Pytorch實現圖像識別之數字識別(附詳細註釋)
使用瞭兩個卷積層加上兩個全連接層實現
本來打算從頭手撕的,但是調試太耗時間瞭,改天有時間在從頭寫一份
詳細過程看代碼註釋,參考瞭下一個博主的文章,但是鏈接沒註意關瞭找不到瞭,博主看到瞭聯系下我,我加上
代碼相關的問題可以評論私聊,也可以翻看博客裡的文章,部分有詳細解釋
Python實現代碼:
import torch import torch.nn as nn import torch.optim as optim from torchvision import datasets, transforms import torchvision from torch.autograd import Variable from torch.utils.data import DataLoader import cv2 # 下載訓練集 train_dataset = datasets.MNIST(root='E:\mnist', train=True, transform=transforms.ToTensor(), download=True) # 下載測試集 test_dataset = datasets.MNIST(root='E:\mnist', train=False, transform=transforms.ToTensor(), download=True) # dataset 參數用於指定我們載入的數據集名稱 # batch_size參數設置瞭每個包中的圖片數據個數 # 在裝載的過程會將數據隨機打亂順序並進打包 batch_size = 64 # 建立一個數據迭代器 # 裝載訓練集 train_loader = torch.utils.data.DataLoader(dataset=train_dataset, batch_size=batch_size, shuffle=True) # 裝載測試集 test_loader = torch.utils.data.DataLoader(dataset=test_dataset, batch_size=batch_size, shuffle=True) # 卷積層使用 torch.nn.Conv2d # 激活層使用 torch.nn.ReLU # 池化層使用 torch.nn.MaxPool2d # 全連接層使用 torch.nn.Linear class LeNet(nn.Module): def __init__(self): super(LeNet, self).__init__() self.conv1 = nn.Sequential(nn.Conv2d(1, 6, 3, 1, 2), nn.ReLU(), nn.MaxPool2d(2, 2)) self.conv2 = nn.Sequential(nn.Conv2d(6, 16, 5), nn.ReLU(), nn.MaxPool2d(2, 2)) self.fc1 = nn.Sequential(nn.Linear(16 * 5 * 5, 120), nn.BatchNorm1d(120), nn.ReLU()) self.fc2 = nn.Sequential( nn.Linear(120, 84), nn.BatchNorm1d(84), nn.ReLU(), nn.Linear(84, 10)) # 最後的結果一定要變為 10,因為數字的選項是 0 ~ 9 def forward(self, x): x = self.conv1(x) # print("1:", x.shape) # 1: torch.Size([64, 6, 30, 30]) # max pooling # 1: torch.Size([64, 6, 15, 15]) x = self.conv2(x) # print("2:", x.shape) # 2: torch.Size([64, 16, 5, 5]) # 對參數實現扁平化 x = x.view(x.size()[0], -1) x = self.fc1(x) x = self.fc2(x) return x def test_image_data(images, labels): # 初始輸出為一段數字圖像序列 # 將一段圖像序列整合到一張圖片上 (make_grid會默認將圖片變成三通道,默認值為0) # images: torch.Size([64, 1, 28, 28]) img = torchvision.utils.make_grid(images) # img: torch.Size([3, 242, 242]) # 將通道維度置在第三個維度 img = img.numpy().transpose(1, 2, 0) # img: torch.Size([242, 242, 3]) # 減小圖像對比度 std = [0.5, 0.5, 0.5] mean = [0.5, 0.5, 0.5] img = img * std + mean # print(labels) cv2.imshow('win2', img) key_pressed = cv2.waitKey(0) # 初始化設備信息 device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') # 學習速率 LR = 0.001 # 初始化網絡 net = LeNet().to(device) # 損失函數使用交叉熵 criterion = nn.CrossEntropyLoss() # 優化函數使用 Adam 自適應優化算法 optimizer = optim.Adam(net.parameters(), lr=LR, ) epoch = 1 if __name__ == '__main__': for epoch in range(epoch): print("GPU:", torch.cuda.is_available()) sum_loss = 0.0 for i, data in enumerate(train_loader): inputs, labels = data # print(inputs.shape) # torch.Size([64, 1, 28, 28]) # 將內存中的數據復制到gpu顯存中去 inputs, labels = Variable(inputs).cuda(), Variable(labels).cuda() # 將梯度歸零 optimizer.zero_grad() # 將數據傳入網絡進行前向運算 outputs = net(inputs) # 得到損失函數 loss = criterion(outputs, labels) # 反向傳播 loss.backward() # 通過梯度做一步參數更新 optimizer.step() # print(loss) sum_loss += loss.item() if i % 100 == 99: print('[%d,%d] loss:%.03f' % (epoch + 1, i + 1, sum_loss / 100)) sum_loss = 0.0 # 將模型變換為測試模式 net.eval() correct = 0 total = 0 for data_test in test_loader: _images, _labels = data_test # 將內存中的數據復制到gpu顯存中去 images, labels = Variable(_images).cuda(), Variable(_labels).cuda() # 圖像預測結果 output_test = net(images) # torch.Size([64, 10]) # 從每行中找到最大預測索引 _, predicted = torch.max(output_test, 1) # 圖像可視化 # print("predicted:", predicted) # test_image_data(_images, _labels) # 預測數據的數量 total += labels.size(0) # 預測正確的數量 correct += (predicted == labels).sum() print("correct1: ", correct) print("Test acc: {0}".format(correct.item() / total))
測試結果:
可以通過調用test_image_data函數查看測試圖片
可以看到最後預測的準確度可以達到98%
到此這篇關於Pytorch實現圖像識別之數字識別(附詳細註釋)的文章就介紹到這瞭,更多相關Pytorch 數字識別內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- PyTorch簡單手寫數字識別的實現過程
- pytorch教程實現mnist手寫數字識別代碼示例
- pytorch教程網絡和損失函數的可視化代碼示例
- 我對PyTorch dataloader裡的shuffle=True的理解
- PyTorch實現MNIST數據集手寫數字識別詳情