PyTorch - Training a Classifier
ここでは画像を使って分類の仕組みを見ていきます。
torchvision
を使います。
For this tutorial, we will use the CIFAR10 dataset. It has the classes: ‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’. The images in CIFAR-10 are of size 3x32x32, i.e. 3-channel color images of 32x32 pixels in size.
torchvisionのCIFAR10 データセットを使用します。中身については ‘飛行機’, ‘自動車’, ‘鳥’, ‘猫’, ‘鹿’, ‘犬’, ‘蛙’, ‘馬’, ‘船’, ‘トラック’ があります。CIFAR-10 の画像はサイズ 3x32x32です。例えばサイズが 32×32 ピクセルの 3-チャネル・カラー画像です。
順番にやっていきます。
1. torchvisionを使用してCIFAR10トレーニングおよびテストデータセットを読み込み、正規化する
2. たたみ込みニューラルネットワークの定義
3. 損失関数を定義する
4. トレーニングデータでネットワークをトレーニングする
5. テストデータでネットワークをテストする
まず最初に
Loading and normalizing CIFAR10 1. torchvisionを使用してCIFAR10トレーニングおよびテストデータセットを読み込み、正規化する
torchvisionを使用してCIFAR10トレーニングおよびテストデータセットを読み込み、正規化していきます。
torchvision データセットの出力は範囲 [0, 1] の PILImage 画像です。それらを正規化された範囲 [-1, 1] の Tensor に変換します。
transform = transforms.Compose(
[transforms.ToTensor(),
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
shuffle=True, num_workers=2)
testset = torchvision.datasets.CIFAR10(root='./data', train=False,
download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=4,
shuffle=False, num_workers=2)
classes = ('plane', 'car', 'bird', 'cat',
'deer', 'dog', 'frog', 'horse', 'ship', 'truck')transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)は，引数の一つ目のタプルが RGBの各チャンネルの平均を表し，二つ目のタプルが標準偏差を表します．これらの平均と標準偏差にあわせて正規化します．
画像を読み込み"transforms.Normalize"で正規化、使えるようにしています。
ここでトレーニングの画像を表示させてみましょう。
import matplotlib.pyplot as plt
import numpy as np
def imshow(img):
img = img / 2 + 0.5 # unnormalize
npimg = img.numpy()
plt.imshow(np.transpose(npimg, (1, 2, 0)))
plt.show()
dataiter = iter(trainloader)
images, labels = dataiter.next()
imshow(torchvision.utils.make_grid(images))
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))
と出ました。
次に2番目です
2. Define a Convolutional Neural Network2. たたみ込みニューラルネットワークの定義
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.conv1 = nn.Conv2d(3, 6, 5)
self.pool = nn.MaxPool2d(2, 2)
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):
x = self.pool(F.relu(self.conv1(x)))
x = self.pool(F.relu(self.conv2(x)))
x = x.view(-1, 16 * 5 * 5)
x = F.relu(self.fc1(x))
x = F.relu(self.fc2(x))
x = self.fc3(x)
return x
net = Net()self.conv1 = nn.Conv2d(3, 6, 5)
3-channel 画像 が入力できるネットワークになっています。
次です。
3. Define a Loss function and optimizer 3. 損失関数を定義する
import torch.optim as optim
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)損失関数はCrossEntropyLoss()を使って、momentum SGDを optimizerとします。
次に
4. Train the network 4. トレーニングデータでネットワークをトレーニングする
for epoch in range(2): # loop over the dataset multiple times
running_loss = 0.0
for i, data in enumerate(trainloader, 0):
# get the inputs; data is a list of [inputs, labels]
inputs, labels = data
# zero the parameter gradients
optimizer.zero_grad()
# forward + backward + optimize
outputs = net(inputs)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
# print statistics
running_loss += loss.item()
if i % 2000 == 1999: # print every 2000 mini-batches
print('[%d, %5d] loss: %.3f' %
(epoch + 1, i + 1, running_loss / 2000))
running_loss = 0.0
print('Finished Training')[1, 2000] loss: 2.166
[1, 4000] loss: 1.844
[1, 6000] loss: 1.685
[1, 8000] loss: 1.588
[1, 10000] loss: 1.529
[1, 12000] loss: 1.467
[2, 2000] loss: 1.400
[2, 4000] loss: 1.358
[2, 6000] loss: 1.340
[2, 8000] loss: 1.316
[2, 10000] loss: 1.303
[2, 12000] loss: 1.256
Finished Training
実行した後には、保存しておきます。
PATH = './cifar_net.pth'
torch.save(net.state_dict(), PATH)
保存されていることが確認できます。
次に、
5. Test the network on the test data 5. テストデータでネットワークをテストする
まず、テストセットから画像を表示してみます。
dataiter = iter(testloader)
images, labels = dataiter.next()
# print images
imshow(torchvision.utils.make_grid(images))
print('GroundTruth: ', ' '.join('%5s' % classes[labels[j]] for j in range(4)))
ここで保存してあったモデルを呼び戻しましょう。
net = Net()
net.load_state_dict(torch.load(PATH))サンプルimagesほネットワークに入れたらどんなものが出力されているかをみてみます。
outputs = net(images)outputsの画像を確認して10個のクラス
classes = ('plane', 'car', 'bird', 'cat',
'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
からしているものの中から確率が高いものを選び出します。
_, predicted = torch.max(outputs, 1)
print('Predicted: ', ' '.join('%5s' % classes[predicted[j]]
for j in range(4)))
Out:
Predicted: cat car car plane
と出ました。cat とplaneは正解のようですが次のコードでテストデータセット全てに適用します。
correct = 0
total = 0
with torch.no_grad():
for data in testloader:
images, labels = data
outputs = net(images)
_, predicted = torch.max(outputs.data, 1)
total += labels.size(0)
correct += (predicted == labels).sum().item()
print('Accuracy of the network on the 10000 test images: %d %%' % (
100 * correct / total))Out:
Accuracy of the network on the 10000 test images: 59 %
と出ました。さらにcat とplaneなどクラスごとの精度をみてみます。
class_correct = list(0. for i in range(10))
class_total = list(0. for i in range(10))
with torch.no_grad():
for data in testloader:
images, labels = data
outputs = net(images)
_, predicted = torch.max(outputs, 1)
c = (predicted == labels).squeeze()
for i in range(4):
label = labels[i]
class_correct[label] += c[i].item()
class_total[label] += 1
for i in range(10):
print('Accuracy of %5s : %2d %%' % (
classes[i], 100 * class_correct[i] / class_total[i]))Out:
Accuracy of plane : 52 %
Accuracy of car : 80 %
Accuracy of bird : 40 %
Accuracy of cat : 31 %
Accuracy of deer : 51 %
Accuracy of dog : 58 %
Accuracy of frog : 78 %
Accuracy of horse : 73 %
Accuracy of ship : 73 %
Accuracy of truck : 59 %
carがAccuracy of car : 80 %と一番高く、cat がAccuracy of cat : 31 %と一番低いと出ました。