文章使用Fashion-MNIST数据集，做一次分类识别任务
Fashion-MNIST中包含的10个类别，分别为：
t-shirt（T恤）、trouser（裤子）、pullover（套衫）、dress（连衣裙）、coat（外套）
sandal（凉鞋）、shirt（衬衫）、sneaker（运动鞋）、bag（包）、ankle boot（短靴）
0 图像数据
0.1 读取展示数据
python
import torch
import torchvision
from torch.utils import data
from torchvision import transforms
import matplotlib.pyplot as plt
# 下载数据集 ,60,000 个训练样本和 10,000 个测试样本,每个样本包含一张28*28的灰度图和一个标签
trans = transforms.ToTensor()
mnist_train = torchvision.datasets.FashionMNIST(
root="D/DL_Data/Fashion-MNIST", train=True, transform=trans, download=True)
mnist_test = torchvision.datasets.FashionMNIST(
root="D/DL_Data/Fashion-MNIST", train=False, transform=trans, download=True)
print("test:",len(mnist_test))
print("train:",len(mnist_train))
# 获取第一个样本的图像和标签
image, label = mnist_train[0]
print("图像的形状:", image.shape)
print("标签:", label)
0.2 可视化图像
python
# 可视化
def show_img():
class_names = [
'T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat',
'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot'
]
# 可视化前5张图片
fig, axes = plt.subplots(1, 10, figsize=(15, 3))
for i in range(10):
# 获取第 i 个样本的图像和标签
image, label = mnist_train[i]
# 将图像从 Tensor 转换回 numpy 数组，并移除通道维度
image_np = image.squeeze().numpy()
# 在子图中显示图像
axes[i].imshow(image_np, cmap='gray')
axes[i].set_title(f'Label: {class_names[label]}')
axes[i].axis('off') # 关闭坐标轴
plt.tight_layout()
plt.show()
show_img()
0.3 整合为数据加载模块
python
def load_data_fashion_mnist(batch_size, resize=None): #@save
trans = [transforms.ToTensor()]
if resize:
trans.insert(0, transforms.Resize(resize))
trans = transforms.Compose(trans)
mnist_train = torchvision.datasets.FashionMNIST(
root="../data", train=True, transform=trans, download=True)
mnist_test = torchvision.datasets.FashionMNIST(
root="../data", train=False, transform=trans, download=True)
return (data.DataLoader(mnist_train, batch_size, shuffle=True,
num_workers=get_dataloader_workers()),
data.DataLoader(mnist_test, batch_size, shuffle=False,
num_workers=get_dataloader_workers()))
train_iter, test_iter = load_data_fashion_mnist(256, resize=28)1 初始化参数模型
我们选择把 28 ∗ 28 28*28 28∗28的图片展开成 1 ∗ 784 1*784 1∗784的向量，认为每个像素位置都是一个特征，所以输入是784维 ，输出是10个类别标签，所以输出是10维。
因为softmaxhi回归类似于线性回归，所以权重 w w w应该是 784 ∗ 10 784*10 784∗10 的矩阵，偏置是 1 ∗ 10 1*10 1∗10 的行向量，接下来如同线性回归中一样，使用正太分布初始化权重，偏置初始化为0：
python
num_inputs = 784
num_outputs = 10
W = torch.normal(0, 0.01, size=(num_inputs, num_outputs), requires_grad=True)
b = torch.zeros(num_outputs, requires_grad=True)2 定义softmax操作
回顾一下softmax的公式：
由三个步骤组成：
- 对每个项目求幂
- 将每一行求和（小批量样本中，每个样本是一行），得到每个样本的规范化常数。
- 将每一行除以其规范化常数，确保结果的和为1。
python
# 定义softmax操作
def softmax(x):
x_exp=torch.exp(x)
x_exp_sum=x_exp.sum(1,keepdim=True)
return x_exp/x_exp_sum3 定义模型
python
# 定义模型
def net(x):
x = x.reshape(-1, w.shape[0]) # 将图片重塑为 [batch_size, 784]
temp = torch.matmul(x, w)
temp = temp + b
return softmax(temp)4 定义损失函数
使用从0开始深度学习（8）------softmax回归提到的交叉熵损失函数
python
# 定义损失函数
def cross_entropy(y_hat, y): # 预测值、真实值
return - torch.log(y_hat[range(len(y_hat)), y]) # 计算负对数似然
cross_entropy(y_hat, y)5 分类精度
分类精度即正确预测数量与总预测数量之比。
python
def compute_accuracy(y_hat, y): # 预测值、真实值
if len(y_hat.shape) > 1 and y_hat.shape[1] > 1:
y_hat = y_hat.argmax(axis=1) # 找到一个样本中，对应的最大概率的类别
cmp = y_hat.type(y.dtype) == y # 将预测值 y_hat 与真实标签 y 进行比较，生成一个布尔张量 cmp
return float(cmp.type(y.dtype).sum())
# 计算在指定数据集上模型的准确率
def evaluate_accuracy(net, data_iter):
if isinstance(net, torch.nn.Module):
net.eval() # 将模型设置为评估模式
metric = Accumulator(2) # 累加多个变量的总和。这里初始化了一个包含两个元素的累加器，分别用来存储正确预测的数量和总的预测数量。
with torch.no_grad():
for X, y in data_iter:
metric.add(compute_accuracy(net(X), y), y.numel())
return metric[0] / metric[1]
class Accumulator: #@save
"""在n个变量上累加"""
def __init__(self, n):
self.data = [0.0] * n
def add(self, *args):
self.data = [a + float(b) for a, b in zip(self.data, args)]
def reset(self):
self.data = [0.0] * len(self.data)
def __getitem__(self, idx):
return self.data[idx]
# 评估模型
accuracy = evaluate_accuracy(net, test_iter)
print(f"Test Accuracy: {accuracy:.4f}")
6 定义优化器
python
# 定义优化器
def sgd(params, lr, batch_size):
with torch.no_grad():
for param in params:
param -= lr * param.grad / batch_size
param.grad.zero_()7 训练
python
# 训练模型
def train_epoch(net, train_iter, loss, updater):
if isinstance(net, torch.nn.Module):
net.train() # 将模型设置为训练模式
metric = Accumulator(3) # 训练损失总和、训练准确度总和、样本数
for X, y in train_iter:
y_hat = net(X)
l = loss(y_hat, y).mean()
if isinstance(updater, torch.optim.Optimizer):
updater.zero_grad()
l.backward()
updater.step()
else:
l.backward()
updater([w, b], lr, batch_size)
metric.add(float(l) * y.numel(), compute_accuracy(y_hat, y), y.numel())
return metric[0] / metric[2], metric[1] / metric[2]
def train(net, train_iter, test_iter, loss, num_epochs, updater):
for epoch in range(num_epochs):
train_metrics = train_epoch(net, train_iter, loss, updater)
test_acc = evaluate_accuracy(net, test_iter)
print(f'Epoch {epoch + 1}: Train Loss {train_metrics[0]:.3f}, Train Acc {train_metrics[1]:.3f}, Test Acc {test_acc:.3f}')
# 训练模型
updater = lambda params, lr, batch_size: sgd(params, lr, batch_size)
train(net, train_iter, test_iter, cross_entropy, num_epochs, updater)
8 预测
python
# 定义 Fashion-MNIST 标签的文本描述
def get_fashion_mnist_labels(labels):
text_labels = ['t-shirt', 'trouser', 'pullover', 'dress', 'coat',
'sandal', 'shirt', 'sneaker', 'bag', 'ankle boot']
return [text_labels[int(i)] for i in labels]
# 预测并显示结果
def predict(net, test_iter, n=6):
for X, y in test_iter:
break # 只取一个批次的数据
trues = get_fashion_mnist_labels(y)
preds = get_fashion_mnist_labels(net(X).argmax(axis=1))
titles = [true + '\n' + pred for true, pred in zip(trues, preds)]
n = min(n, X.shape[0])
fig, axs = plt.subplots(1, n, figsize=(12, 3))
for i in range(n):
axs[i].imshow(X[i].permute(1, 2, 0).squeeze().numpy(), cmap='gray')
axs[i].set_title(titles[i])
axs[i].axis('off')
plt.show()
# 调用预测函数
predict(net, test_iter, n=6)