PyTorch
torch.autograd模块
- 深度学习的算法本质上是通过反向传播求导数, PyTorch的autograd模块实现了此功能, 在Tensor上的所有操作, autograd都会为它们自动提供微分, 避免手动计算导数的复杂过程。
- autograd.Variable是autograd的核心类, 它简单封装了Tensor(最新版PyTorch已经将Variable和Tensor的API合并, 以后直接使用Tensor即可, 不要使用Variable了)
- backward: 一个Scalar变量调用backward方法可以实现反向传播, 计算出各个变量的梯度
- data: 数据
- grad: 梯度
- grad_fn: 计算梯度的函数
- 注意:
- 方向传播backward中grad的值是累加的, 第二次反向传播的梯度就加上第一次反向传播的梯度, 这不是我们期望的, 所以进行了一次反向传播之后应该清空梯度, 使用grad.data.zero_()
torch.nn模块
- torch.autograd提供了反向传播的功能, 已经可以仅仅通过torch.autograd来写深度学习代码了, 但是在大多数情况下还是略显麻烦, torch.nn提供了神经网络设计的模块化接口, torch.nn模块是以torch.autograd为基础的。
- torch.nn.Module是torch.nn模块的核心类
- 使用torch.nn.Module搭建LeNet
#!/usr/bin/env python # -*- coding: utf-8 -*- import torch as t from torch.autograd import Variable import torch.optim as optim import torch.nn as nn import torch.nn.functional as F class LeNet(nn.Module): def __init__(self): super(LeNet, self).__init__() # 需要学习的参数要写在__init__()中, 并且作为属性 # 在__init__()并不是定义图, 是在设置要学习的参数(进行初始化), nn.Conv2d这么多的参数就是在确定卷积核的维度而已 # 接着随机初始化参数W与b self.conv1 = nn.Conv2d(1, 6, 5) 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): # 这里才是搭建网络的步骤 net = F.max_pool2d(F.relu(self.conv1(x)), (2, 2)) net = F.max_pool2d(F.relu(self.conv2(net)), 2) net = net.view(net.size()[0], -1) net = F.relu(self.fc1(net)) net = F.relu(self.fc2(net)) net = self.fc3(net) return net def main(argv=None): # 创建网络 lenet = LeNet() # PyTorch中维度是通道优先, 与TensorFlow不同 # 伪造数据 x = Variable(t.randn(1, 1, 32, 32)) labels = Variable(t.arange(0, 10).type(t.FloatTensor)) # 前向传播 out = lenet(x) # 定义损失函数 criterion = nn.MSELoss() # 计算损失 loss = criterion(out, labels) # 反向传播前先清空grad lenet.zero_grad() loss.backward() """ # 手动实现SGD(最简单的优化策略) learning_rate = 0.01 for f in lenet.parameters(): f.data.sub_(f.data * learning_rate) """ # 使用PyTorch提供的SGD optimizer = optim.SGD(lenet.parameters(), lr=0.01) optimizer.step() if __name__ == '__main__': main() 扩展PyTorch中的函数
- 可以选择继承PyTorch中的Function对象, 实现Function的staticmethod, 分别为forward, backward
- 上面的方法需要计算函数的反向传播, 其实也可以向TensorFlow一样, 直接写前向传播公式, PyTorch会通过自动求微分autograd机制实现反向传播
- 方法一和方法二的区别, 方法一, 采用的是面向对象的思维, 如果要自定义一个新的函数, 需要继承Function对象; 方法二, 一般定义的是一个函数。他们关系就像是PyTorch中的nn.ReLU和nn.funcional.relu一样
- torchvision模块
- 提供已经预训练的网络模型(AlexNet, VGG, ResNet等), 在torchvision.models中
- 提供常用的数据集(MSCOCO, MNIST, CIFAR等), 在torchvision.datasets中
- 图像预处理模块, torchvision.transform
- CenterCrop
- ToTensor
- ToPILImage
- RandomHorizontalFlip
- Resize
- Normalize
- Compose用于将多个操作何为一个Sequence
- 工具模块, torchvision.utils
- make_grid, 将图像拼进去指定的网格中
- save_image, 将Tensor转为Image并保存到磁盘中
自定义数据集
import os
import numpy as np
import torch as t
import torch.nn as nn
import PIL
from PIL import Image
from torch.utils.data.dataset import Dataset
from torch.utils.data.dataloader import default_collate
from torch.utils.data import DataLoader
from torchvision import Transform as T
class BaseCatVsDogDataset(Dataset):
def __init__(self, root, transform=None):
ims = os.listdir(root)
self.ims = [os.path.join(root, im) for im in ims]
self.transform = transform
def __getitem__(self, idx):
im_path = self.ims[idx]
label = 1 if 'dog' in os.split('/')[0] else 0
im = Image.open(im_path)
if self.transform:
data = self.transform(im)
else:
data = t.Tensor(np.asarray(im))
return data, label
def __len__(self):
return len(self.ims)
class CatVsDogDataset(BaseCatVsDogDataset):
"""
Notes
-----
Subclass ``CatVsDogDataset`` are used to prevent abnormal exit of program caused by abnormal data
"""
def __init__(self, root, transform=None):
super(CatVsDogDataset, self).__init__(root, transform=transform)
def __getitem__(self, idx):
try:
return super(CatVsDogDataset, self).__getitem__(idx)
except:
# An exception returns to None
return None, None
def collate_fn(batch):
"""
Parameters
----------
batch : list
At this point, batch hasn't been integrated into [batch_size, C, H, W],
and each image is placed in a list [(im, label), (im, label), ...]
"""
# Filter out None values
batch = filter(lambda x: x[0] is not None, batch)
# Splice the values in batch whose type is ``list`` into a matrix
return default_collate(batch)
def main():
transform = T.Compose([T.Resize(224), T.CenterCrop(224), T.RandomHorizontalFlip(), T.ToTensor(), T.Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5])])
dataset = CatVsDogDataset('./data', transform=transform)
dataloader = DataLoader(dataset, shuffle=True, batch_size=64, drop_last=False, collate_fn=collate_fn)
for ims, labels in dataloader:
print(ims.size(), labels.size())
if __name__ == '__main__':
main()- visdom工具
- 先启动守护进程,
nohup python -m visdom.server & - 创建vis对象,
vis = visdom.Visdom(env='test'), env为环境名称 - 绘制标量变化,
vis.line(X=x, Y=y, win='sin', opts={'title': 'This is a title'}), win是窗口名称, opts提供额外的属性, title为标题 - 绘制分布图,
vis.histogram(X=x, Y=y, win='test', opts={'title': 'This is a new title'})
- 先启动守护进程,
PyTorch规范
- 目录结构
. ├── README.md ├── checkpoints: 保存训练好的权重 ├── config.py: 配置信息, 里面是一个DefaultConfig类, 还有一个parse方法, 用于解析命令行参数来覆盖DefaultConfig中的默认配置 ├── data: 处理数据集 │ ├── __init__.py │ └── dataset.py: 里面定义了一个数据集名称的类 ├── dataset: 存放训练和测试的数据 ├── main.py: 启动文件, 包含有train, val, test三个函数, 其中train会调用val在训练中进行交叉验证, test需要用户另外再启动一个进程执行 ├── models: 存放网络模型 │ ├── __init__.py: 在文件中导入模型, 方便在main.py中导入 │ ├── basemodule.py: 扩展了nn.Module, 主要添加了load和save模型的方法 │ └── resnet34.py: 不继承nn.Module, 而是继承BaseModule ├── requirements.txt: 程序依赖说明文件 ├── tmp: 临时目录, 如果在该目录下创建一个debug文件, 则程序进入debug模式 └── utils: 工具 ├── __init__.py └── visualize.py: 封装了visdom的可视化- config.py中一般配置
- num_workers
- use_gpu
- lr
- max_epoch
- batch_size
- save_path
- env
- debug_file
- data_root
- 试手项目
- DogVsCat
- FastNeuralStyle
- RNN写诗
- 可能用到的函数
- nn.InstanceBatchNorm2d(ch, affine=True)
- nn.ReLU(inplace=True)
- tensor.item()
- nn.ReflectionPad2d(ch, scale_factor=2)
- meter.value()[0]
- torch.bmm: batch matmul
- nn.ReflectionPad2d(size): 镜像padding
- clamp(min, max): if x < min: min, if x > max: max, else x
- torchvision.transforms.Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5])是现将图片归一化到0-1, 在减去均值除以标准差, 所以要可视化的话要乘以标准差, 加上均值
- with torch.no_grad(): 类似于之前版本中的volatile=True, 比requires_grad优先级要高
- 如果使用已经预训练好的模型, 拿来用的话, 需要调用eval()方法来去掉一些DropOut层, 在使用如下方式不计算梯度
for param in model.parameters(): param.requires_grad = False NLP
- 像素的大小天生就具有色彩信息, 但是词的数值大小很难表征词的含义, 最初人们为了方便, 采用 One-Hot 的编码方式, 一般来说中文语料库的字平均在 8000-50000, 而词则在几十万左右, 使用 One-Hot 的编码方式很方便, 但是冗余很多, 并且无法体现词于词之间的关系 ( 使用 One-Hot 编码之后的每一个词都是正交的, 即任意两个词不相关 ), 如果语料库很大, One-Hot 的维度会非常的高, 在深度学习中容易造成维度灾难, 于是诞生了词向量 (Word Vector/Word Embedding)
- 词向量从 One-Hot 发展过来, 将 One-Hot 表示的高纬度映射到低纬度, 同时保留词与词之间的相关性, 如果特征相近, 则词与词之间靠的近; Embedding 是一个映射关系 ( 一个矩阵 ), 如果有 N 个词, 每一个词的维度降维到了 W, 则矩阵的维度为 (N, W). 假如输入了一组序列 (N, W), 其中 N 为 Batch Size, W 为序列的长度, 也就是词的个数, 通过词向量 (矩阵的维度为 (NumberOfWords, Dimension)) 映射得 (N, W * Dimension); 在 PyTorch 中, 词向量模块在 torch.nn.Embedding
- 其他
- 转置卷积维度计算公式
- \(H_{out}=(H_{in}-1)\times{stride}-2\times{padding}+ksize\)就是卷积维度公式的逆过程
- PyTorch 的 CrossEntropy 可以自动转 One-Hot
- 获取 Tensor 中的变量值, 调用 item() 方法
- 研究表明, 几乎所有神经网络的第一层学习到的都是关于线条和颜色的信息, 直观理解就是像素组成颜色, 点组成线, 这与人眼的感知特征十分相像, 在往上层, 神经网络开始关注一些复杂的特征, 例如拐角或者某些特殊的形状, 这些特征可以看成是低层次的特征组合, 随着深度的加深, 神经网络关注的信息逐渐抽象, 例如有一些卷积核关注的是这张图中有个鼻子, 或者是图中有张人脸, 以及对象之间的空间关系, 例如鼻子在人脸的中间等(这不是我说的, 是唐进民作者说的)
- 取patch像素中的值并累加就会抛弃空间信息, 因为一张图片的像素随机打乱得到的累加也是一样的, 但是亮度信息还保留, 因此还会有纹理信息, 色彩信息等
PyTorch中网络中的__init__方法中定义了self.left = nn.Conv2d(in_ch, out_ch, 3, 1)等, 此时就会在使用的optimizer中会有一个param_group, PyTorch支持分层设置学习率, 使用
“`pyfor param_group in optimizer.param_groups:
param_group[‘lr’] = lr * lr_decay
“`- PyTorch中, 对于Scalar的Tensor, 使用item()可是直接返回里面的数值
- torchnet.meter对象直接不能直接相加, 需要调用value()[0]获取里面的tensor才能相加, value()返回的是元组, [0]是我们期望的元素, [1]是Inf
- visdom.line参数一般是这样设置的
py vis.line(X=np.array([x]), Y=np.array([y]), win=name, opts={'title': name}, update=None if not x else 'append') - 一般上采样的方法
- 使用转置卷积, 但是当ksize / stride无法整除时容易导致checkerboard artifact(棋盘效应), 虽然理论上神经网络可以小心地学习从而消除棋盘效应
- 先对features map进行插值上采样, 将大小resize到我们期望的大小, 再使用padding或者reflectionpadding进行卷积
- 转置卷积维度计算公式
