技术标签: cnn 深度学习 pytorch 神经网络 pytorch深度学习实战学习笔记
1、理解什么是卷积
2、构建卷积神经网络
3、构建自定义的nn.Module的子类
4、模块和函数API之间的区别
5、神经网络的设计选择
torch.nn模块提供一维、二维、三维的卷积
nn.Conv1d用于时间序列
nn.Conv2d用于图像
nn.Conv3d用于体数据、视频
%matplotlib inline
import torch
import numpy as np
from matplotlib import pyplot as plt
import torch.nn as nn
from torchvision import transforms
from torchvision import datasets
data_path = 'D:\\DeepLearning data\\data\\p1ch7'
cifar10 = datasets.CIFAR10(data_path, train=True, download=True)
cifar10_val = datasets.CIFAR10(data_path, train=False, download=True)
transformed_cifar10 = datasets.CIFAR10(data_path, train=True, download=False,
transform=transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.4914, 0.4822, 0.4465),(0.2470, 0.2435, 0.2616))
]))
transformed_cifar10_val = datasets.CIFAR10(data_path, train=False, download=False,
transform=transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.4914, 0.4822, 0.4465),(0.2470, 0.2435, 0.2616))
]))
label_map = {0:0, 2:1}
class_names = ['airplane','bird']
cifar2 = [(img, label_map[label])
for img, label in transformed_cifar10 ###修改代码
if label in [0,2]]
cifar2_val = [(img, label_map[label])
for img, label in transformed_cifar10_val
if label in [0,2]]
class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
in_channels 即为[B, C, H, W]中的C,输入张量的channels数;
out_channels 期望的四维输出张量的channels数;
kernel_size 卷积核的大小,一般我们会使用5x5、3x3这种左右两个数相同的卷积核,因此这种情况只需要写kernel_size = 5这样的就行了。
如果左右两个数不同,比如3x5的卷积核,那么写作kernel_size = (3, 5),注意需要写一个tuple,而不能写一个列表(list)
stride=1 卷积核在图像窗口上每次平移的间隔,即所谓的步长。
conv = nn.Conv2d(3, 16, kernel_size=3)
print(conv)
print(conv.weight.shape,conv.bias.shape)
输出:
小栗子:
##举个例子
img, _ = cifar2[0]
output = conv(img.unsqueeze(0))##原本的img是(3,32,32)的,需要添加一个维度 因为conv2d期望输入的是(BxCxHxW).
plt.imshow(img.permute(1,2,0))
plt.show()
print(img.unsqueeze(0).shape,output.shape)
# print(output)
# print(output[0,0])
plt.imshow(output[0,0].detach(),cmap='gray') ###为啥是output[0,0]?
plt.show()
输出:
我们发现 图像丢失了一些像素。原因是奇数大小的卷积核作用后,会得到width-kernel_size+1的水平和垂直长度(32-3+1)。
注:对于偶数大小的卷积核,需要在上下左右填充不同的数字,但是torch.nn.functional.pad()函数可以处理。但是还是推荐使用奇数的卷积核。
如果需要保持输出图像的大小不变,我们可以使用填充边界(padding)
例如:
##填充边界padding以保证输出图像的大小
conv = nn.Conv2d(3, 1, kernel_size=3,padding=1)
output = conv(img.unsqueeze(0))
print(img.unsqueeze(0).shape,output.shape)
##可见输出图像大小没变 输出的通道数是卷积核中输出通道数
可见输出图像大小没变 输出的通道数是卷积核中输出通道数。
但是,需要注意的是,并不是只要padding=1输出图像大小就不会变!
稍后举例说明。
为了消除干扰因素,首先把偏置归零,再将权重设为一常数值:
with torch.no_grad():
conv.bias.zero_()
with torch.no_grad():
conv.weight.fill_(1.0/9.0)
观察其对cifar10图像的影响:
output = conv(img.unsqueeze(0))
plt.imshow(output[0,0].detach(),cmap='gray')
plt.show()
输出:
尝试不同的卷积核:
##尝试不同的卷积核
conv = nn.Conv2d(3, 1, kernel_size=3, padding=1)
with torch.no_grad():
conv.weight[:] = torch.tensor([[-1.0, 0.0, 1.0],
[-1.0, 0.0, 1.0],
[-1.0, 0.0, 1.0]])
conv.bias.zero_()
output = conv(img.unsqueeze(0))
plt.imshow(output[0,0].detach(),cmap='gray')
plt.show()
使用最大池化将输入图像缩小一半:
##使用深度和池化技术进一步研究
#从大到小:下采样
#最大池化
pool = nn.MaxPool2d(2)#核大小为2
output = pool(img.unsqueeze(0))
print(img.unsqueeze(0).shape,output.shape)
#可见图像缩小了一半
输出:
可见图像缩小了一半
顺便举例说明一下前边提到的padding
3x3卷积核,padding=1:
#结合卷积和下采样结合
#(1,3,32,32)——>(1,16,32,32)——>(1,16,16,16)——>(1,8,16,16)——>(1,8,8,8)
model = nn.Sequential(
nn.Conv2d(3, 16, kernel_size=3, padding=1),##图像输出大小不会变,通道数变为16
nn.Tanh(),
nn.MaxPool2d(2),##图像大小减半,通道数不变
nn.Conv2d(16, 8, kernel_size=3, padding=1),##图像大小不变,通道数变为8
nn.Tanh(),
nn.MaxPool2d(2)#图像大小减半,通道数不变
)
output = model(img.unsqueeze(0))
print(img.unsqueeze(0).shape,output.shape)
可见padding操作确实保证了输出图像的大小。
但是,我们改变卷积核大小为5x5(练习题也会用到)
model = nn.Sequential(
nn.Conv2d(3, 16, kernel_size=5, padding=1),##图像输出大小不会变,通道数变为16
nn.Tanh(),
nn.MaxPool2d(2),##图像大小减半,通道数不变
nn.Conv2d(16, 8, kernel_size=5, padding=1),##图像大小不变,通道数变为8
nn.Tanh(),
nn.MaxPool2d(2)#图像大小减半,通道数不变
)
output = model(img.unsqueeze(0))
print(img.unsqueeze(0).shape,output.shape)
输出:
我们发现输出图像的大小并没有保持不变。
这里看的不是很清楚,输出每一步的图像大小看看~
首先是3x3卷积核:
conv1 = nn.Conv2d(3, 16, kernel_size=3, padding=1)
pool1 = nn.MaxPool2d(2)
conv2 = nn.Conv2d(16, 8, kernel_size=3, padding=1)
pool2 = nn.MaxPool2d(2)
output1 = conv1(img.unsqueeze(0))
print(output1.shape)
output2 = pool1(output1)
print(output2.shape)
output3 = conv2(output2)
print(output3.shape)
output4 = pool1(output3)
print(output4.shape)
输出:
5x5卷积核:
###5x5卷积核对图片尺寸的影响
conv1 = nn.Conv2d(3, 16, kernel_size=5, padding=1)
pool1 = nn.MaxPool2d(2)
conv2 = nn.Conv2d(16, 8, kernel_size=5, padding=1)
pool2 = nn.MaxPool2d(2)
output1 = conv1(img.unsqueeze(0))
print(output1.shape)
output2 = pool1(output1)
print(output2.shape)
output3 = conv2(output2)
print(output3.shape)
output4 = pool1(output3)
print(output4.shape)
输出:
这就不得不谈一谈卷积核和padding操作对于图像尺寸大小的影响了。放上链接:
##将一个8通道,8x8的图像转换为一个一维向量:
model = nn.Sequential(
nn.Conv2d(3, 16, kernel_size=3, padding=1),##图像输出大小不会变,通道数变为16
nn.Tanh(),
nn.MaxPool2d(2),##图像大小减半,通道数不变
nn.Conv2d(16, 8, kernel_size=3, padding=1),##图像大小不变,通道数变为8
nn.Tanh(),
nn.MaxPool2d(2),#图像大小减半,通道数不变
#... 警告:这里缺失了一些重要东西!!!
nn.Linear(8*8*8,32),
nn.Tanh(),
nn.Linear(32,2)
)
model(img.unsqueeze(0)) ###肯定会报错
#这里缺少的是从8通道,8*8图像转换为有512个元素的一维向量的步骤,pytorch1.3后便可用nn.Flatten()
查看报错信息:
这里缺少的是从8通道,8*8图像转换为有512个元素的一维向量的步骤,pytorch1.3后便可用nn.Flatten()进行转化。
将我们的网络作为第一个nn.Module,再用forward()方法:
import torch.optim as optim
class Net(nn.Module):
def __init__(self):
super().__init__()
self.conv1 = nn.Conv2d(3, 16, kernel_size=3, padding=1)
self.act1 = nn.Tanh()
self.pool1 = nn.MaxPool2d(2)
self.conv2 = nn.Conv2d(16, 8, kernel_size=3, padding=1)
self.act2 = nn.Tanh()
self.pool2 = nn.MaxPool2d(2)
self.fc1 = nn.Linear(8*8*8,32)
self.act3 = nn.Tanh()
self.fc2 = nn.Linear(32,2)
def forward(self,x):
out = self.pool1(self.act1(self.conv1(x)))
out = self.pool2(self.act2(self.conv1(out)))
out = out.view(-1,8*8*8)
out = self.act3(self.fc1(out))
out = self.fc2(out)
return out
实例化model并查看模型中的参数:
model = Net()
numel_list = [p.numel() for p in model.parameters()]
print(sum(numel_list),numel_list)
同样,我们也可以使用函数式的API进行编写:
##函数式API
import torch.nn.functional as F
class Net(nn.Module):
def __init__(self):
super().__init__()
self.conv1 = nn.Conv2d(3, 16, kernel_size=3, padding=1)
self.conv2 = nn.Conv2d(16, 8, kernel_size=3, padding=1)
self.fc1 = nn.Linear(8*8*8, 32)
self.fc2 = nn.Linear(32, 2)
def forward(self,x):
out = F.max_pool2d(torch.tanh(self.conv1(x)),2)
out = F.max_pool2d(torch.tanh(self.conv2(out)),2)
out = out.view(-1,8*8*8)
out = torch.tanh(self.fc1(out))
out = self.fc2(out)
return out
检查模型是否可行:
##检查模型是否可以运行:
model = Net()
print(model(img.unsqueeze(0)))
sum(p.numel() for p in model.parameters())
输出:
可见,两者效果是一样的。 下一部分主要是前一章数据集及识别任务的模型构建及训练。
文章浏览阅读1.6k次。安装配置gi、安装数据库软件、dbca建库见下:http://blog.csdn.net/kadwf123/article/details/784299611、检查集群节点及状态:[root@rac2 ~]# olsnodes -srac1 Activerac2 Activerac3 Activerac4 Active[root@rac2 ~]_12c查看crs状态
文章浏览阅读1.3w次,点赞45次,收藏99次。我个人用的是anaconda3的一个python集成环境,自带jupyter notebook,但在我打开jupyter notebook界面后,却找不到对应的虚拟环境,原来是jupyter notebook只是通用于下载anaconda时自带的环境,其他环境要想使用必须手动下载一些库:1.首先进入到自己创建的虚拟环境(pytorch是虚拟环境的名字)activate pytorch2.在该环境下下载这个库conda install ipykernelconda install nb__jupyter没有pytorch环境
文章浏览阅读5.2k次,点赞19次,收藏28次。选择scoop纯属意外,也是无奈,因为电脑用户被锁了管理员权限,所有exe安装程序都无法安装,只可以用绿色软件,最后被我发现scoop,省去了到处下载XXX绿色版的烦恼,当然scoop里需要管理员权限的软件也跟我无缘了(譬如everything)。推荐添加dorado这个bucket镜像,里面很多中文软件,但是部分国外的软件下载地址在github,可能无法下载。以上两个是官方bucket的国内镜像,所有软件建议优先从这里下载。上面可以看到很多bucket以及软件数。如果官网登陆不了可以试一下以下方式。_scoop-cn
文章浏览阅读4.5k次,点赞2次,收藏3次。首先要有一个color-picker组件 <el-color-picker v-model="headcolor"></el-color-picker>在data里面data() { return {headcolor: ’ #278add ’ //这里可以选择一个默认的颜色} }然后在你想要改变颜色的地方用v-bind绑定就好了,例如:这里的:sty..._vue el-color-picker
文章浏览阅读640次。基于芯片日益增长的问题,所以内核开发者们引入了新的方法,就是在内核中只保留函数,而数据则不包含,由用户(应用程序员)自己把数据按照规定的格式编写,并放在约定的地方,为了不占用过多的内存,还要求数据以根精简的方式编写。boot启动时,传参给内核,告诉内核设备树文件和kernel的位置,内核启动时根据地址去找到设备树文件,再利用专用的编译器去反编译dtb文件,将dtb还原成数据结构,以供驱动的函数去调用。firmware是三星的一个固件的设备信息,因为找不到固件,所以内核启动不成功。_exynos 4412 刷机
文章浏览阅读2w次,点赞24次,收藏42次。Linux系统配置jdkLinux学习教程,Linux入门教程(超详细)_linux配置jdk
文章浏览阅读3.3k次,点赞5次,收藏19次。xlabel('\delta');ylabel('AUC');具体符号的对照表参照下图:_matlab微米怎么输入
文章浏览阅读119次。顺序读写指的是按照文件中数据的顺序进行读取或写入。对于文本文件,可以使用fgets、fputs、fscanf、fprintf等函数进行顺序读写。在C语言中,对文件的操作通常涉及文件的打开、读写以及关闭。文件的打开使用fopen函数,而关闭则使用fclose函数。在C语言中,可以使用fread和fwrite函数进行二进制读写。 Biaoge 于2024-03-09 23:51发布 阅读量:7 ️文章类型:【 C语言程序设计 】在C语言中,用于打开文件的函数是____,用于关闭文件的函数是____。
文章浏览阅读3.4k次,点赞2次,收藏13次。跟随鼠标移动的粒子以grid(SOP)为partical(SOP)的资源模板,调整后连接【Geo组合+point spirit(MAT)】,在连接【feedback组合】适当调整。影响粒子动态的节点【metaball(SOP)+force(SOP)】添加mouse in(CHOP)鼠标位置到metaball的坐标,实现鼠标影响。..._touchdesigner怎么让一个模型跟着鼠标移动
文章浏览阅读178次。项目运行环境配置:Jdk1.8 + Tomcat7.0 + Mysql + HBuilderX(Webstorm也行)+ Eclispe(IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持)。项目技术:Springboot + mybatis + Maven +mysql5.7或8.0+html+css+js等等组成,B/S模式 + Maven管理等等。环境需要1.运行环境:最好是java jdk 1.8,我们在这个平台上运行的。其他版本理论上也可以。_基于java技术的停车场管理系统实现与设计
文章浏览阅读3.5k次。前言对于MediaPlayer播放器的源码分析内容相对来说比较多,会从Java-&amp;gt;Jni-&amp;gt;C/C++慢慢分析,后面会慢慢更新。另外,博客只作为自己学习记录的一种方式,对于其他的不过多的评论。MediaPlayerDemopublic class MainActivity extends AppCompatActivity implements SurfaceHolder.Cal..._android多媒体播放源码分析 时序图
文章浏览阅读2.4k次,点赞41次,收藏13次。java 数据结构与算法 ——快速排序法_快速排序法