1. 概述
Convolutional Neural Network(CNN),即卷积神经网络,在图像分类、目标检测等领域取得了很大的成果。本文将介绍如何使用PyTorch实现一个基于CNN的图像分类模型。
2. 数据集介绍
我们使用的数据集是CIFAR-10,该数据集包含60000张32x32像素的彩色图像,共分为10个类别(每个类别6000张图片),分别为:飞机、汽车、鸟类、猫、鹿、狗、青蛙、马、船和卡车。其中50000张图像为训练集,10000张为测试集。
在此之前,需要安装CIFAR-10数据集并且导入PyTorch中:
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))])
trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
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=4,
shuffle=False, num_workers=2)
classes = ('plane', 'car', 'bird', 'cat',
'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
这里使用transforms对图像进行了预处理,使其归一化并转换成Tensor类型,使得网络能够处理图像。数据集每个batch大小为4,共有10个类别,用一个元组classes表示。
3. CNN模型训练
3.1 网络结构
我们采用的是LeNet-5网络结构,具体如下:
import torch.nn as nn
import torch.nn.functional as F
class LeNet5(nn.Module):
def __init__(self):
super(LeNet5, self).__init__()
self.conv1 = nn.Conv2d(3, 6, 5)
self.pool1 = nn.MaxPool2d(2, 2)
self.conv2 = nn.Conv2d(6, 16, 5)
self.pool2 = nn.MaxPool2d(2, 2)
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.pool1(F.relu(self.conv1(x)))
x = self.pool2(F.relu(self.conv2(x)))
x = x.view(-1, 16 * 5 * 5)
x = F.relu(self.fc1(x))
x = F.relu(self.fc2(x))
x = self.fc3(x)
return x
net = LeNet5()
以上是一个非常简单的CNN模型,一共两个卷积层、两个池化层和三个全连接层,其中最后一个全连接层的输出为10,对应于10个类别。
3.2 训练代码
现在,我们已经有了数据集和网络模型,剩下的任务是训练模型,将图像分类。以下是训练代码:
import torch.optim as optim
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)
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('[%d, %5d] loss: %.3f' %
(epoch + 1, i + 1, running_loss / 2000))
running_loss = 0.0
print('Finished Training')
我们使用SGD优化器,损失函数为交叉熵损失函数。这里我们循环训练2个epochs,每个mini-batch大小为4,共进行了50000的训练集共有50000/4=12500次训练。
4. 测试和预测
模型已经训练完成,我们现在需要对测试集进行测试,并进行预测。以下是测试代码:
correct = 0
total = 0
with torch.no_grad():
for data in testloader:
images, labels = data
outputs = net(images)
_, predicted = torch.max(outputs.data, 1)
total += labels.size(0)
correct += (predicted == labels).sum().item()
print('Accuracy of the network on the 10000 test images: %d %%' % (
100 * correct / total))
在上面的代码中,我们首先获取测试集图像,然后将其输入网络中进行预测。接下来,我们将预测结果和真实结果进行比较,统计出准确率。
5. 结论
本文详细介绍了如何使用PyTorch实现一个基于CNN的图像分类模型,使用CIFAR-10数据集训练模型,并对测试集进行测试和预测。在测试集上,准确率能够达到70%~80%之间,在一定程度上说明了CNN的强大功能。