「深度学习一遍过」必修23:基于ResNet18的MNIST手写数字识别

2023-10-22 16:31

本文主要是介绍「深度学习一遍过」必修23:基于ResNet18的MNIST手写数字识别,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本专栏用于记录关于深度学习的笔记,不光方便自己复习与查阅,同时也希望能给您解决一些关于深度学习的相关问题,并提供一些微不足道的人工神经网络模型设计思路。
专栏地址:「深度学习一遍过」必修篇 

目录

项目 GitHub 地址

项目心得

项目代码


项目 GitHub 地址

Classic_model_examples/2015_ResNet18_MNIST at main · zhao302014/Classic_model_examples · GitHubContribute to zhao302014/Classic_model_examples development by creating an account on GitHub.https://github.com/zhao302014/Classic_model_examples/tree/main/2015_ResNet18_MNIST

项目心得

  • 2015 年——ResNet:这是由微软研究院的 Kaiming He 等四名华人提出,通过使用 ResNet Unit 成功训练出了更深层次的神经网络。该项目自己搭建了 ResNet18 网络并在 MNIST 手写数字识别项目中得到了应用。通过此次实践,我终于知道了跳层连接是如何连接的了:ResNet “跳层链接” 的代码体现在相同大小和相同特征图之间用 “+” 相连,而不是 concat。concat 操作常用于 inception 结构中,具体而言是用于特征图大小相同二通道数不同的通道合并中,而看起来简单粗暴的 “+” 连接方式则是用于 ResNet 的 “跳层连接” 结构中,具体而言是用于特征图大小相同且通道数相同的特征图合并。这让我想到一句古诗:“绝知此事要躬行” 啊!

项目代码

下面这张图是网上找的,描述的细节是真的赞!

图片来源:resnet18 50网络结构以及pytorch实现代码 - 简书 

net.py

#!/usr/bin/python
# -*- coding:utf-8 -*-
# ------------------------------------------------- #
#      作者:赵泽荣
#      时间:2021年9月10日(农历八月初四)
#      个人站点:1.https://zhao302014.github.io/
#              2.https://blog.csdn.net/IT_charge/
#      个人GitHub地址:https://github.com/zhao302014
# ------------------------------------------------- #
import torch
import torch.nn as nn
import torch.nn.functional as F# --------------------------------------------------------------------------------- #
#  自己搭建一个 ResNet18 模型结构
#   · 提出时间:2015 年(作者:何凯明)
#   · ResNet 解决了深度 CNN 模型难训练的问题
#   · ResNet 在 2015 名声大噪,而且影响了 2016 年 DL 在学术界和工业界的发展方向
#   · ResNet 网络是参考了 VGG19 网络,在其基础上进行了修改,并通过短路机制加入了残差单元
#   · 变化主要体现在 ResNet 直接使用 stride=2 的卷积做下采样,并且用 global average pool 层替换了全连接层
#   · ResNet 的一个重要设计原则是:当 feature map 大小降低一半时,feature map 的数量增加一倍,这保持了网络层的复杂度
#   · ResNet18 的 18 指定的是带有权重的 18 层,包括卷积层和全连接层,不包括池化层和 BN 层
#   · ResNet “跳层链接” 的代码体现在相同大小和相同特征图之间用 “+” 相连,而不是 concat
# --------------------------------------------------------------------------------- #
class MyResNet18(nn.Module):def __init__(self):super(MyResNet18, self).__init__()# 第一层:卷积层self.conv1 = nn.Conv2d(in_channels=3, out_channels=64, kernel_size=7, stride=2, padding=3)self.bn1 = nn.BatchNorm2d(64)# Max Pooling 层self.s1 = nn.MaxPool2d(kernel_size=3, stride=2, padding=1)# 第二、三层:“实线”卷积层self.conv2 = nn.Conv2d(in_channels=64, out_channels=64, kernel_size=3, stride=1, padding=1)self.bn2 = nn.BatchNorm2d(64)self.conv3 = nn.Conv2d(in_channels=64, out_channels=64, kernel_size=3, stride=1, padding=1)self.bn3 = nn.BatchNorm2d(64)# 第四、五层:“实线”卷积层self.conv4 = nn.Conv2d(in_channels=64, out_channels=64, kernel_size=3, stride=1, padding=1)self.bn4 = nn.BatchNorm2d(64)self.conv5 = nn.Conv2d(in_channels=64, out_channels=64, kernel_size=3, stride=1, padding=1)self.bn5 = nn.BatchNorm2d(64)# 第六、七层:“虚线”卷积层self.conv6_1 = nn.Conv2d(in_channels=64, out_channels=128, kernel_size=3, stride=2, padding=1)self.bn6_1 = nn.BatchNorm2d(128)self.conv7_1 = nn.Conv2d(in_channels=128, out_channels=128, kernel_size=3, stride=1, padding=1)self.bn7_1 = nn.BatchNorm2d(128)self.conv7 = nn.Conv2d(in_channels=64, out_channels=128, kernel_size=1, stride=2, padding=0)self.bn7 = nn.BatchNorm2d(128)# 第八、九层:“实线”卷积层self.conv8 = nn.Conv2d(in_channels=128, out_channels=128, kernel_size=3, stride=1, padding=1)self.bn8 = nn.BatchNorm2d(128)self.conv9 = nn.Conv2d(in_channels=128, out_channels=128, kernel_size=3, stride=1, padding=1)self.bn9 = nn.BatchNorm2d(128)# 第十、十一层:“虚线”卷积层self.conv10_1 = nn.Conv2d(in_channels=128, out_channels=256, kernel_size=3, stride=2, padding=1)self.bn10_1 = nn.BatchNorm2d(256)self.conv11_1 = nn.Conv2d(in_channels=256, out_channels=256, kernel_size=3, stride=1, padding=1)self.bn11_1 = nn.BatchNorm2d(256)self.conv11 = nn.Conv2d(in_channels=128, out_channels=256, kernel_size=1, stride=2, padding=0)self.bn11 = nn.BatchNorm2d(256)# 第十二 、十三层:“实线”卷积层self.conv12 = nn.Conv2d(in_channels=256, out_channels=256, kernel_size=3, stride=1, padding=1)self.bn12 = nn.BatchNorm2d(256)self.conv13 = nn.Conv2d(in_channels=256, out_channels=256, kernel_size=3, stride=1, padding=1)self.bn13 = nn.BatchNorm2d(256)# 第十四、十五层:“虚线”卷积层self.conv14_1 = nn.Conv2d(in_channels=256, out_channels=512, kernel_size=3, stride=2, padding=1)self.bn14_1 = nn.BatchNorm2d(512)self.conv15_1 = nn.Conv2d(in_channels=512, out_channels=512, kernel_size=3, stride=1, padding=1)self.bn15_1 = nn.BatchNorm2d(512)self.conv15 = nn.Conv2d(in_channels=256, out_channels=512, kernel_size=1, stride=2, padding=0)self.bn15 = nn.BatchNorm2d(512)# 第十六 、十七层:“实线”卷积层self.conv16 = nn.Conv2d(in_channels=512, out_channels=512, kernel_size=3, stride=1, padding=1)self.bn16 = nn.BatchNorm2d(512)self.conv17 = nn.Conv2d(in_channels=512, out_channels=512, kernel_size=3, stride=1, padding=1)self.bn17 = nn.BatchNorm2d(512)# avg pooling 层self.s2 = nn.AvgPool2d(kernel_size=7, stride=1, padding=0)# 第十八层:全连接层self.Flatten = nn.Flatten()self.f18 = nn.Linear(512, 1000)# 为满足该实例另加 ↓self.f_output = nn.Linear(1000, 10)def forward(self, x):              # shape: torch.Size([1, 3, 224, 224])x = self.conv1(x)              # shape: torch.Size([1, 64, 112, 112])x = self.bn1(x)                # shape: torch.Size([1, 64, 112, 112])x = self.s1(x)                 # shape: torch.Size([1, 64, 56, 56])x = self.conv2(x)              # shape: torch.Size([1, 64, 56, 56])x = self.bn2(x)                # shape: torch.Size([1, 64, 56, 56])x = self.conv3(x)              # shape: torch.Size([1, 64, 56, 56])x = self.bn3(x)                # shape: torch.Size([1, 64, 56, 56])x = self.conv4(x)              # shape: torch.Size([1, 64, 56, 56])x = self.bn4(x)                # shape: torch.Size([1, 64, 56, 56])x = self.conv5(x)              # shape: torch.Size([1, 64, 56, 56])x = self.bn5(x)                # shape: torch.Size([1, 64, 56, 56])x6_1 = self.conv6_1(x)         # shape: torch.Size([1, 128, 28, 28])x7_1 = self.conv7_1(x6_1)      # shape: torch.Size([1, 128, 28, 28])x7 = self.conv7(x)             # shape: torch.Size([1, 128, 28, 28])x = x7 + x7_1                  # shape: torch.Size([1, 128, 28, 28])x = self.conv8(x)              # shape: torch.Size([1, 128, 28, 28])x = self.conv9(x)              # shape: torch.Size([1, 128, 28, 28])x10_1 = self.conv10_1(x)       # shape: torch.Size([1, 256, 14, 14])x11_1 = self.conv11_1(x10_1)   # shape: torch.Size([1, 256, 14, 14])x11 = self.conv11(x)           # shape: torch.Size([1, 256, 14, 14])x = x11 + x11_1                # shape: torch.Size([1, 256, 14, 14])x = self.conv12(x)             # shape: torch.Size([1, 256, 14, 14])x = self.conv13(x)             # shape: torch.Size([1, 256, 14, 14])x14_1 = self.conv14_1(x)       # shape: torch.Size([1, 512, 7, 7])x15_1 = self.conv15_1(x14_1)   # shape: torch.Size([1, 512, 7, 7])x15 = self.conv15(x)           # shape: torch.Size([1, 512, 7, 7])x = x15 + x15_1                # shape: torch.Size([1, 512, 7, 7])x = self.conv16(x)             # shape: torch.Size([1, 512, 7, 7])x = self.conv17(x)             # shape: torch.Size([1, 512, 7, 7])x = self.s2(x)                 # shape: torch.Size([1, 512, 1, 1])x = self.Flatten(x)            # shape: shape: torch.Size([1, 512])x = self.f18(x)                # shape: torch.Size([1, 1000])# 为满足该实例另加 ↓x = self.f_output(x)           # shape: torch.Size([1, 10])x = F.softmax(x, dim=1)        # shape: torch.Size([1, 10])return xif __name__ == '__main__':x = torch.randn(1, 3, 224, 224)model = MyResNet18()y = model(x)

train.py

#!/usr/bin/python
# -*- coding:utf-8 -*-
# ------------------------------------------------- #
#      作者:赵泽荣
#      时间:2021年9月10日(农历八月初四)
#      个人站点:1.https://zhao302014.github.io/
#              2.https://blog.csdn.net/IT_charge/
#      个人GitHub地址:https://github.com/zhao302014
# ------------------------------------------------- #
import torch
from torch import nn
from net import MyResNet18
import numpy as np
from torch.optim import lr_scheduler
from torchvision import datasets, transformsdata_transform = transforms.Compose([transforms.Scale(224),    # 缩放图像大小为 224*224transforms.ToTensor()     # 仅对数据做转换为 tensor 格式操作
])# 加载训练数据集
train_dataset = datasets.MNIST(root='./data', train=True, transform=data_transform, download=True)
# 给训练集创建一个数据集加载器
train_dataloader = torch.utils.data.DataLoader(dataset=train_dataset, batch_size=8, shuffle=True)
# 加载测试数据集
test_dataset = datasets.MNIST(root='./data', train=False, transform=data_transform, download=True)
# 给测试集创建一个数据集加载器
test_dataloader = torch.utils.data.DataLoader(dataset=train_dataset, batch_size=8, shuffle=True)# 如果显卡可用,则用显卡进行训练
device = "cuda" if torch.cuda.is_available() else 'cpu'# 调用 net 里定义的模型,如果 GPU 可用则将模型转到 GPU
model = MyResNet18().to(device)# 定义损失函数(交叉熵损失)
loss_fn = nn.CrossEntropyLoss()
# 定义优化器(SGD:随机梯度下降)
optimizer = torch.optim.SGD(model.parameters(), lr=1e-3, momentum=0.9)
# 学习率每隔 10 个 epoch 变为原来的 0.1
lr_scheduler = lr_scheduler.StepLR(optimizer, step_size=10, gamma=0.1)# 定义训练函数
def train(dataloader, model, loss_fn, optimizer):loss, current, n = 0.0, 0.0, 0for batch, (X, y) in enumerate(dataloader):# 单通道转为三通道X = np.array(X)X = X.transpose((1, 0, 2, 3))             # array 转置image = np.concatenate((X, X, X), axis=0)image = image.transpose((1, 0, 2, 3))     # array 转置回来image = torch.tensor(image)               # 将 numpy 数据格式转为 tensor# 前向传播image, y = image.to(device), y.to(device)output = model(image)cur_loss = loss_fn(output, y)_, pred = torch.max(output, axis=1)cur_acc = torch.sum(y == pred) / output.shape[0]# 反向传播optimizer.zero_grad()cur_loss.backward()optimizer.step()loss += cur_loss.item()current += cur_acc.item()n = n + 1print('train_loss:' + str(loss / n))print('train_acc:' + str(current / n))# 定义测试函数
def test(dataloader, model, loss_fn):# 将模型转换为验证模式model.eval()loss, current, n = 0.0, 0.0, 0# 非训练,推理期用到(测试时模型参数不用更新,所以 no_grad)with torch.no_grad():for batch, (X, y) in enumerate(dataloader):# 单通道转为三通道X = np.array(X)X = X.transpose((1, 0, 2, 3))  # array 转置image = np.concatenate((X, X, X), axis=0)image = image.transpose((1, 0, 2, 3))  # array 转置回来image = torch.tensor(image)  # 将 numpy 数据格式转为 tensorimage, y = image.to(device), y.to(device)output = model(image)cur_loss = loss_fn(output, y)_, pred = torch.max(output, axis=1)cur_acc = torch.sum(y == pred) / output.shape[0]loss += cur_loss.item()current += cur_acc.item()n = n + 1print('test_loss:' + str(loss / n))print('test_acc:' + str(current / n))# 开始训练
epoch = 100
for t in range(epoch):lr_scheduler.step()print(f"Epoch {t + 1}\n----------------------")train(train_dataloader, model, loss_fn, optimizer)test(test_dataloader, model, loss_fn)torch.save(model.state_dict(), "save_model/{}model.pth".format(t))    # 模型保存
print("Done!")

test.py

#!/usr/bin/python
# -*- coding:utf-8 -*-
# ------------------------------------------------- #
#      作者:赵泽荣
#      时间:2021年9月10日(农历八月初四)
#      个人站点:1.https://zhao302014.github.io/
#              2.https://blog.csdn.net/IT_charge/
#      个人GitHub地址:https://github.com/zhao302014
# ------------------------------------------------- #
import torch
from net import MyResNet18
import numpy as np
from torch.autograd import Variable
from torchvision import datasets, transforms
from torchvision.transforms import ToPILImagedata_transform = transforms.Compose([transforms.Scale(224),     # 缩放图像大小为 224*224transforms.ToTensor()      # 仅对数据做转换为 tensor 格式操作
])# 加载训练数据集
train_dataset = datasets.MNIST(root='./data', train=True, transform=data_transform, download=True)
# 给训练集创建一个数据集加载器
train_dataloader = torch.utils.data.DataLoader(dataset=train_dataset, batch_size=8, shuffle=True)
# 加载测试数据集
test_dataset = datasets.MNIST(root='./data', train=False, transform=data_transform, download=True)
# 给测试集创建一个数据集加载器
test_dataloader = torch.utils.data.DataLoader(dataset=train_dataset, batch_size=8, shuffle=True)# 如果显卡可用,则用显卡进行训练
device = "cuda" if torch.cuda.is_available() else 'cpu'# 调用 net 里定义的模型,如果 GPU 可用则将模型转到 GPU
model = MyResNet18().to(device)
# 加载 train.py 里训练好的模型
model.load_state_dict(torch.load("./save_model/99model.pth"))# 获取预测结果
classes = ["0","1","2","3","4","5","6","7","8","9",
]# 把 tensor 转成 Image,方便可视化
show = ToPILImage()
# 进入验证阶段
model.eval()
# 对 test_dataset 里 10000 张手写数字图片进行推理
for i in range(len(test_dataset)):x, y = test_dataset[i][0], test_dataset[i][1]# tensor格式数据可视化show(x).show()# 扩展张量维度为 4 维x = Variable(torch.unsqueeze(x, dim=0).float(), requires_grad=False).to(device)# 单通道转为三通道x = x.cpu()x = np.array(x)x = x.transpose((1, 0, 2, 3))          # array 转置x = np.concatenate((x, x, x), axis=0)x = x.transpose((1, 0, 2, 3))      # array 转置回来x = torch.tensor(x).to(device)   # 将 numpy 数据格式转为 tensor,并转回 cuda 格式with torch.no_grad():pred = model(x)# 得到预测类别中最高的那一类,再把最高的这一类对应classes中的哪一个标签predicted, actual = classes[torch.argmax(pred[0])], classes[y]# 最终输出预测值与真实值print(f'Predicted: "{predicted}", Actual: "{actual}"')
© 2021 GitHub, Inc.

欢迎大家交流评论,一起学习

希望本文能帮助您解决您在这方面遇到的问题

感谢阅读
END

这篇关于「深度学习一遍过」必修23:基于ResNet18的MNIST手写数字识别的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/262511

相关文章

深度解析Java DTO(最新推荐)

《深度解析JavaDTO(最新推荐)》DTO(DataTransferObject)是一种用于在不同层(如Controller层、Service层)之间传输数据的对象设计模式,其核心目的是封装数据,... 目录一、什么是DTO?DTO的核心特点:二、为什么需要DTO?(对比Entity)三、实际应用场景解析

深度解析Java项目中包和包之间的联系

《深度解析Java项目中包和包之间的联系》文章浏览阅读850次,点赞13次,收藏8次。本文详细介绍了Java分层架构中的几个关键包:DTO、Controller、Service和Mapper。_jav... 目录前言一、各大包1.DTO1.1、DTO的核心用途1.2. DTO与实体类(Entity)的区别1

深度解析Python装饰器常见用法与进阶技巧

《深度解析Python装饰器常见用法与进阶技巧》Python装饰器(Decorator)是提升代码可读性与复用性的强大工具,本文将深入解析Python装饰器的原理,常见用法,进阶技巧与最佳实践,希望可... 目录装饰器的基本原理函数装饰器的常见用法带参数的装饰器类装饰器与方法装饰器装饰器的嵌套与组合进阶技巧

深度解析Spring Boot拦截器Interceptor与过滤器Filter的区别与实战指南

《深度解析SpringBoot拦截器Interceptor与过滤器Filter的区别与实战指南》本文深度解析SpringBoot中拦截器与过滤器的区别,涵盖执行顺序、依赖关系、异常处理等核心差异,并... 目录Spring Boot拦截器(Interceptor)与过滤器(Filter)深度解析:区别、实现

深度解析Spring AOP @Aspect 原理、实战与最佳实践教程

《深度解析SpringAOP@Aspect原理、实战与最佳实践教程》文章系统讲解了SpringAOP核心概念、实现方式及原理,涵盖横切关注点分离、代理机制(JDK/CGLIB)、切入点类型、性能... 目录1. @ASPect 核心概念1.1 AOP 编程范式1.2 @Aspect 关键特性2. 完整代码实

SpringBoot开发中十大常见陷阱深度解析与避坑指南

《SpringBoot开发中十大常见陷阱深度解析与避坑指南》在SpringBoot的开发过程中,即使是经验丰富的开发者也难免会遇到各种棘手的问题,本文将针对SpringBoot开发中十大常见的“坑... 目录引言一、配置总出错?是不是同时用了.properties和.yml?二、换个位置配置就失效?搞清楚加

Python中图片与PDF识别文本(OCR)的全面指南

《Python中图片与PDF识别文本(OCR)的全面指南》在数据爆炸时代,80%的企业数据以非结构化形式存在,其中PDF和图像是最主要的载体,本文将深入探索Python中OCR技术如何将这些数字纸张转... 目录一、OCR技术核心原理二、python图像识别四大工具库1. Pytesseract - 经典O

Python基于微信OCR引擎实现高效图片文字识别

《Python基于微信OCR引擎实现高效图片文字识别》这篇文章主要为大家详细介绍了一款基于微信OCR引擎的图片文字识别桌面应用开发全过程,可以实现从图片拖拽识别到文字提取,感兴趣的小伙伴可以跟随小编一... 目录一、项目概述1.1 开发背景1.2 技术选型1.3 核心优势二、功能详解2.1 核心功能模块2.

Go学习记录之runtime包深入解析

《Go学习记录之runtime包深入解析》Go语言runtime包管理运行时环境,涵盖goroutine调度、内存分配、垃圾回收、类型信息等核心功能,:本文主要介绍Go学习记录之runtime包的... 目录前言:一、runtime包内容学习1、作用:① Goroutine和并发控制:② 垃圾回收:③ 栈和

Python中文件读取操作漏洞深度解析与防护指南

《Python中文件读取操作漏洞深度解析与防护指南》在Web应用开发中,文件操作是最基础也最危险的功能之一,这篇文章将全面剖析Python环境中常见的文件读取漏洞类型,成因及防护方案,感兴趣的小伙伴可... 目录引言一、静态资源处理中的路径穿越漏洞1.1 典型漏洞场景1.2 os.path.join()的陷