目標檢測（2）：LeNet-5 的 PyTorch 復現（MNIST 手寫資料集篇）

红色石头發表於2021-12-17
PyTorch

大家好，我是紅色石頭！

在上一篇文章：

這可能是神經網路 LeNet-5 最詳細的解釋了！

詳細介紹了卷積神經網路 LeNet-5 的理論部分。今天我們將使用 Pytorch 來實現 LeNet-5 模型，並用它來解決 MNIST資料集的識別。

正文開始！

一、使用 LeNet-5 網路結構建立 MNIST 手寫數字識別分類器

MNIST是一個非常有名的手寫體數字識別資料集，訓練樣本：共60000個，其中55000個用於訓練，另外5000個用於驗證；測試樣本：共10000個。MNIST資料集每張圖片是單通道的，大小為28×28。

1.1 下載並載入資料，並做出一定的預先處理

由於 MNIST 資料集圖片尺寸是 28×28 單通道的，而 LeNet-5 網路輸入 Input 圖片尺寸是 32×32，因此使用 transforms.Resize 將輸入圖片尺寸調整為 32×32。

首先匯入 PyToch 的相關演算法庫：

import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms
import time
from matplotlib import pyplot as plt

pipline_train = transforms.Compose([
    #隨機旋轉圖片
    transforms.RandomHorizontalFlip(),
    #將圖片尺寸resize到32x32
    transforms.Resize((32,32)),
    #將圖片轉化為Tensor格式
    transforms.ToTensor(),
    #正則化(當模型出現過擬合的情況時，用來降低模型的複雜度)
    transforms.Normalize((0.1307,),(0.3081,))    
])
pipline_test = transforms.Compose([
    #將圖片尺寸resize到32x32
    transforms.Resize((32,32)),
    transforms.ToTensor(),
    transforms.Normalize((0.1307,),(0.3081,))
])
#下載資料集
train_set = datasets.MNIST(root="./data", train=True, download=True, transform=pipline_train)
test_set = datasets.MNIST(root="./data", train=False, download=True, transform=pipline_test)
#載入資料集
trainloader = torch.utils.data.DataLoader(train_set, batch_size=64, shuffle=True)
testloader = torch.utils.data.DataLoader(test_set, batch_size=32, shuffle=False)

這裡要解釋一下 Pytorch MNIST 資料集標準化為什麼是 transforms.Normalize((0.1307,), (0.3081,))？

標準化（Normalization）是神經網路對資料的一種經常性操作。標準化處理指的是：樣本減去它的均值，再除以它的標準差，最終樣本將呈現均值為 0 方差為 1 的資料分佈。

神經網路模型偏愛標準化資料，原因是均值為0方差為1的資料在 sigmoid、tanh 經過啟用函式後求導得到的導數很大，反之原始資料不僅分佈不均（噪聲大）而且數值通常都很大（本例中數值範圍是 0~255），啟用函式後求導得到的導數則接近與 0，這也被稱為梯度消失。所以說，資料的標準化有利於加快神經網路的訓練。

除此之外，還需要保持 train_set、val_set 和 test_set 標準化係數的一致性。標準化係數就是計算要用到的均值和標準差，在本例中是((0.1307,), (0.3081,))，均值是 0.1307，標準差是 0.3081，這些係數都是資料集提供方計算好的資料。不同資料集就有不同的標準化係數，例如([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])就是 ImageNet dataset 的標準化係數（RGB三個通道對應三組係數），當需要將 Imagenet 預訓練的引數遷移到另一神經網路時，被遷移的神經網路就需要使用 Imagenet的係數，否則預訓練不僅無法起到應有的作用甚至還會幫倒忙。

1.2 搭建 LeNet-5 神經網路結構，並定義前向傳播的過程

class LeNet(nn.Module):
    def __init__(self):
        super(LeNet, self).__init__()
        self.conv1 = nn.Conv2d(1, 6, 5) 
        self.relu = nn.ReLU()
        self.maxpool1 = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.maxpool2 = nn.MaxPool2d(2, 2)
        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.conv1(x)
        x = self.relu(x)
        x = self.maxpool1(x)
        x = self.conv2(x)
        x = self.maxpool2(x)
        x = x.view(-1, 16*5*5)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        output = F.log_softmax(x, dim=1)
        return output

1.3 將定義好的網路結構搭載到 GPU/CPU，並定義最佳化器

#建立模型，部署gpu
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = LeNet().to(device)
#定義最佳化器
optimizer = optim.Adam(model.parameters(), lr=0.001)

1.4 定義訓練過程

def train_runner(model, device, trainloader, optimizer, epoch):
    #訓練模型, 啟用 BatchNormalization 和 Dropout, 將BatchNormalization和Dropout置為True
    model.train()
    total = 0
    correct =0.0

    #enumerate迭代已載入的資料集,同時獲取資料和資料下標
    for i, data in enumerate(trainloader, 0):
        inputs, labels = data
        #把模型部署到device上
        inputs, labels = inputs.to(device), labels.to(device)
        #初始化梯度
        optimizer.zero_grad()
        #儲存訓練結果
        outputs = model(inputs)
        #計算損失和
        #多分類情況通常使用cross_entropy(交叉熵損失函式), 而對於二分類問題, 通常使用sigmod
        loss = F.cross_entropy(outputs, labels)
        #獲取最大機率的預測結果
        #dim=1表示返回每一行的最大值對應的列下標
        predict = outputs.argmax(dim=1)
        total += labels.size(0)
        correct += (predict == labels).sum().item()
        #反向傳播
        loss.backward()
        #更新引數
        optimizer.step()
        if i % 1000 == 0:
            #loss.item()表示當前loss的數值
            print("Train Epoch{} \t Loss: {:.6f}, accuracy: {:.6f}%".format(epoch, loss.item(), 100*(correct/total)))
            Loss.append(loss.item())
            Accuracy.append(correct/total)
    return loss.item(), correct/total

1.5 定義測試過程

def test_runner(model, device, testloader):
    #模型驗證, 必須要寫, 否則只要有輸入資料, 即使不訓練, 它也會改變權值
    #因為呼叫eval()將不啟用 BatchNormalization 和 Dropout, BatchNormalization和Dropout置為False
    model.eval()
    #統計模型正確率, 設定初始值
    correct = 0.0
    test_loss = 0.0
    total = 0
    #torch.no_grad將不會計算梯度, 也不會進行反向傳播
    with torch.no_grad():
        for data, label in testloader:
            data, label = data.to(device), label.to(device)
            output = model(data)
            test_loss += F.cross_entropy(output, label).item()
            predict = output.argmax(dim=1)
            #計算正確數量
            total += label.size(0)
            correct += (predict == label).sum().item()
        #計算損失值
        print("test_avarage_loss: {:.6f}, accuracy: {:.6f}%".format(test_loss/total, 100*(correct/total)))

1.6 執行

LeNet-5 網路模型定義好，訓練函式、驗證函式也定義好了，就可以直接使用 MNIST 資料集進行訓練了。

# 呼叫
epoch = 5
Loss = []
Accuracy = []
for epoch in range(1, epoch+1):
    print("start_time",time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time())))
    loss, acc = train_runner(model, device, trainloader, optimizer, epoch)
    Loss.append(loss)
    Accuracy.append(acc)
    test_runner(model, device, testloader)
    print("end_time: ",time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time())),'\n')

print('Finished Training')
plt.subplot(2,1,1)
plt.plot(Loss)
plt.title('Loss')
plt.show()
plt.subplot(2,1,2)
plt.plot(Accuracy)
plt.title('Accuracy')
plt.show()

經歷 5 次 epoch 的 loss 和 accuracy 曲線如下：

最終在 10000 張測試樣本上，average_loss降到了 0.00228，accuracy 達到了 97.72%。可以說 LeNet-5 的效果非常好！

1.7 儲存模型

print(model)
torch.save(model, './models/model-mnist.pth') #儲存模型

LeNet-5 的模型會 print 出來，並將模型模型命令為 model-mnist.pth 儲存在固定目錄下。

LeNet(
  (conv1): Conv2d(1, 6, kernel_size=(5, 5), stride=(1, 1))
  (relu): ReLU()
  (maxpool1): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  (conv2): Conv2d(6, 16, kernel_size=(5, 5), stride=(1, 1))
  (maxpool2): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  (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)
)

1.8 手寫圖片的測試

下面，我們將利用剛剛訓練的 LeNet-5 模型進行手寫數字圖片的測試。

import cv2

if __name__ == '__main__':
    device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
    model = torch.load('./models/model-mnist.pth') #載入模型
    model = model.to(device)
    model.eval()    #把模型轉為test模式

    #讀取要預測的圖片
    img = cv2.imread("./images/test_mnist.jpg")
    img=cv2.resize(img,dsize=(32,32),interpolation=cv2.INTER_NEAREST)
    plt.imshow(img,cmap="gray") # 顯示圖片
    plt.axis('off') # 不顯示座標軸
    plt.show()

    # 匯入圖片，圖片擴充套件後為[1，1，32，32]
    trans = transforms.Compose(
        [
            transforms.ToTensor(),
            transforms.Normalize((0.1307,), (0.3081,))
        ])
    img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#圖片轉為灰度圖，因為mnist資料集都是灰度圖
    img = trans(img)
    img = img.to(device)
    img = img.unsqueeze(0)  #圖片擴充套件多一維,因為輸入到儲存的模型中是4維的[batch_size,通道,長，寬]，而普通圖片只有三維，[通道,長，寬]

    # 預測 
    output = model(img)
    prob = F.softmax(output,dim=1) #prob是10個分類的機率
    print("機率：",prob)
    value, predicted = torch.max(output.data, 1)
    predict = output.argmax(dim=1)
    print("預測類別：",predict.item())

輸出：

機率：tensor([[2.0888e-07, 1.1599e-07, 6.1852e-05, 1.5797e-04, 1.4975e-09, 9.9977e-01,
1.9271e-06, 3.1589e-06, 1.2186e-07, 4.3405e-07]],
grad_fn=)

預測類別：5
模型預測結果正確！

以上就是 PyTorch 構建 LeNet-5 卷積神經網路並用它來識別 MNIST 資料集的例子。全文的程式碼都是可以順利執行的，建議大家自己跑一邊。

所有完整的程式碼我都放在 GitHub 上，GitHub地址為：

https://github.com/RedstoneWill/ObjectDetectionLearner/tree/main/LeNet-5

相關文章