PyTorch深度学习框架学习记录（2）--MNIST手写数字识别（续）

news2025/1/20 3:51:17

文章目录

- 前言
- MNIST手写数字识别
- - 数据的准备工作
  - 数据的处理
  - 主干网络的定义
  - 损失函数的使用（修改）
  - 训练和预测
  - 运行

前言

这个是我在学习中的其中一种方式实现MNIST手写的识别，思路我觉得比较清晰，后面会把另外的方法代码整理发布。

MNIST手写数字识别

数据的准备工作

非常重要，但是只使用MNIST学习过程，所以并不需要深究，不同的数据集的处理都不一样。

因为MNIST数据集很简单，由28×28的灰度图像组成，所以每张图片都是784个灰度数字。

有脚本可以直接下载：

"""
download_mnist.py
下载数据
"""
from pathlib import Path
import requests

DATA_PATH = Path("data")
PATH = DATA_PATH / "mnist"

PATH.mkdir(parents=True, exist_ok=True)

URL = "http://deeplearning.net/data/mnist/"
FILENAME = "mnist.pkl.gz"

if not (PATH / FILENAME).exists():
        content = requests.get(URL + FILENAME).content
        (PATH / FILENAME).open("wb").write(content)

但是经常有网络问题，也可以去找MNIST的pkl格式的数据。

mnist.pkl.gz百度网盘链接

链接：https://pan.baidu.com/s/1nx2k5IPAnP1u6CkRR8NXfw?pwd=zbqy
提取码：zbqy

"""
path_setting.py
设置数据所在路径
"""
import pickle
import gzip
from pathlib import Path

"""保存路径data/mnist/mnist.pkl.gz"""
DATA_PATH = Path("data")
PATH = DATA_PATH / "mnist"
FILENAME = "mnist.pkl.gz"

如果想看下数据集的内容，可以使用下面的方式：

"""
show.py
查看数据内容
"""
import matplotlib.pyplot as plt
import pylab
from path_setting import *

"""读取图像"""
with gzip.open((PATH / FILENAME).as_posix(), "rb") as f:
    ((x_train, y_train), (x_valid, y_valid), _) = pickle.load(f, encoding="latin-1")  # 读取数据
    """
    x_train: 训练数据
    y_train: 训练标签
    x_valid: 测试数据
    y_valid: 测试标签
    """


print(x_train.shape)  # 查看x_train的形状: (50000, 784)
print(x_valid.shape)  # 查看x_valid的形状: (10000, 784)
print(y_train.shape)  # 查看y_train的形状: (50000, )
print(x_train[0])  # 0号数据(第一个数据)的784个灰度值
print(y_train[0])  # 0号数据(第一个数据)的标签: 5
print(x_train[0].shape)  # 看一下x_train中一个图像的形状: (784,) 784个灰度值
plt.imshow(x_train[0].reshape(28, 28), cmap="gray")  # 更改图像的形状为28 × 28
pylab.show()  # 展示图像

运行结果:

在这里插入图片描述

数据的处理

获取数据之后，数据此时并不是张量，而是数组，需要将数据转换成张量

torch也提供了方法

TensorDataset
Dataloader

"""
data_process.py
数据处理
"""
import torch
from torch.utils.data import DataLoader
from torch.utils.data import TensorDataset
from path_setting import *
import pickle
import gzip

bs = 64  # batch_size
with gzip.open((PATH / FILENAME).as_posix(), "rb") as f:
    ((x_train, y_train), (x_valid, y_valid), _) = pickle.load(f, encoding="latin-1")

x_train, y_train, x_valid, y_valid = map(
    torch.tensor, (x_train, y_train, x_valid, y_valid)  # 将numpy数组转换为tensor
)

train_ds = TensorDataset(x_train, y_train)
train_dl = DataLoader(train_ds, batch_size=bs, shuffle=True)  # 在所有的训练数据中以bs个样本为单位随机取数据

valid_ds = TensorDataset(x_valid, y_valid)
valid_dl = DataLoader(valid_ds, batch_size=bs * 2)

主干网络的定义

"""
backbone.py
主干神经网络
"""

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


class FCnet(nn.Module):
    """input -> hidden1 -> hidden2 -> out"""
    def __init__(self):
        super().__init__()
        self.hidden1 = nn.Linear(784, 128)
        self.hidden2 = nn.Linear(128, 256)
        self.out = nn.Linear(256, 10)
        self.dropout = nn.Dropout(0.5)  # dropout的概率

    def forward(self, x):
        x = F.relu(self.hidden1(x))
        x = self.dropout(x)
        x = F.relu(self.hidden2(x))
        x = self.dropout(x)
        x = self.out(x)
        return x

使用输入层->全连接层->输出这样的全连接神经网络。

基本的代码格式就按上面的模板来

初始化函数是设置各个层次的结构

forward函数为前向传播，需要手动设置

损失函数的使用（修改）

PyTorch中有两种快速使用一些常用损失函数的方法：

torch.nn.functional
nn.Module

损失函数传入的参数一般为两个，伪代码如下：

import torch.nn.functional as F

loss_func = F.cross_entropy
loss_func(预测值, 实际值)

"""
loss_batch.py
计算loss和梯度更新
"""
from torch import optim


def loss_batch(module, loss_func, data, label, opt=None):

    loss = loss_func(module(data), label)  # 计算当前损失

    if opt is not None:
        loss.backward()  # 每一层的权重参数运算，得出梯度
        opt.step()  # 根据执行参数更新
        opt.zero_grad()  # 重新将梯度置为0

    return loss.item(), len(data)

训练和预测

"""
fit.py
训练和验证过程
"""
import numpy as np
import torch
from loss_batch import loss_batch


def fit(epochs, module, loss_func, opt, train_dl, valid_dl):
    for epoch in range(epochs):
        module.train()
        for train_data, train_label in train_dl:
            loss_batch(module, loss_func, train_data, train_label, opt)

        module.eval()
        with torch.no_grad():
            losses, nums = zip(
                *[loss_batch(module, loss_func, valid_data, valid_label) for valid_data, valid_label in valid_dl]
            )

        val_loss = np.sum(np.multiply(losses, nums)) / np.sum(nums)
        print(f"step: {str(epoch)} , loss in valid : {str(val_loss)}")
    correct = 0
    total = 0
    for vd, vl in valid_dl:
        outputs = module(vd)  # (128, 10)一个batch64,两个128，每一个的结果是隶属于十个分类的概率
        _, predicted = torch.max(outputs.data, 1)  # 1代表行，每个样本中取最大的
        total += vl.size(0)
        correct += (predicted == vl).sum().item()
    print(f"accuracy: {correct / total}")

运行

"""
run.py
"""
from torch import optim
from backbone import FCnet
from data_process import *
from fit import fit
from data_process import *
import torch.nn.functional as F

net = FCnet()
loss_func = F.cross_entropy
opt = optim.SGD(net.parameters(), lr=0.001)
fit(50, net, loss_func, opt, train_dl, valid_dl)