学习资料：从零设计并训练一个神经网络，你就能真正理解它了_哔哩哔哩_bilibili
这个视频讲得相当清楚。本文是学习笔记，不是原创，图都是从视频上截图的。
1. 神经网络
2. 案例说明
具体来说，设计一个三层的神经网络。以数字图像作为输入，经过神经网络的计算，识别出图像中的数字是几，从而实现数字图像的分类。
3. 视频讲解内容的提纲
4. 神经网络的设计和实现
我们要处理的数据是28*28像素的灰色通道图像。
这样的灰色图像包括了28*28=784个数据点。需要先将他展平为1*784大小的向量。然后将这个向量输入到神经网络中。
用一个三层神经网络处理图片对应的向量X。输入成需要接收784维的图片向量X。X里面每个维度的数据都有一个神经元来接收。因此输入层要包含784个神经元。
隐藏成用于特征提取特征向量，将输入的特征向量处理成更高级的特征向量。
因为手写数字图像识别并不复杂，所以将隐藏层的神经元个数设置为256。这样，输入层和隐藏层之间就会有个784*256的线性层。它可以将一个784维的输入向量转换为256维的输出向量。
该输出向量会继续向前传播到达输出层。
由于最终要将数字图像识别为0~9，十种可能的数字。因此，输出层需要定义10个神经元，对应这十种数字。
256维的向量在经过隐藏层和输出层之间的线性层计算后，就得到了10维的输出结果。这个10维的向量就代表了10个数字的预测得分。
为了继续得到输出层的预测概率，还要将输出层的输出输入到softmax层。softmax层会将10维的向量转换为10个概率值p0~p9。p0~p9相加的总和等于1.
5. 神经网络的Pytorch实现
import torch
from torch import nn
# 定义神经网络Network
class Network(nn.Module):
def __init__(self):
super().__init__()
# 线性层1，输入层和隐藏层之间的线性层
self.layer1 = nn.Linear(784, 258)
# 线性层2，隐藏层和输出层之间的线性层
self.layer2 = nn.Linear(256, 10)
# 在前向传播，forward函数中，输入为图像x
def forward(self, x):
x = x.view(-1, 28 * 28) # 使用view函数，将x展平
x = self.layer1(x) # 将x输入到layer1
x = torch.relu(x) # 使用relu激活
return self.layer2(x) # 输入至layer2计算结果
# 这里没有直接定义softmax层，因为后面会使用CrossEntropyLoss损失函数
# 在这个损失函数中，会实现softmax的计算6. 训练数据的准备和处理
from torchvision import transforms
from torchvision import datasets
from torch.utils.data import DataLoader
# 初学只要知道大致的数据处理流程即可
if __name__ == '__main__'
# 实现图像的预处理pipeline
transform = trnasforms.Compose([
# 转换成单通道灰度图
transforms.Grayscale(num_output_channels=1),
# 转换为张量
transforms.ToTensor()
])
# 使用ImageFolder函数，读取数据文件夹，构建数据集dataset
# 这个函数会将保持数据的文件夹的名字，作为数据的标签，组织数据
train_dataset = datasets.ImageFolder(root='./mnist_images/train', transform=transform)
test_dataset = datasets.ImageFolder(root='./mnist_images/test', transform=transform)
# 打印他们的长度
print("train_dataset length: ", len(train_dataset))
print("test_dataset length: ", len(test_dataset))
# 使用train_loader, 实现小批量的数据读取
# 这里设置小批量的大小，batch_size=64. 也就是每个批次，包括64个数据
train_loader = DataLoader(train_datase, batch_size=64, shuffle=True)
# 打印train_loader的长度
print("train_loader length: ", len(train_loader))
# 6000个训练数据，如果每个小批量，读入64个样本，那么60000个数据会被分成938组
# 938*64=60032，说明最后一组不够64个数据
# 循环遍历train_loader
# 每一次循环，都会取出64个图像数据，作为一个小批量batch
for batch_idx, (data, label) in enumerate(train_loader)
if batch_idx == 3:
break
print("batch_idx: ", batch_idx)
print("data.shape: ", data.shape) # 数据的尺寸
print("label: ", label.shape) # 图像中的数字
print(label)7. 模型的训练和测试
import torch
from torch import nn
from torch import optim
from model import Network
from torchvision import transforms
from torchvision import datasets
from torch.utils.data import DataLoader
if __name__ == '__main__'
# 图像的预处理
transform = transforms.Compose([
transforms.Grayscale(num_output_channels=1),
transforms.ToTensor()
])
# 读入并构造数据集
train_dataset = datasets.ImageFolder(root='./mnist_images/train', transform=transform)
print("train_dataset length: ", len(train_dataset))
# 小批量的数据读入
train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True)
print("train_loader length: ", len(train_loader))
# 在使用Pytorch训练模型时，需要创建三个对象：
model = Network() # 1.模型本身，就是我们设计的神经网络
optimizer = optim.Adam(model.parameters()) #2.优化器，优化模型中的参数
criterion = nn.CrossEntropyLoss() #3.损失函数，分类问题，使用交叉熵损失误差
# 进入模型的循环迭代
# 外层循环，代表了整个训练数据集的遍历次数
for epoch in range(10):
# 内层循环使用train_loader, 进行小批量的数据读取
for batch_idx, (data, label) in enumerate(train_loader):
# 内层每循环一次，就会进行一次梯度下降算法
# 包括了5个步骤
# 这5个步骤是使用pytorch框架训练模型的定式，初学时先记住即可
# 1. 计算神经网络的前向传播结果
output = model(data)
# 2. 计算output和标签label之间的损失loss
loss = criterion(output, label)
# 3. 使用backward计算梯度
loss.backward()
# 4. 使用optimizer.step更新参数
optimizer.step()
# 5.将梯度清零
optimizer.zero_grad()
if batch_idx % 100 == 0:
print(f"Epoch {epoch + 1}/10"
f"| Batch {batch_idx}/{len(train_loader)}"
f"| Loss: {loss.item():.4f}"
)
torch.save(model.state_dict(), 'mnist.pth')
from model import Network
from torchvision import transforms
from torchvision import datasets
import torch
if __name__ == '__main__'
transform = transforms.Compose([
transforms.Grayscale(num_output_channels=1),
transforms.ToTensor()
])
# 读取测试数据集
test_dataset = datasets.ImageFolder(root='./mnist_images/test', transform=transform)
print("test_dataset length: ", len(test_dataset))
model = Network() # 定义神经网络模型
model.load_state_dict(torch.load('mnist.pth')) # 加载刚刚训练好的模型文件
rigth = 0 # 保存正确识别的数量
for i, (x, y) in enumerate(test_dataset):
output = model(x) # 将其中的数据x输入到模型
predict = output.argmax(1).item() # 选择概率最大标签的作为预测结果
# 对比预测值predict和真实标签y
if predict == y:
right += 1
else:
# 将识别错误的样例打印出来
img_path = test_dataset.samples[i][0]
print(f"wrong case: predict = {predict} y = {y} img_path = {img_path}")
# 计算出测试效果
sample_num = len(test_dataset)
acc = right * 1.0 / sample_num
print("test accuracy = %d / %d = %.3lf" % (right, sample_num, acc))