一遍后，对Dataloader也完成了一次迭代：
In: dataiter = iter(trainloader) # 生成迭代器
images, labels = dataiter.next() # 返回4张图片及标签
print(' '.join('%11s'%classes[labels[j]] for j in range(4)))
show(tv.utils.make_grid((images + 1) / 2)).resize((400,100))
Out: horse frog plane bird
2 定义网络
拷贝上面的LeNet网络，因为CIFAR-10数据集中的数据是3通道的彩色图像，所以将self.conv1中第一个通道参数修改为3：
In: import torch.nn as nn
import torch.nn.functional as F
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.conv1 = nn.Conv2d(3, 6, 5) # 将第一个通道参数修改为3
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) # 类别数为10
def forward(self, x):
x = F.max_pool2d(F.relu(self.conv1(x)), (2, 2))
x = F.max_pool2d(F.relu(self.conv2(x)), 2)
x = x.view(x.size()[0], -1)
x = F.relu(self.fc1(x))
x = F.relu(self.fc2(x))
x = self.fc3(x)
return x
net = Net()
print(net)Out:Net(
(conv1): Conv2d(3, 6, kernel_size=(5, 5), stride=(1, 1))
(conv2): Conv2d(6, 16, kernel_size=(5, 5), stride=(1, 1))
(fc1): Linear(in_features=400, out_features=120, bias=True)
(fc2): Linear(in_features=120, out_features=84, bias=True)
(fc3): Linear(in_features=84, out_features=10, bias=True)
)
3 定义损失函数和优化器
这里使用交叉熵nn.CrossEntropyLoss作为损失函数，随机梯度下降法作为优化器：
In: from torch import optim
criterion = nn.CrossEntropyLoss() # 交叉熵损失函数
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)
4 训练网络
所有网络的训练流程都是类似的，也就是不断地执行如下流程。
（1）输入数据。
（2）前向传播、反向传播。
（3）更新参数。
In: for epoch in range(2):
running_loss = 0.0
for i, data in enumerate(trainloader, 0):
# 输入数据
inputs, labels = data
# 梯度清零
optimizer.zero_grad()
# forward + backward
outputs = net(inputs)
loss = criterion(outputs, labels)
loss.backward()
# 更新参数
optimizer.step()
# 打印log信息
running_loss += loss.item()
if i % 2000 == 1999: # 每2000个batch打印一下训练状态
print('[%d, %5d] loss: %.3f' \
% (epoch+1, i+1, running_loss / 2000))
running_loss = 0.0
print('Finished Training')
Out:[1, 2000] loss: 2.228
[1, 4000] loss: 1.890
[1, 6000] loss: 1.683
[1, 8000] loss: 1.592
[1, 10000] loss: 1.513
[1, 12000] loss: 1.478
[2, 2000] loss: 1.387
[2, 4000] loss: 1.368
[2, 6000] loss: 1.346
[2, 8000] loss: 1.324
[2, 10000] loss: 1.300
[2, 12000] loss: 1.255
Finished Training
这里仅训练了2个epoch（遍历完一遍数据集称为1个epoch），下面来看看网络有没有效果。将测试图片输入到网络中，计算它的label，然后与实际的label进行比较：
In: dataiter = iter(testloader)
images, labels = dataiter.next() # 一个batch返回4张图片
print('实际的label: ', ' '.join(\
'%08s'%classes[labels[j]] for j in range(4)))
show(tv.utils.make_grid(images / 2 - 0.5)).resize((400, 100))
Out:实际的label: cat ship ship plane
接着计算网络预测的分类结果：
In: # 计算图片在每个类别上的分数
outputs = net(images)
# 得分最高的那个类
_, predicted = t.max(outputs.data, 1)
print('预测结果: ', ' '.join('%5s'% classes[predicted[j]] for j in range(4)))
Out:预测结果: cat ship ship ship
从上述结果可以看出：网络的准确率很高，针对这四张图片达到了75%的准确率。然而，这只是一部分图片，下面再来看看在整个测试集上的效果：
In: correct = 0 # 预测正确的图片数
total = 0 # 总共的图片数
# 由于测试的时候不需要求导，可以暂时关闭autograd，提高速度，节约内存
with t.no_grad():
for data in testloader:
images, labels = data
outputs = net(images)
_, predicted = t.max(outputs, 1)
total += labels.size(0)
correct += (predicted == labels).sum()
print('10000张测试集中的准确率为: %f %%' % (100 * correct // total))
Out:10000张测试集中的准确率为: 52.000000 %
训练结果的准确率远比随机猜测（准确率为10%）好，证明网络确实学到了东西。
5 在GPU上训练
就像把Tensor从CPU转移到GPU一样，模型也可以类似地从CPU转移到GPU，从而加速网络训练：
In: device = t.device("cuda:0" if t.cuda.is_available() else "cpu")
net.to(device)
images = images.to(device)
labels = labels.to(device)
output = net(images)
loss= criterion(output,labels)
lossOut:tensor(0.5668, device='cuda:0', grad_fn=<NllLossBackward>)
6 小结
本文给出了一个PyTorch快速入门指南，具体包含以下内容。
- Tensor：类似NumPy数组的数据结构，它的接口与NumPy的接口类似，可以方便地互相转换。
- autograd：为Tensor提供自动求导功能。
- nn：专门为神经网络设计的接口，提供了很多有用的功能，如神经网络层、损失函数、优化器等。
- 神经网络训练：以CIFAR-10分类为例，演示了神经网络的训练流程，包括数据加载、网络搭建、模型训练及模型测试。
通过本文的学习，可以大概了解PyTorch的主要功能，并能够使用PyTorch编写简单的模型。从下一篇开始，将深入系统地讲解PyTorch的各部分知识。
