Pytorch 使用CNN图像分类的实现

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。

免责声明:本文来自互联网,本站所有信息(包括但不限于文字、视频、音频、数据及图表),不保证该信息的准确性、真实性、完整性、有效性、及时性、原创性等,版权归属于原作者,如无意侵犯媒体或个人知识产权,请来电或致函告之,本站将在第一时间处理。猿码集站发布此文目的在于促进信息交流,此文观点与本站立场无关,不承担任何责任。

后端开发标签