https://zhuanlan.zhihu.com/p/25572330
某天在微博上看到@爱可可-爱生活 老师推了Pytorch的入门教程,就顺手下来翻了。虽然完工的比较早但是手头菜的没有linux服务器没法子运行结果。开学以来终于在师兄的机器装上了Torch,中间的运行结果也看明白了。所以现在发一下这篇两周之前做的教程翻译。 首先惯例上原文链接,特别的原作者是以ipyhton notebook来写的教程,运行相当的方便。但带来的问题就是翻译作为专栏文章的效果实在是太差。 特别注明:原教程是以ipython notebook写就,因此代码部分非常零散,我在翻译的过程中将部分代码进行了整合以保证文章的紧凑,翻译的目的是将教程说明部分表达完整,具体的代码运行步骤请移步Github下载源文件进行代码的运行。 以下是教程的主体部分:本教程的目的: - 更高层级地理解PyTorch的Tensor库以及神经网络。
- 训练一个小的神经网络来对图像进行分类。
本教程以您拥有一定的numpy基础的前提下展开 PyTorch是什么?这是一个基于Python的科学计算包,其旨在服务两类场合: - 替代numpy发挥GPU潜能
- 一个提供了高度灵活性和效率的深度学习实验性平台
我们开搞Tensors Tensors和numpy中的ndarrays较为相似, 与此同时Tensor也能够使用GPU来加速运算。 from __future__ import print_functionimport torchx = torch.Tensor(5, 3) # 构造一个未初始化的5*3的矩阵x = torch.rand(5, 3) # 构造一个随机初始化的矩阵x # 此处在notebook中输出x的值来查看具体的x内容x.size()#NOTE: torch.Size 事实上是一个tuple, 所以其支持相关的操作*y = torch.rand(5, 3)#此处 将两个同形矩阵相加有两种语法结构x + y # 语法一torch.add(x, y) # 语法二# 另外输出tensor也有两种写法result = torch.Tensor(5, 3) # 语法一torch.add(x, y, out=result) # 语法二y.add_(x) # 将y与x相加# 特别注明:任何可以改变tensor内容的操作都会在方法名后加一个下划线'_'# 例如:x.copy_(y), x.t_(), 这俩都会改变x的值。#另外python中的切片操作也是资次的。x[:,1] #这一操作会输出x矩阵的第二列的所有值
阅读材料: 100+ Tensor的操作,包括换位、索引、切片、数学运算、线性算法和随机数等等。
Numpy桥 将Torch的Tensor和numpy的array相互转换简直就是洒洒水啦。注意Torch的Tensor和numpy的array会共享他们的存储空间,修改一个会导致另外的一个也被修改。 # 此处演示tensor和numpy数据结构的相互转换a = torch.ones(5)b = a.numpy()# 此处演示当修改numpy数组之后,与之相关联的tensor也会相应的被修改a.add_(1)print(a)print(b)# 将numpy的Array转换为torch的Tensorimport numpy as npa = np.ones(5)b = torch.from_numpy(a)np.add(a, 1, out=a)print(a)print(b)# 另外除了CharTensor之外,所有的tensor都可以在CPU运算和GPU预算之间相互转换# 使用CUDA函数来将Tensor移动到GPU上# 当CUDA可用时会进行GPU的运算if torch.cuda.is_available(): x = x.cuda() y = y.cuda() x + y
PyTorch中的神经网络接下来介绍pytorch中的神经网络部分。PyTorch中所有的神经网络都来自于autograd包 首先我们来简要的看一下,之后我们将训练我们第一个的神经网络。 Autograd: 自动求导 autograd 包提供Tensor所有操作的自动求导方法。
这是一个运行时定义的框架,这意味着你的反向传播是根据你代码运行的方式来定义的,因此每一轮迭代都可以各不相同。 以这些例子来讲,让我们用更简单的术语来看看这些特性。 autograd.Variable 这是这个包中最核心的类。 它包装了一个Tensor,并且几乎支持所有的定义在其上的操作。一旦完成了你的运算,你可以调用 .backward()来自动计算出所有的梯度。 你可以通过属性 .data 来访问原始的tensor,而关于这一Variable的梯度则集中于 .grad 属性中。  还有一个在自动求导中非常重要的类 Function。 Variable 和 Function 二者相互联系并且构建了一个描述整个运算过程的无环图。每个Variable拥有一个 .creator 属性,其引用了一个创建Variable的 Function。(除了用户创建的Variable其 creator 部分是 None)。 如果你想要进行求导计算,你可以在Variable上调用.backward()。 如果Variable是一个标量(例如它包含一个单元素数据),你无需对backward()指定任何参数,然而如果它有更多的元素,你需要指定一个和tensor的形状想匹配的grad_output参数。 from torch.autograd import Variablex = Variable(torch.ones(2, 2), requires_grad = True)y = x + 2y.creator# y 是作为一个操作的结果创建的因此y有一个creator z = y * y * 3out = z.mean()# 现在我们来使用反向传播out.backward()# out.backward()和操作out.backward(torch.Tensor([1.0]))是等价的# 在此处输出 d(out)/dxx.grad
最终得出的结果应该是一个全是4.5的矩阵。设置输出的变量为o。我们通过这一公式来计算: 你可以使用自动求导来做许多疯狂的事情。 x = torch.randn(3)x = Variable(x, requires_grad = True)y = x * 2while y.data.norm() < 1000: y = y * 2gradients = torch.FloatTensor([0.1, 1.0, 0.0001])y.backward(gradients)x.grad
阅读材料: 神经网络使用 torch.nn 包可以进行神经网络的构建。 现在你对autograd有了初步的了解,而nn建立在autograd的基础上来进行模型的定义和微分。 nn.Module中包含着神经网络的层,同时forward(input)方法能够将output进行返回。 举个例子,来看一下这个数字图像分类的神经网络。  这是一个简单的前馈神经网络。 从前面获取到输入的结果,从一层传递到另一层,最后输出最后结果。 一个典型的神经网络的训练过程是这样的: - 定义一个有着可学习的参数(或者权重)的神经网络
- 对着一个输入的数据集进行迭代:
- 用神经网络对输入进行处理
- 计算代价值 (对输出值的修正到底有多少)
- 将梯度传播回神经网络的参数中
- 更新网络中的权重
- 通常使用简单的更新规则: weight = weight + learning_rate * gradient
让我们来定义一个神经网络: import torch.nn as nnimport torch.nn.functional as Fclass Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.Conv2d(1, 6, 5) # 1 input image channel, 6 output channels, 5x5 square convolution kernel self.conv2 = nn.Conv2d(6, 16, 5) self.fc1 = nn.Linear(16*5*5, 120) # an affine operation: y = Wx + b self.fc2 = nn.Linear(120, 84) self.fc3 = nn.Linear(84, 10) def forward(self, x): x = F.max_pool2d(F.relu(self.conv1(x)), (2, 2)) # Max pooling over a (2, 2) window x = F.max_pool2d(F.relu(self.conv2(x)), 2) # If the size is a square you can only specify a single number x = x.view(-1, self.num_flat_features(x)) x = F.relu(self.fc1(x)) x = F.relu(self.fc2(x)) x = self.fc3(x) return x def num_flat_features(self, x): size = x.size()[1:] # all dimensions except the batch dimension num_features = 1 for s in size: num_features *= s return num_featuresnet = Net()net'''神经网络的输出结果是这样的Net ( (conv1): Conv2d(1, 6, kernel_size=(5, 5), stride=(1, 1)) (conv2): Conv2d(6, 16, kernel_size=(5, 5), stride=(1, 1)) (fc1): Linear (400 -> 120) (fc2): Linear (120 -> 84) (fc3): Linear (84 -> 10))'''
仅仅需要定义一个forward函数就可以了,backward会自动地生成。 你可以在forward函数中使用所有的Tensor中的操作。 模型中可学习的参数会由net.parameters()返回。 params = list(net.parameters())print(len(params))print(params[0].size()) # conv1's .weightinput = Variable(torch.randn(1, 1, 32, 32))out = net(input)'''out 的输出结果如下Variable containing:-0.0158 -0.0682 -0.1239 -0.0136 -0.0645 0.0107 -0.0230 -0.0085 0.1172 -0.0393[torch.FloatTensor of size 1x10]'''net.zero_grad() # 对所有的参数的梯度缓冲区进行归零out.backward(torch.randn(1, 10)) # 使用随机的梯度进行反向传播
注意: torch.nn 只接受小批量的数据
整个torch.nn包只接受那种小批量样本的数据,而非单个样本。 例如,nn.Conv2d能够结构一个四维的TensornSamples x nChannels x Height x Width。
如果你拿的是单个样本,使用input.unsqueeze(0)来加一个假维度就可以了。 复习一下前面我们学到的: - torch.Tensor - 一个多维数组
- autograd.Variable - 改变Tensor并且记录下来操作的历史记录。和Tensor拥有相同的API,以及backward()的一些API。同时包含着和张量相关的梯度。
- nn.Module - 神经网络模块。便捷的数据封装,能够将运算移往GPU,还包括一些输入输出的东西。
- nn.Parameter - 一种变量,当将任何值赋予Module时自动注册为一个参数。
- autograd.Function - 实现了使用自动求导方法的前馈和后馈的定义。每个Variable的操作都会生成至少一个独立的Function节点,与生成了Variable的函数相连之后记录下操作历史。
到现在我们已经明白的部分: 仍然没整的: 一个代价函数接受(输出,目标)对儿的输入,并计算估计出输出与目标之间的差距。 一个简单的代价函数:nn.MSELoss计算输入和目标之间的均方误差。 举个例子: output = net(input)target = Variable(torch.range(1, 10)) # a dummy target, for examplecriterion = nn.MSELoss()loss = criterion(output, target)'''loss的值如下Variable containing: 38.5849[torch.FloatTensor of size 1]'''
现在,如果你跟随loss从后往前看,使用.creator属性你可以看到这样的一个计算流程图: input -> conv2d -> relu -> maxpool2d -> conv2d -> relu -> maxpool2d -> view -> linear -> relu -> linear -> relu -> linear -> MSELoss -> loss
因此当我们调用loss.backward()时整个图通过代价来进行区分,图中所有的变量都会以.grad来累积梯度。 # For illustration, let us follow a few steps backwardprint(loss.creator) # MSELossprint(loss.creator.previous_functions[0][0]) # Linearprint(loss.creator.previous_functions[0][0].previous_functions[0][0]) # ReLU'''<torch.nn._functions.thnn.auto.MSELoss object at 0x7fe8102dd7c8><torch.nn._functions.linear.Linear object at 0x7fe8102dd708><torch.nn._functions.thnn.auto.Threshold object at 0x7fe8102dd648>'''# 现在我们应当调用loss.backward(), 之后来看看 conv1's在进行反馈之后的偏置梯度如何net.zero_grad() # 归零操作print('conv1.bias.grad before backward')print(net.conv1.bias.grad)loss.backward()print('conv1.bias.grad after backward')print(net.conv1.bias.grad)''' 这些步骤的输出结果如下conv1.bias.grad before backwardVariable containing: 0 0 0 0 0 0[torch.FloatTensor of size 6]conv1.bias.grad after backwardVariable containing: 0.0346-0.0141 0.0544-0.1224-0.1677 0.0908[torch.FloatTensor of size 6]'''
现在我们已经了解如何使用代价函数了。 阅读材料: 神经网络包中包含着诸多用于神经网络的模块和代价函数,带有文档的完整清单在这里:torch.nn - PyTorch 0.1.9 documentation 只剩下一个没学了: 最简单的更新的规则是随机梯度下降法(SGD): weight = weight - learning_rate * gradient 我们可以用简单的python来表示: learning_rate = 0.01for f in net.parameters(): f.data.sub_(f.grad.data * learning_rate)
然而在你使用神经网络的时候你想要使用不同种类的方法诸如:SGD, Nesterov-SGD, Adam, RMSProp, etc. 我们构建了一个小的包torch.optim来实现这个功能,其中包含着所有的这些方法。 用起来也非常简单: import torch.optim as optim# create your optimizeroptimizer = optim.SGD(net.parameters(), lr = 0.01)# in your training loop:optimizer.zero_grad() # zero the gradient buffersoutput = net(input)loss = criterion(output, target)loss.backward()optimizer.step() # Does the update
就是这样。 但你现在也许会想。 那么数据怎么办呢? 通常来讲,当你处理图像,声音,文本,视频时需要使用python中其他独立的包来将他们转换为numpy中的数组,之后再转换为torch.*Tensor。 - 图像的话,可以用Pillow, OpenCV。
- 声音处理可以用scipy和librosa。
- 文本的处理使用原生Python或者Cython以及NLTK和SpaCy都可以。
特别的对于图像,我们有torchvision这个包可用,其中包含了一些现成的数据集如:Imagenet, CIFAR10, MNIST等等。同时还有一些转换图像用的工具。 这非常的方便并且避免了写样板代码。 本教程使用CIFAR10数据集。 我们要进行的分类的类别有:'airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck'。 这个数据集中的图像都是3通道,32x32像素的图片。
 下面是对torch神经网络使用的一个实战练习。 训练一个图片分类器我们要按顺序做这几个步骤: - 使用torchvision来读取并预处理CIFAR10数据集
- 定义一个卷积神经网络
- 定义一个代价函数
- 在神经网络中训练训练集数据
- 使用测试集数据测试神经网络
1. 读取并预处理CIFAR10使用torchvision读取CIFAR10相当的方便。 import torchvisionimport torchvision.transforms as transforms# torchvision数据集的输出是在[0, 1]范围内的PILImage图片。# 我们此处使用归一化的方法将其转化为Tensor,数据范围为[-1, 1]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')'''注:这一部分需要下载部分数据集 因此速度可能会有一些慢 同时你会看到这样的输出Downloading http://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./data/cifar-10-python.tar.gzExtracting tar fileDone!Files already downloaded and verified'''
我们来从中找几张图片看看。 # functions to show an imageimport matplotlib.pyplot as pltimport numpy as np%matplotlib inlinedef imshow(img): img = img / 2 + 0.5 # unnormalize npimg = img.numpy() plt.imshow(np.transpose(npimg, (1,2,0)))# show some random training imagesdataiter = iter(trainloader)images, labels = dataiter.next()# print imagesimshow(torchvision.utils.make_grid(images))# print labelsprint(' '.join('%5s'%classes[labels[j]] for j in range(4)))
结果是这样的: 2. 定义一个卷积神经网络class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.Conv2d(3, 6, 5) self.pool = nn.MaxPool2d(2,2) self.conv2 = nn.Conv2d(6, 16, 5) 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.pool(F.relu(self.conv1(x))) x = self.pool(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 xnet = Net()
3. 定义代价函数和优化器criterion = nn.CrossEntropyLoss() # use a Classification Cross-Entropy lossoptimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)
4. 训练网络事情变得有趣起来了。 我们只需一轮一轮迭代然后不断通过输入来进行参数调整就行了。
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 inputs, labels = data # wrap them in Variable inputs, labels = Variable(inputs), Variable(labels) # 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.data[0] if i % 2000 == 1999: # print every 2000 mini-batches print('[%d, %5d] loss: %.3f' % (epoch+1, i+1, running_loss / 2000)) running_loss = 0.0print('Finished Training')'''这部分的输出结果为[1, 2000] loss: 2.212[1, 4000] loss: 1.892[1, 6000] loss: 1.681[1, 8000] loss: 1.590[1, 10000] loss: 1.515[1, 12000] loss: 1.475[2, 2000] loss: 1.409[2, 4000] loss: 1.394[2, 6000] loss: 1.376[2, 8000] loss: 1.334[2, 10000] loss: 1.313[2, 12000] loss: 1.264Finished Training'''
我们已经训练了两遍了。 此时需要测试一下到底结果如何。 通过对比神经网络给出的分类和已知的类别结果,可以得出正确与否,如果预测的正确,我们可以将样本加入正确预测的结果的列表中。 好的第一步,让我们展示几张照片来熟悉一下。 dataiter = iter(testloader)images, labels = dataiter.next()# print imagesimshow(torchvision.utils.make_grid(images))print('GroundTruth: ', ' '.join('%5s'%classes[labels[j]] for j in range(4)))
结果是这样的:
 好的,接下来看看神经网络如何看待这几个照片。 outputs = net(Variable(images))# the outputs are energies for the 10 classes. # Higher the energy for a class, the more the network # thinks that the image is of the particular class# So, let's get the index of the highest energy_, predicted = torch.max(outputs.data, 1)print('Predicted: ', ' '.join('%5s'% classes[predicted[j][0]] for j in range(4)))'''输出结果为Predicted: cat plane car plane'''
结果看起来挺好。 看看神经网络在整个数据集上的表现结果如何。 correct = 0total = 0for data in testloader: images, labels = data outputs = net(Variable(images)) _, predicted = torch.max(outputs.data, 1) total += labels.size(0) correct += (predicted == labels).sum()print('Accuracy of the network on the 10000 test images: %d %%' % (100 * correct / total))'''输出结果为Accuracy of the network on the 10000 test images: 54 %'''
看上去这玩意输出的结果比随机整的要好,随机选择的话从十个中选择一个出来,准确率大概只有10%。 看上去神经网络学到了点东西。 嗯。。。那么到底哪些类别表现良好又是哪些类别不太行呢? class_correct = list(0. for i in range(10))class_total = list(0. for i in range(10))for data in testloader: images, labels = data outputs = net(Variable(images)) _, predicted = torch.max(outputs.data, 1) c = (predicted == labels).squeeze() for i in range(4): label = labels class_correct[label] += c class_total[label] += 1for i in range(10): print('Accuracy of %5s : %2d %%' % (classes, 100 * class_correct / class_total))'''输出结果为Accuracy of plane : 73 %Accuracy of car : 70 %Accuracy of bird : 52 %Accuracy of cat : 27 %Accuracy of deer : 34 %Accuracy of dog : 37 %Accuracy of frog : 62 %Accuracy of horse : 72 %Accuracy of ship : 64 %Accuracy of truck : 53 %'''
好吧,接下来该怎么搞了? 我们该如何将神经网络运行在GPU上呢? 在GPU上进行训练就像你把Tensor传递给GPU进行运算一样,你也可以将神经网络传递给GPU。 这一过程将逐级进行操作,直到所有组件全部都传递到GPU上。 net.cuda()'''输出结果为Net ( (conv1): Conv2d(3, 6, kernel_size=(5, 5), stride=(1, 1)) (pool): MaxPool2d (size=(2, 2), stride=(2, 2), dilation=(1, 1)) (conv2): Conv2d(6, 16, kernel_size=(5, 5), stride=(1, 1)) (fc1): Linear (400 -> 120) (fc2): Linear (120 -> 84) (fc3): Linear (84 -> 10))'''
记住,每一步都需要把输入和目标传给GPU。 inputs, labels = Variable(inputs.cuda()), Variable(labels.cuda())
我为什么没有进行CPU运算和GPU运算的对比呢?因为神经网络实在太小了,其中的差距并不明显。 目标达成:- 在更高层级上理解PyTorch的Tensor库和神经网络。
- 训练一个小的神经网络。
接下来我该去哪?
Trans by lawbda,edit in 2017.03.05 15:38
|