概述

在PyTorch中構(gòu)建自己的卷積神經(jīng)網(wǎng)絡(luò)（CNN）的實(shí)踐教程

我們將研究一個(gè)圖像分類問題——CNN的一個(gè)經(jīng)典和廣泛使用的應(yīng)用

我們將以實(shí)用的格式介紹深度學(xué)習(xí)概念

介紹

我被神經(jīng)網(wǎng)絡(luò)的力量和能力所吸引。在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域，幾乎每一次突破都以神經(jīng)網(wǎng)絡(luò)模型為核心。

這在計(jì)算機(jī)視覺領(lǐng)域尤為普遍。無論是簡單的圖像分類還是更高級的東西（如對象檢測），神經(jīng)網(wǎng)絡(luò)開辟了處理圖像數(shù)據(jù)的可能性。簡而言之，對于像我這樣的數(shù)據(jù)科學(xué)家來說，這是一座金礦！

當(dāng)我們使用深度學(xué)習(xí)來解決一個(gè)圖像分類問題時(shí)，簡單的神經(jīng)網(wǎng)絡(luò)總是一個(gè)好的起點(diǎn)。但是，它們確實(shí)有局限性，而且模型的性能在達(dá)到一定程度后無法得到改善。

這就是卷積神經(jīng)網(wǎng)絡(luò)（CNNs）改變了競爭環(huán)境的地方。它們在計(jì)算機(jī)視覺應(yīng)用中無處不在。老實(shí)說，我覺得每一個(gè)計(jì)算機(jī)視覺愛好者都應(yīng)該可以很快學(xué)會(huì)這個(gè)概念。

我將向你介紹使用流行的PyTorch框架進(jìn)行深度學(xué)習(xí)的新概念。在本文中，我們將了解卷積神經(jīng)網(wǎng)絡(luò)是如何工作的，以及它如何幫助我們改進(jìn)模型的性能。我們還將研究在PyTorch中CNNs的實(shí)現(xiàn)。

目錄

1．簡要介紹PyTorch、張量和NumPy

2．為什么選擇卷積神經(jīng)網(wǎng)絡(luò)（CNNs）？

3．識別服裝問題

4．使用PyTorch實(shí)現(xiàn)CNNs

一、簡要介紹PyTorch、張量和NumPy

讓我們快速回顧一下第一篇文章中涉及的內(nèi)容。我們討論了PyTorch和張量的基礎(chǔ)知識，還討論了PyTorch與NumPy的相似之處。

PyTorch是一個(gè)基于python的庫，提供了以下功能：

用于創(chuàng)建可序列化和可優(yōu)化模型的TorchScript

以分布式訓(xùn)練進(jìn)行并行化計(jì)算

動(dòng)態(tài)計(jì)算圖，等等

PyTorch中的張量類似于NumPy的n維數(shù)組，也可以與gpu一起使用。在這些張量上執(zhí)行操作幾乎與在NumPy數(shù)組上執(zhí)行操作類似。這使得PyTorch非常易于使用和學(xué)習(xí)。

在本系列的第1部分中，我們構(gòu)建了一個(gè)簡單的神經(jīng)網(wǎng)絡(luò)來解決一個(gè)案例研究。使用我們的簡單模型，我們在測試集中獲得了大約65％的基準(zhǔn)準(zhǔn)確度。現(xiàn)在，我們將嘗試使用卷積神經(jīng)網(wǎng)絡(luò)來提高這個(gè)準(zhǔn)確度。

二、為什么選擇卷積神經(jīng)網(wǎng)絡(luò)（CNNs）？

在我們進(jìn)入實(shí)現(xiàn)部分之前，讓我們快速地看看為什么我們首先需要CNNs，以及它們是如何工作的。

我們可以將卷積神經(jīng)網(wǎng)絡(luò)（CNNs）看作是幫助從圖像中提取特征的特征提取器。

在一個(gè)簡單的神經(jīng)網(wǎng)絡(luò)中，我們把一個(gè)三維圖像轉(zhuǎn)換成一維圖像，對吧？讓我們看一個(gè)例子來理解這一點(diǎn)：

你能認(rèn)出上面的圖像嗎？這似乎說不通�，F(xiàn)在，讓我們看看下面的圖片：

我們現(xiàn)在可以很容易地說，這是一只狗。如果我告訴你這兩個(gè)圖像是一樣的呢？相信我，他們是一樣的！唯一的區(qū)別是第一個(gè)圖像是一維的，而第二個(gè)圖像是相同圖像的二維表示。

空間定位

人工神經(jīng)網(wǎng)絡(luò)也會(huì)丟失圖像的空間方向。讓我們再舉個(gè)例子來理解一下：

你能分辨出這兩幅圖像的區(qū)別嗎？至少我不能。由于這是一個(gè)一維的表示，因此很難確定它們之間的區(qū)別�，F(xiàn)在，讓我們看看這些圖像的二維表示：

在這里，圖像某些定位已經(jīng)改變，但我們無法通過查看一維表示來識別它。

這就是人工神經(jīng)網(wǎng)絡(luò)的問題——它們失去了空間定位。

大量參數(shù)

神經(jīng)網(wǎng)絡(luò)的另一個(gè)問題是參數(shù)太多。假設(shè)我們的圖像大小是28＊28＊3 －所以這里的參數(shù)是2352。如果我們有一個(gè)大小為224＊224＊3的圖像呢？這里的參數(shù)數(shù)量為150，528。

這些參數(shù)只會(huì)隨著隱藏層的增加而增加。因此，使用人工神經(jīng)網(wǎng)絡(luò)的兩個(gè)主要缺點(diǎn)是：

1．丟失圖像的空間方向

2．參數(shù)的數(shù)量急劇增加

那么我們?nèi)绾翁幚磉@個(gè)問題呢？如何在保持空間方向的同時(shí)減少可學(xué)習(xí)參數(shù)？

這就是卷積神經(jīng)網(wǎng)絡(luò)真正有用的地方。CNNs有助于從圖像中提取特征，這可能有助于對圖像中的目標(biāo)進(jìn)行分類。它首先從圖像中提取低維特征（如邊緣），然后提取一些高維特征（如形狀）。

我們使用濾波器從圖像中提取特征，并使用池技術(shù)來減少可學(xué)習(xí)參數(shù)的數(shù)量。

在本文中，我們不會(huì)深入討論這些主題的細(xì)節(jié)。如果你希望了解濾波器如何幫助提取特征和池的工作方式，我強(qiáng)烈建議你從頭開始學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的全面教程。

三、理解問題陳述：識別服裝

理論部分已經(jīng)鋪墊完了，開始寫代碼吧。我們將討論與第一篇文章相同的問題陳述。這是因?yàn)槲覀兛梢灾苯訉⑽覀兊腃NN模型的性能與我們在那里建立的簡單神經(jīng)網(wǎng)絡(luò)進(jìn)行比較。

你可以從這里下載“識別”Apparels問題的數(shù)據(jù)集。

https：／／datahack．a(chǎn)nalyticsvidhya．com／contest／practice－problem－identify－the－apparels／？utm＿source＝blog＆utm＿medium＝building－image－classification－models－cnn－pytorch

讓我快速總結(jié)一下問題陳述。我們的任務(wù)是通過觀察各種服裝形象來識別服裝的類型。我們總共有10個(gè)類可以對服裝的圖像進(jìn)行分類：

Label

Description

0

T－shirt／top

1

Trouser

2

Pullover

3

Dress

4

Coat

5

Sandal

6

Shirt

7

Sneaker

8

Bag

9

Ankle boot

數(shù)據(jù)集共包含70，000張圖像。其中60000張屬于訓(xùn)練集，其余10000張屬于測試集。所有的圖像都是大�。�28＊28）的灰度圖像。數(shù)據(jù)集包含兩個(gè)文件夾，—一個(gè)用于訓(xùn)練集，另一個(gè)用于測試集。每個(gè)文件夾中都有一個(gè)．csv文件，該文件具有圖像的id和相應(yīng)的標(biāo)簽；

準(zhǔn)備好開始了嗎？我們將首先導(dǎo)入所需的庫：

＃ 導(dǎo)入庫
import pandas as pd
import numpy as np
＃ 讀取與展示圖片
from skimage．io import imread
import matplotlib．pyplot as plt
％matplotlib inline
＃ 創(chuàng)建驗(yàn)證集
from sklearn．model＿selection import train＿test＿split
＃ 評估模型
from sklearn．metrics import accuracy＿score
from tqdm import tqdm
＃ Pytorch的相關(guān)庫
import torch
from torch．a(chǎn)utograd import Variable
from torch．nn import Linear， ReLU， CrossEntropyLoss， Sequential， Conv2d， MaxPool2d， Module， Softmax， BatchNorm2d， Dropout
from torch．optim import Adam， SGD

加載數(shù)據(jù)集

現(xiàn)在，讓我們加載數(shù)據(jù)集，包括訓(xùn)練，測試樣本：

＃ 加載數(shù)據(jù)集
train ＝ pd．read＿csv（＇train＿LbELtWX／train．csv＇）
test ＝ pd．read＿csv（＇test＿ScVgIM0／test．csv＇）
sample＿submission ＝ pd．read＿csv（＇sample＿submission＿I5njJSF．csv＇）
train．head（）

該訓(xùn)練文件包含每個(gè)圖像的id及其對應(yīng)的標(biāo)簽

另一方面，測試文件只有id，我們必須預(yù)測它們對應(yīng)的標(biāo)簽

樣例提交文件將告訴我們預(yù)測的格式

我們將一個(gè)接一個(gè)地讀取所有圖像，并將它們堆疊成一個(gè)數(shù)組。我們還將圖像的像素值除以255，使圖像的像素值在［0，1］范圍內(nèi)。這一步有助于優(yōu)化模型的性能。

讓我們來加載圖像：

＃ 加載訓(xùn)練圖像
train＿img ＝ ［］
for img＿name in tqdm（train［＇id＇］）：
   ＃ 定義圖像路徑
   image＿path ＝ ＇train＿LbELtWX／train／＇ ＋ str（img＿name） ＋ ＇．png＇
   ＃ 讀取圖片
   img ＝ imread（image＿path， as＿gray＝True）
   ＃ 歸一化像素值
   img ／＝ 255．0
   ＃ 轉(zhuǎn)換為浮點(diǎn)數(shù)
   img ＝ img．a(chǎn)stype（＇float32＇）
   ＃ 添加到列表
   train＿img．a(chǎn)ppend（img）
＃ 轉(zhuǎn)換為numpy數(shù)組
train＿x ＝ np．a(chǎn)rray（train＿img）
＃ 定義目標(biāo)
train＿y ＝ train［＇label＇］．values
train＿x．shape

如你所見，我們在訓(xùn)練集中有60，000張大�。�28，28）的圖像。由于圖像是灰度格式的，我們只有一個(gè)單一通道，因此形狀為（28，28）。

現(xiàn)在讓我們研究數(shù)據(jù)和可視化一些圖像：

＃ 可視化圖片
i ＝ 0
plt．figure（figsize＝（10，10））
plt．subplot（221）， plt．imshow（train＿x［i］， cmap＝＇gray＇）
plt．subplot（222）， plt．imshow（train＿x［i＋25］， cmap＝＇gray＇）
plt．subplot（223）， plt．imshow（train＿x［i＋50］， cmap＝＇gray＇）
plt．subplot（224）， plt．imshow（train＿x［i＋75］， cmap＝＇gray＇）

以下是來自數(shù)據(jù)集的一些示例。我鼓勵(lì)你去探索更多，想象其他的圖像。接下來，我們將把圖像分成訓(xùn)練集和驗(yàn)證集。

創(chuàng)建驗(yàn)證集并對圖像進(jìn)行預(yù)處理

＃ 創(chuàng)建驗(yàn)證集
train＿x， val＿x， train＿y， val＿y ＝ train＿test＿split（train＿x， train＿y， test＿size ＝ 0．1）
（train＿x．shape， train＿y．shape）， （val＿x．shape， val＿y．shape）

我們在驗(yàn)證集中保留了10％的數(shù)據(jù)，在訓(xùn)練集中保留了10％的數(shù)據(jù)。接下來將圖片和目標(biāo)轉(zhuǎn)換成torch格式：

＃ 轉(zhuǎn)換為torch張量
train＿x ＝ train＿x．reshape（54000， 1， 28， 28）
train＿x  ＝ torch．from＿numpy（train＿x）
＃ 轉(zhuǎn)換為torch張量
train＿y ＝ train＿y．a(chǎn)stype（int）；
train＿y ＝ torch．from＿numpy（train＿y）
＃ 訓(xùn)練集形狀
train＿x．shape， train＿y．shape

同樣，我們將轉(zhuǎn)換驗(yàn)證圖像：

＃ 轉(zhuǎn)換為torch張量
val＿x ＝ val＿x．reshape（6000， 1， 28， 28）
val＿x  ＝ torch．from＿numpy（val＿x）
＃ 轉(zhuǎn)換為torch張量
val＿y ＝ val＿y．a(chǎn)stype（int）；
val＿y ＝ torch．from＿numpy（val＿y）
＃ 驗(yàn)證集形狀
val＿x．shape， val＿y．shape

我們的數(shù)據(jù)現(xiàn)在已經(jīng)準(zhǔn)備好了。最后，是時(shí)候創(chuàng)建我們的CNN模型了！

四、使用PyTorch實(shí)現(xiàn)CNNs

我們將使用一個(gè)非常簡單的CNN架構(gòu)，只有兩個(gè)卷積層來提取圖像的特征。然后，我們將使用一個(gè)完全連接的Dense層將這些特征分類到各自的類別中。

讓我們定義一下架構(gòu)：

class Net（Module）：  
   def ＿＿init＿＿（self）：
       super（Net， self）．＿＿init＿＿（）
       self．cnn＿layers ＝ Sequential（
           ＃ 定義2D卷積層
           Conv2d（1， 4， kernel＿size＝3， stride＝1， padding＝1），
           BatchNorm2d（4），
           ReLU（inplace＝True），
           MaxPool2d（kernel＿size＝2， stride＝2），
           ＃ 定義另一個(gè)2D卷積層
           Conv2d（4， 4， kernel＿size＝3， stride＝1， padding＝1），
           BatchNorm2d（4），
           ReLU（inplace＝True），
           MaxPool2d（kernel＿size＝2， stride＝2），
       ）
       self．linear＿layers ＝ Sequential（
           Linear（4 ＊ 7 ＊ 7， 10）
       ）
   ＃ 前項(xiàng)傳播
   def forward（self， x）：
       x ＝ self．cnn＿layers（x）
       x ＝ x．view（x．size（0）， －1）
       x ＝ self．linear＿layers（x）
       return x

現(xiàn)在我們調(diào)用這個(gè)模型，定義優(yōu)化器和模型的損失函數(shù)：

＃ 定義模型
model ＝ Net（）
＃ 定義優(yōu)化器
optimizer ＝ Adam（model．parameters（）， lr＝0．07）
＃ 定義loss函數(shù)
criterion ＝ CrossEntropyLoss（）
＃ 檢查GPU是否可用
if torch．cuda．is＿available（）：
   model ＝ model．cuda（）
   criterion ＝ criterion．cuda（）
print（model）

這是模型的架構(gòu)。我們有兩個(gè)卷積層和一個(gè)線性層。接下來，我們將定義一個(gè)函數(shù)來訓(xùn)練模型：

def train（epoch）：
   model．train（）
   tr＿loss ＝ 0
   ＃ 獲取訓(xùn)練集
   x＿train， y＿train ＝ Variable（train＿x）， Variable（train＿y）
   ＃ 獲取驗(yàn)證集
   x＿val， y＿val ＝ Variable（val＿x）， Variable（val＿y）
   ＃ 轉(zhuǎn)換為GPU格式
   if torch．cuda．is＿available（）：
       x＿train ＝ x＿train．cuda（）
       y＿train ＝ y＿train．cuda（）
       x＿val ＝ x＿val．cuda（）
       y＿val ＝ y＿val．cuda（）
   ＃ 清除梯度
   optimizer．zero＿grad（）
   ＃ 預(yù)測訓(xùn)練與驗(yàn)證集
   output＿train ＝ model（x＿train）
   output＿val ＝ model（x＿val）
   ＃ 計(jì)算訓(xùn)練集與驗(yàn)證集損失
   loss＿train ＝ criterion（output＿train， y＿train）
   loss＿val ＝ criterion（output＿val， y＿val）
   train＿losses．a(chǎn)ppend（loss＿train）
   val＿losses．a(chǎn)ppend（loss＿val）
   ＃ 更新權(quán)重
   loss＿train．backward（）
   optimizer．step（）
   tr＿loss ＝ loss＿train．item（）
   if epoch％2 ＝＝ 0：
       ＃ 輸出驗(yàn)證集loss
       print（＇Epoch ： ＇，epoch＋1， ＇ ＇， ＇loss ：＇， loss＿val）

最后，我們將對模型進(jìn)行25個(gè)epoch的訓(xùn)練，并存儲(chǔ)訓(xùn)練和驗(yàn)證損失：

＃ 定義輪數(shù)
n＿epochs ＝ 25
＃ 空列表存儲(chǔ)訓(xùn)練集損失
train＿losses ＝ ［］
＃ 空列表存儲(chǔ)驗(yàn)證集損失
val＿losses ＝ ［］
＃ 訓(xùn)練模型
for epoch in range（n＿epochs）：
   train（epoch）

可以看出，隨著epoch的增加，驗(yàn)證損失逐漸減小。讓我們通過繪圖來可視化訓(xùn)練和驗(yàn)證的損失：

＃ 畫出loss曲線
plt．plot（train＿losses， label＝＇Training loss＇）
plt．plot（val＿losses， label＝＇Validation loss＇）
plt．legend（）
plt．show（）

啊，我喜歡想象的力量。我們可以清楚地看到，訓(xùn)練和驗(yàn)證損失是同步的。這是一個(gè)好跡象，因?yàn)槟Ｐ驮隍?yàn)證集上進(jìn)行了很好的泛化。

讓我們在訓(xùn)練和驗(yàn)證集上檢查模型的準(zhǔn)確性：

＃ 訓(xùn)練集預(yù)測
with torch．no＿grad（）：
   output ＝ model（train＿x．cuda（））
softmax ＝ torch．exp（output）．cpu（）
prob ＝ list（softmax．numpy（））
predictions ＝ np．a(chǎn)rgmax（prob， axis＝1）
＃ 訓(xùn)練集精度
accuracy＿score（train＿y， predictions）

訓(xùn)練集的準(zhǔn)確率約為72％，相當(dāng)不錯(cuò)。讓我們檢查驗(yàn)證集的準(zhǔn)確性：

＃ 驗(yàn)證集預(yù)測
with torch．no＿grad（）：
   output ＝ model（val＿x．cuda（））
softmax ＝ torch．exp（output）．cpu（）
prob ＝ list（softmax．numpy（））
predictions ＝ np．a(chǎn)rgmax（prob， axis＝1）
＃ 驗(yàn)證集精度
accuracy＿score（val＿y， predictions）

正如我們看到的損失，準(zhǔn)確度也是同步的－我們在驗(yàn)證集得到了72％的準(zhǔn)確度。

為測試集生成預(yù)測

最后是時(shí)候?yàn)闇y試集生成預(yù)測了。我們將加載測試集中的所有圖像，執(zhí)行與訓(xùn)練集相同的預(yù)處理步驟，最后生成預(yù)測。

所以，讓我們開始加載測試圖像：

＃ 載入測試圖
test＿img ＝ ［］
for img＿name in tqdm（test［＇id＇］）：
   ＃ 定義圖片路徑
   image＿path ＝ ＇test＿ScVgIM0／test／＇ ＋ str（img＿name） ＋ ＇．png＇
   ＃ 讀取圖片
   img ＝ imread（image＿path， as＿gray＝True）
   ＃ 歸一化像素
   img ／＝ 255．0
   ＃ 轉(zhuǎn)換為浮點(diǎn)數(shù)
   img ＝ img．a(chǎn)stype（＇float32＇）
   ＃ 添加到列表
   test＿img．a(chǎn)ppend（img）
＃ 轉(zhuǎn)換為numpy數(shù)組
test＿x ＝ np．a(chǎn)rray（test＿img）
test＿x．shape

現(xiàn)在，我們將對這些圖像進(jìn)行預(yù)處理步驟，類似于我們之前對訓(xùn)練圖像所做的：

＃ 轉(zhuǎn)換為torch格式
test＿x ＝ test＿x．reshape（10000， 1， 28， 28）
test＿x  ＝ torch．from＿numpy（test＿x）
test＿x．shape

最后，我們將生成對測試集的預(yù)測：

＃ 生成測試集預(yù)測
with torch．no＿grad（）：
   output ＝ model（test＿x．cuda（））
softmax ＝ torch．exp（output）．cpu（）
prob ＝ list（softmax．numpy（））
predictions ＝ np．a(chǎn)rgmax（prob， axis＝1）

用預(yù)測替換樣本提交文件中的標(biāo)簽，最后保存文件并提交到排行榜：

＃ 用預(yù)測替換
sample＿submission［＇label＇］ ＝ predictions
sample＿submission．head（）

＃ 保存文件
sample＿submission．to＿csv（＇submission．csv＇， index＝False）

你將在當(dāng)前目錄中看到一個(gè)名為submission．csv的文件。你只需要把它上傳到問題頁面的解決方案檢查器上，它就會(huì)生成分?jǐn)?shù)。鏈接：https：／／datahack．a(chǎn)nalyticsvidhya．com／contest／practice－problem－identify－the－apparels／？utm＿source＝blog＆utm＿medium＝building－image－classification－models－cnn－pytorch

我們的CNN模型在測試集上給出了大約71％的準(zhǔn)確率，這與我們在上一篇文章中使用簡單的神經(jīng)網(wǎng)絡(luò)得到的65％的準(zhǔn)確率相比是一個(gè)很大的進(jìn)步。

結(jié)尾

在這篇文章中，我們研究了CNNs是如何從圖像中提取特征的。他們幫助我們將之前的神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確率從65％提高到71％，這是一個(gè)重大的進(jìn)步。

你可以嘗試使用CNN模型的超參數(shù)，并嘗試進(jìn)一步提高準(zhǔn)確性。要調(diào)優(yōu)的超參數(shù)可以是卷積層的數(shù)量、每個(gè)卷積層的濾波器數(shù)量、epoch的數(shù)量、全連接層的數(shù)量、每個(gè)全連接層的隱藏單元的數(shù)量等。