PyTorch 入门
译者：Fadegentle
项目地址：https://pytorch.apachecn.org/2.0/tutorials/beginner/introyt/introyt1_tutorial
原始地址：https://pytorch.org/tutorials/beginner/introyt/introyt1_tutorial.html
请跟随下面的视频或在 youtube 上观看。
PyTorch tensor
请从视频的 03:50 开始跟随。
首先，我们要导入 pytorch。
让我们看看tensor的一些基本操作。首先，是创建tensor的几种方法：
输出：
在上面，我们创建了一个填满零的 5x3 矩阵，并查询其数据类型，发现其中的零是 32 位浮点数，这是 PyTorch 的默认值。
如果您想要用整数代替呢？您可以覆盖默认值：
输出：
您可以看到，当我们改变默认值时，tensor在打印时会有相应的报告。
常见的做法是随机初始化学习权重，通常使用特定的伪随机数生成器种子来确保结果的可重复性：
torch.manual_seed(1729)
r1 = torch.rand(2, 2)
print('A random tensor:')
print(r1)
r2 = torch.rand(2, 2)
print('\nA different random tensor:')
print(r2) # new values
torch.manual_seed(1729)
r3 = torch.rand(2, 2)
print('\nShould match r1:')
print(r3) # repeats values of r1 because of re-seed
输出：
A random tensor:
tensor([[0.3126, 0.3791],
[0.3087, 0.0736]])
A different random tensor:
tensor([[0.4216, 0.0691],
[0.2332, 0.4047]])
Should match r1:
tensor([[0.3126, 0.3791],
[0.3087, 0.0736]])
PyTorch tensor执行算术运算很直观。形状相似的tensor可以进行加法、乘法等操作。标量运算则会分布在tensor上：
ones = torch.ones(2, 3)
print(ones)
twos = torch.ones(2, 3) * 2 # every element is multiplied by 2
print(twos)
threes = ones + twos # addition allowed because shapes are similar
print(threes) # tensors are added element-wise
print(threes.shape) # this has the same dimensions as input tensors
r1 = torch.rand(2, 3)
r2 = torch.rand(3, 2)
# uncomment this line to get a runtime error
# r3 = r1 + r2
输出：
tensor([[1., 1., 1.],
[1., 1., 1.]])
tensor([[2., 2., 2.],
[2., 2., 2.]])
tensor([[3., 3., 3.],
[3., 3., 3.]])
torch.Size([2, 3])
以下是一小部分可用的数学运算示例：
r = (torch.rand(2, 2) - 0.5) * 2 # values between -1 and 1
print('A random matrix, r:')
print(r)
# Common mathematical operations are supported:
print('\nAbsolute value of r:')
print(torch.abs(r))
# ...as are trigonometric functions:
print('\nInverse sine of r:')
print(torch.asin(r))
# ...and linear algebra operations like determinant and singular value decomposition
print('\nDeterminant of r:')
print(torch.det(r))
print('\nSingular value decomposition of r:')
print(torch.svd(r))
# ...and statistical and aggregate operations:
print('\nAverage and standard deviation of r:')
print(torch.std_mean(r))
print('\nMaximum value of r:')
print(torch.max(r))
输出：
A random matrix, r:
tensor([[ 0.9956, -0.2232],
[ 0.3858, -0.6593]])
Absolute value of r:
tensor([[0.9956, 0.2232],
[0.3858, 0.6593]])
Inverse sine of r:
tensor([[ 1.4775, -0.2251],
[ 0.3961, -0.7199]])
Determinant of r:
tensor(-0.5703)
Singular value decomposition of r:
torch.return_types.svd(
U=tensor([[-0.8353, -0.5497],
[-0.5497, 0.8353]]),
S=tensor([1.1793, 0.4836]),
V=tensor([[-0.8851, -0.4654],
[ 0.4654, -0.8851]]))
Average and standard deviation of r:
(tensor(0.7217), tensor(0.1247))
Maximum value of r:
tensor(0.9956)
有关 PyTorch tensor的更多信息，包括如何设置它们以在 GPU 上进行并行计算，我们将在另一个视频中进行更深入的讨论。
PyTorch 模型
请从视频的 10:00 开始跟随。
让我们来看看如何在 PyTorch 中表示模型。
import torch # for all things PyTorch
import torch.nn as nn # for torch.nn.Module, the parent object for PyTorch models
import torch.nn.functional as F # for the activation function
图片: LeNet-5
上面是 LeNet-5 的示意图，它是最早的卷积神经网络之一，也是深度学习爆发的推动因素之一。它被设计用于识别手写数字的小图像(MNIST 数据集)，并正确分类图像中所代表的数字。
以下是它的简化版工作原理：
-
C1 层是一个卷积层，它会扫描输入图像，寻找在训练过程中学习到的特征。它输出一个映射，显示了它在图像中看到的每个学习到特征的位置。这个“激活映射”在 S2 层中进行了降采样。
-
C3 层是另一个卷积层，这次它扫描 C1 的激活映射，寻找特征的组合。它还输出一个描述这些特征组合空间位置的激活映射，这在 S4 层中进行了降采样。
-
最后，末端的 F5、F6 和 OUTPUT 全连接层构成一个分类器，它接收最终的激活映射，并将其分类表示为 10 个数字的十个类别之一。
我们如何用代码表示这个简单的神经网络呢？
class LeNet(nn.Module):
def __init__(self):
super(LeNet, self).__init__()
# 1 input image channel (black & white), 6 output channels, 5x5 square convolution
# kernel
self.conv1 = nn.Conv2d(1, 6, 5)
self.conv2 = nn.Conv2d(6, 16, 5)
# an affine operation: y = Wx + b
self.fc1 = nn.Linear(16 * 5 * 5, 120) # 5*5 from image dimension
self.fc2 = nn.Linear(120, 84)
self.fc3 = nn.Linear(84, 10)
def forward(self, x):
# Max pooling over a (2, 2) window
x = F.max_pool2d(F.relu(self.conv1(x)), (2, 2))
# If the size is a square you can only specify a single number
x = F.max_pool2d(F.relu(self.conv2(x)), 2)
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_features
仔细查看这段代码，您应该能够在上面的图示中看到一些结构上的相似之处。
这展示了一个典型的 PyTorch 模型的结构：
-
它继承自
torch.nn.Module，模块可以嵌套，实际上，甚至Conv2d和Linear层类都继承自torch.nn.Module。 -
一个模型会有一个
__init__()函数，用于实例化它的层，并加载它可能需要的任何数据(例如，NLP 模型可能会加载词汇表)。 -
一个模型会有一个
forward()函数。这是实际的计算发生的地方：输入通过网络层和各种函数传递，生成输出。 -
除此之外，您可以像构建其他 Python 类一样构建模型类，添加任何属性和方法，以支持模型的计算。
现在我们来实例化这个对象，并通过它运行一个样本输入。
net = LeNet()
print(net) # what does the object tell us about itself?
input = torch.rand(1, 1, 32, 32) # stand-in for a 32x32 black & white image
print('\nImage batch shape:')
print(input.shape)
output = net(input) # we don't call forward() directly
print('\nRaw output:')
print(output)
print(output.shape)
输出：
LeNet(
(conv1): Conv2d(1, 6, kernel_size=(5, 5), stride=(1, 1))
(conv2): Conv2d(6, 16, kernel_size=(5, 5), stride=(1, 1))
(fc1): Linear(in_features=400, out_features=120, bias=True)
(fc2): Linear(in_features=120, out_features=84, bias=True)
(fc3): Linear(in_features=84, out_features=10, bias=True)
)
Image batch shape:
torch.Size([1, 1, 32, 32])
Raw output:
tensor([[ 0.0898, 0.0318, 0.1485, 0.0301, -0.0085, -0.1135, -0.0296, 0.0164,
0.0039, 0.0616]], grad_fn=<AddmmBackward0>)
torch.Size([1, 10])
上述代码中发生了一些重要的事情：
首先，我们实例化了 LeNet 类，并打印了 net 对象。torch.nn.Module 的子类会报告它所创建的层及其形状和参数。如果您想要了解模型的处理过程，这可以提供一个方便的概述。
在此之下，我们创建了一个代表 32x32 图像且具有 1 个颜色通道的虚拟输入。通常，您会加载一个图像块并将其转换为这种形状的tensor。
您可能已经注意到了tensor中的额外维度——批处理维度。PyTorch 模型假定它们在 批次 数据上进行操作，例如，批处理包含 16 个图像块的情况下，形状将为 (16, 1, 32, 32)。由于我们只使用了一个图像，我们创建了一个形状为 (1, 1, 32, 32) 的批次。
我们像调用函数一样调用该模型推断：net(input)。该调用的输出表示，模型对表示特定数字输入的置信度。(由于这个模型实例尚未学习任何内容，我们不应该在输出中看到任何信号。)观察 output 的形状，我们可以看到它也有一个批处理维度，其大小应始终与输入批处理维度相匹配。如果我们传入一个包含 16 个实例的输入批次，output 的形状将为 (16, 10)。
数据集和数据加载器
请从视频的 14:00 开始跟随。
接下来，我们将使用 TorchVision 中的一个可随时下载的开放访问数据集来演示，如何转换图像以供您的模型使用，以及如何使用 DataLoader 将数据批量提供给您的模型。 我们需要做的第一件事就是将输入的图像转换成 PyTorch tensor。
#%matplotlib inline
import torch
import torchvision
import torchvision.transforms as transforms
transform = transforms.Compose(
[transforms.ToTensor(),
transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2470, 0.2435, 0.2616))])
在这里，我们为输入指定了两种转换：
transforms.ToTensor()将 Pillow 加载的图像转换成 PyTorch tensor。transforms.Normalize()调整tensor值，使其平均值为零，标准差为 1.0。大多数激活函数在 x = 0 附近具有最强梯度，因此将数据集中在这里可以加快学习速度。传递给该变换的值是数据集中图像 rgb 值的均值(第一个元组)和标准差(第二个元组)。您可以通过运行以下几行代码来计算这些值：
from torch.utils.data import ConcatDataset
transform = transforms.Compose([transforms.ToTensor()]) trainset = torchvision.datasets.CIFAR10(root=’./data’, train=True,
download=True, transform=transform)
#stack all train images together into a tensor of shape
#(50000, 3, 32, 32)
x = torch.stack([sample[0] for sample in ConcatDataset([trainset])])
#get the mean of each channel
mean = torch.mean(x, dim=(0,2,3)) #tensor([0.4914, 0.4822, 0.4465])
std = torch.std(x, dim=(0,2,3)) #tensor([0.2470, 0.2435, 0.2616])
还有许多其他的变换可用，包括裁剪、居中、旋转和翻转。
接下来，我们将创建一个 CIFAR10 数据集的实例。这是一组 32x32 的彩色图像块，代表着 10 类对象：6 类动物(鸟、猫、鹿、狗、青蛙、马)和 4 类交通工具(飞机、汽车、船、卡车)：
trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
download=True, transform=transform)
输出：
Downloading https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./data/cifar-10-python.tar.gz
0%| | 0/170498071 [00:00<?, ?it/s]
0%| | 458752/170498071 [00:00<00:37, 4549065.07it/s]
4%|3 | 6094848/170498071 [00:00<00:04, 34641164.48it/s]
9%|8 | 15269888/170498071 [00:00<00:02, 60391866.07it/s]
15%|#4 | 24772608/170498071 [00:00<00:01, 73973649.69it/s]
21%|## | 35356672/170498071 [00:00<00:01, 85345426.42it/s]
26%|##6 | 44597248/170498071 [00:00<00:01, 87704676.02it/s]
33%|###2 | 55836672/170498071 [00:00<00:01, 95691278.35it/s]
38%|###8 | 65437696/170498071 [00:00<00:01, 94027732.60it/s]
45%|####4 | 76480512/170498071 [00:00<00:00, 98984247.69it/s]
51%|##### | 86409216/170498071 [00:01<00:00, 97370495.50it/s]
57%|#####7 | 97353728/170498071 [00:01<00:00, 100993414.13it/s]
63%|######3 | 107479040/170498071 [00:01<00:00, 99422133.34it/s]
69%|######9 | 118358016/170498071 [00:01<00:00, 102151684.56it/s]
75%|#######5 | 128614400/170498071 [00:01<00:00, 100819228.99it/s]
82%|########1 | 139264000/170498071 [00:01<00:00, 102477663.74it/s]
88%|########7 | 149553152/170498071 [00:01<00:00, 101979319.50it/s]
94%|#########3| 159842304/170498071 [00:01<00:00, 102197851.28it/s]
100%|#########9| 170098688/170498071 [00:01<00:00, 102247991.64it/s]
100%|##########| 170498071/170498071 [00:01<00:00, 93026704.20it/s]
Extracting ./data/cifar-10-python.tar.gz to ./data
注意
当您运行上面的单元格时，可能需要一些时间下载数据集。
这是一个在 PyTorch 中创建数据集对象的示例。可下载数据集(如上文的 CIFAR-10)是 torch.utils.data.Dataset 的子类。PyTorch 中的 Dataset 类包括 TorchVision、Torchtext 和 TorchAudio 中的可下载数据集，以及像 torchvision.datasets.ImageFolder 般的实用数据集类，它可以读取带有标签的图像文件夹。您也可以创建自己的 Dataset 子类。
当我们实例化数据集时，我们需要告诉它一些信息：
- 我们希望数据存放的文件系统路径。
- 是否将此数据集用于训练，大多数数据集都会分成训练子集和测试子集。
- 如果尚未下载数据集，是否要下载。
- 我们想要对数据进行的转换。
数据集准备就绪后，就可以将其交给 DataLoader：
Dataset 子类封装了对数据的访问权限，并专门针对所服务的数据类型。 DataLoader 对数据一无所知，但会根据您指定的参数将 Dataset 提供的输入tensor组织成批。
在上面的示例中，我们要求 DataLoader 从 trainset 中批量加载 4 幅图像，并随机调整它们的顺序(shuffle=True)，我们还告诉它启动两个工作者从磁盘加载数据。
将 DataLoader 提供的批次可视化是一种很好的做法：
import matplotlib.pyplot as plt
import numpy as np
classes = ('plane', 'car', 'bird', 'cat',
'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
def imshow(img):
img = img / 2 + 0.5 # unnormalize
npimg = img.numpy()
plt.imshow(np.transpose(npimg, (1, 2, 0)))
# get some random training images
dataiter = iter(trainloader)
images, labels = next(dataiter)
# show images
imshow(torchvision.utils.make_grid(images))
# print labels
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))
输出：
Clipping input data to the valid range for imshow with RGB data ([0..1] for floats or [0..255] for integers).
ship car horse ship
运行上述单元格应该会显示给您一条包含四张图像的条带，以及每张图像的正确标签。
训练您的 PyTorch 模型
请从视频的 17:10 开始跟随。
让我们把所有的部分都放在一起，训练一个模型：
#%matplotlib inline
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
import torchvision
import torchvision.transforms as transforms
import matplotlib
import matplotlib.pyplot as plt
import numpy as np
首先，我们需要训练和测试数据集。如果您还没有，请运行下面的单元格，确保数据集已下载。(可能需要一分钟。)
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')
输出：
我们要对 DataLoader 的输出进行检查：
import matplotlib.pyplot as plt
import numpy as np
# functions to show an image
def imshow(img):
img = img / 2 + 0.5 # unnormalize
npimg = img.numpy()
plt.imshow(np.transpose(npimg, (1, 2, 0)))
# get some random training images
dataiter = iter(trainloader)
images, labels = next(dataiter)
# show images
imshow(torchvision.utils.make_grid(images))
# print labels
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))
输出：
这就是我们要训练的模型。如果觉得眼熟，那是因为它是 LeNet 的一个变体，在本视频前面讨论过，适用于 3 色图像。
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 x
net = Net()
最后，我们需要的是一个损失函数和一个优化器：
损失函数，正如本视频前面所讨论的那样，是衡量模型预测与理想输出差距的一种指标。交叉熵损失是我们这种分类模型的常用损失函数。
优化器是学习的驱动力。在这里，我们创建了一个实现随机梯度下降的优化器，这是一种更直接的优化算法。除了学习率(lr)和动量等算法参数外，我们还传入了 net.parameters()，这是模型中所有学习权重的集合，也是优化器要调整的内容。
最后，这些都会组成训练循环。请继续运行这个单元，因为它可能需要几分钟的时间来执行：
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
# 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')
输出：
[1, 2000] loss: 2.195
[1, 4000] loss: 1.879
[1, 6000] loss: 1.656
[1, 8000] loss: 1.576
[1, 10000] loss: 1.517
[1, 12000] loss: 1.461
[2, 2000] loss: 1.415
[2, 4000] loss: 1.368
[2, 6000] loss: 1.334
[2, 8000] loss: 1.327
[2, 10000] loss: 1.318
[2, 12000] loss: 1.261
Finished Training
在这里，我们只进行 2 个训练周期(第 1 行)—— 即对训练数据集进行两次遍历。每一遍都有一个内循环，对训练数据进行迭代(第 4 行)，提供一批转换后的输入图像及其正确标签。
梯度归零(第 9 行)是一个重要步骤。梯度是在一个批次中累积起来的；如果我们不在每个批次中重置梯度，它们就会不断累积，产生错误的梯度值，导致学习无法进行。
在第 12 行，我们要求模型对这一批数据进行预测。在接下来的第 13 行，我们计算损失——即 outputs(模型预测)和 labels(正确输出)之间的差值。
在第 14 行中，我们进行 backward() 传递，计算梯度以指导学习。
在第 15 行中，优化器执行一个学习步骤——它使用来自 backward() 调用的梯度，将学习权重推向它认为能减少损失的方向。
循环的余下部分会简单报告一下当前周期数、已完成的训练实例数以及在训练循环中收集到的损失。
运行上述单元时，您应该会看到类似下面的内容：
[1, 2000] loss: 2.235
[1, 4000] loss: 1.940
[1, 6000] loss: 1.713
[1, 8000] loss: 1.573
[1, 10000] loss: 1.507
[1, 12000] loss: 1.442
[2, 2000] loss: 1.378
[2, 4000] loss: 1.364
[2, 6000] loss: 1.349
[2, 8000] loss: 1.319
[2, 10000] loss: 1.284
[2, 12000] loss: 1.267
Finished Training
请注意，损失是单调下降的，这表明我们的模型在训练数据集上的性能在不断提高。
最后一步，我们应该检查模型是否真的在进行一般学习，而不是简单地 "记忆 "数据集。这就是所谓的过拟合，通常表明数据集太小(没有足够的例子进行一般学习)，或者模型的学习参数超过了正确建模数据集所需的参数。
这也是将数据集分为训练子集和测试子集的原因——为了测试模型的通用性，我们让模型对其未训练过的数据进行预测：
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))
输出：
如果您跟随进行了操作，您应该会发现，此时模型的准确率大约为 50%。虽然这并不是最先进的模型，但比我们预期的随机输出 10% 准确率要好得多。这表明模型中确实进行了一些一般性学习。
