minist_train.py

import torch
from torch import nn
from torch.nn import functional as F
from torch import optim
import torchvision
from matplotlib import pyplot as plt
from utils import plot_image, plot_curve, one_hot


#！！！首先是训练集处理部分！！！
#提前设置好批大小
#批大小，每次训练在训练集中取batch_size个样本训练
#训练完60000张图片需要60000/batch_size次，本代码即需要60000/512=117次
#训练其实就是在让预测结果和标签贴合，而评价贴合过程必采用损失函数
batch_size = 512

#加载数据集
#训练集下载
train_loader = torch.utils.data.DataLoader(   #该方法参数较为复杂
    #torchvision.datasets是用来进行数据加载的
    torchvision.datasets.MNIST('mnist_data', train=True, download=True,
                               #train=True用于说明需要载入数据集的训练部分
                               #download=True用于指定是否需要下载
                               #transform用于指定导入数据集时需要对数据进行哪种变换操作
                               transform=torchvision.transforms.Compose([
                                   torchvision.transforms.ToTensor(),
                                   torchvision.transforms.Normalize(
                                       (0.1307,), (0.3081,))
                               ])),
    #每一个批次的数量：batch_size=batch_size, 是否需要随机打乱：shuffle=True
    batch_size=batch_size, shuffle=True)

#测试集下载
#从测试集中的10000张图片选取512张图片进行测试
test_loader = torch.utils.data.DataLoader(
    torchvision.datasets.MNIST('mnist_data/', train=False, download=True,
                               #train=False用于说明需要载入数据集的测试部分
                               transform=torchvision.transforms.Compose([
                                   torchvision.transforms.ToTensor(),
                                   torchvision.transforms.Normalize(
                                       (0.1307,), (0.3081,))
                               ])),
    #每一个批次的数量：batch_size=batch_size, 是否需要随机打乱：shuffle=False
    batch_size=batch_size, shuffle=False)

#从训练数据集中取一批数据出来
#x表示样本（即某张手写图片），y表示对应的标签
x,y = next(iter(train_loader))
#把x,y打印出来可以看到很神奇的结果，对图像中的数据存储理解会更清晰
#print(x,y)
print(x.shape, y.shape, x.min(), x.max())
plot_image(x,y, "image sample")

#建立神经网络（类）
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()

        #降维，将28*28个数据（每个数据即像素值，取值范围为0~255）转化为10个数据
        #这里将像素值进行归一化，获得0~1的浮点数
        #利用矩阵乘法方式来降维[a,b]*[b,c]->[a,c]
        #线性变换xw+b：x为输入即可看作上述的[a,b],w作为用于转换的矩阵即可看作上述的[b,c],b为偏置，也是矩阵
        #nn.Linear表示线性变换，实现xw+b,也用于设置网络中的全连接层
        #在处理二维图像任务中，全连接层的输入与输出一般都设置为二维张量（即矩阵）
        #输入张量形状通常为[batch_size,in_features],输出张量形状通常为[batch_size,out_features]
        #nn.Linear参数不涉及batch_size，只需要输入张量的“列”和输出张量的“列”，即in_features和out_features
        #因此以下代码没有出现“60000”（是60000不是512，我理解是在前向传播前先对60000预处理，之后再细分批次处理）
        #第一层降维
        self.fc1 = nn.Linear(28*28, 256)
        #第二层降维
        self.fc2 = nn.Linear(256, 64)
        #第三层降维
        self.fc3 = nn.Linear(64, 10)

    #前向传播
    def forward(self, x):
        # x: [b, 1, 28, 28]
        # h1 = relu(xw1+b1)，第一层激活函数
        x = F.relu(self.fc1(x))
        # h2 = relu(h1w2+b2)，第二层激活函数
        x = F.relu(self.fc2(x))
        # h3 = h2w3+b3，第三层激活函数
        x = self.fc3(x)
        return x

#创建神经网络类的对象net，即实例化网络结构
net = Net()
# [w1, b1, w2, b2, w3, b3]分别为三层对应的两个参数
#梯度下降算法更新参数（优化）
#optim包定义了许多深度学习常用的优化算法，包括 SGD + 动量（即SGDM）
#lr即学习率，人为设定
optimizer = optim.SGD(net.parameters(), lr=0.01, momentum=0.9)

#设定一个训练损失列表用于存储训练
train_loss = []
#1个epoch等于使用训练集中的全部样本训练一次
#本代码1个epoch包含117次的批训练
#编写训练结构，设定训练的轮数epoch为3轮
for epoch in range(3):
    #enumerate函数用于遍历，当该函数没有输入第二个参数值时，默认从第0个数据开始遍历
    #batch_idx表示当前训练的批次，(x,y)表述该次序的数据内容
    for batch_idx, (x, y) in enumerate(train_loader):

        #x: [b, 1, 28, 28], y: [512]（这里的b表示batch_size,不是偏置！！！1是通道数，[512]表示1行512列）
        #对x进行4维降2维，对每一张图片进行打平（在第二重for循环里，循环一次处理一批，一共循环117次）
        #[b, 1, 28, 28] => [b, 784]
        x = x.view(x.size(0), 28*28)
        #将batch_size张图片中的每张784个数据转化为10个数据
        #调用前面的神经网络类的对象来实现转换
        # => [b, 10]
        out = net(x)
        
        #对512个标签进行独热处理
        y_onehot = one_hot(y)
        #求batch_size张图片中每张图片的10个数据与其对应的10个独热标签的损失函数
        # loss = mse(out, y_onehot)
        loss = F.mse_loss(out, y_onehot)

        #把梯度初始化为0
        optimizer.zero_grad()
        #反向传播求解梯度
        loss.backward()
        #更新参数
        #w_new = w_old - lr*grad
        #b_new = b_old - lr*grad 
        optimizer.step()

        #将每张手写图像对应的loss值添加到列表中，方便后续可以作出Loss函数图像
        train_loss.append(loss.item())

        #每遍历10次就打印出1次
        if batch_idx % 10==0:
            print(epoch, batch_idx, loss.item())

#打印出遍历完后的loss函数图像
plot_curve(train_loss)
# we get optimal [w1, b1, w2, b2, w3, b3]


#！！！接下来是测试集处理部分！！！
total_correct = 0
#遍历测试集的10000张图片
for x,y in test_loader:
    #降维
    #for循环一次就处理一批图片（共需循环2次），所以x.size(0) == 1,"0"表示第一个维度
    x = x.view(x.size(0), 28*28)
    #784->10
    out = net(x)
    #out: [b, 10] => pred: [b]
    #dim=1:消除列，保留行，
    #argmax(dim=1):取每一行中数据值最大的列下标,由于保留列，所以有几行输出就有几个数据
    #值最大的那个数据即可认为是“1”的概率最大，这里说的“1”即独热编码中的“1”
    pred = out.argmax(dim=1)
    #将这个为“1”概率最大的下标与标签中为“1”的下标进行比较
    #若两个下标一致说明预测成功；若不一致则说明预测不成功；correct为一批次中预测成功的图片数目
    correct = pred.eq(y).sum().float().item()
    #计算总预测成功的图片张数
    total_correct += correct

#求测试集图片张数
total_num = len(test_loader.dataset)
#测试成功的图片张数与测试集全部张数的比例，即正确率
acc = total_correct / total_num
#输出整体预测的准确度
print('test.acc:', acc)

#取出一批测试集图片
x, y = next(iter(test_loader))
#print(x,y)
out = net(x.view(x.size(0), 28*28))
#print(x.size())
#print(x.size(0))
#print(x.view(x.size(0), 28*28))
#print(out)
pred = out.argmax(dim=1)
#print(pred)
plot_image(x, pred, 'test')

utils.py

import torch
from matplotlib import pyplot as plt


def plot_curve(data):                                #画曲线
    fig = plt.figure()                               
    plt.plot(range(len(data)), data, color='blue')
    plt.legend(['value'], loc='upper right')
    plt.xlabel('step')
    plt.ylabel('value')
    plt.show()



def plot_image(img, label, name):                     #画图像
    fig = plt.figure()
    for i in range(6):
        plt.subplot(2, 3, i + 1)
        plt.tight_layout()
        plt.imshow(img[i][0]*0.3081+0.1307, cmap='gray', interpolation='none')
        plt.title("{}: {}".format(name, label[i].item()))
        plt.xticks([])
        plt.yticks([])
    plt.show()


def one_hot(label, depth=10):                        #独热编码
    out = torch.zeros(label.size(0), depth)
    idx = torch.LongTensor(label).view(-1, 1)
    out.scatter_(dim=1, index=idx, value=1)
    return out