PyTorch 快速入门#
本节将介绍机器学习中常见任务的 API。
from set_env import temp_dir # 加载环境并导入临时目录路径
项目根目录：/media/pc/data/lxw/ai/torch-book
处理数据#
PyTorch 提供两种基础工具来处理数据：torch.utils.data.DataLoader 和 torch.utils.data.Dataset。Dataset 用于存储样本及其对应的标签，而 DataLoader 则在 Dataset 周围包装可迭代对象。
import torch
from torch import nn
from torch.utils.data import DataLoader
from torchvision import datasets
from torchvision.transforms import v2
PyTorch 提供了针对特定领域的库，例如 TorchText、TorchVision 和 TorchAudio，这些库都包含了数据集。在本教程中使用 TorchVision 数据集。
torchvision.datasets 模块包含了许多现实世界视觉数据的 Dataset 对象，例如 CIFAR、COCO（完整列表在这里）。在本教程中，使用的是 FashionMNIST 数据集。每个 TorchVision 数据集都包括两个参数：transform 和 target_transform，分别用于修改样本和标签。
transform = v2.Compose([
v2.ToImage(),
v2.ToDtype(torch.float32, scale=True),
])
# 从公开数据集下载训练数据
training_data = datasets.FashionMNIST(
root=temp_dir/"data",
train=True, download=True,
transform=transform,
)
# 从公开数据集下载测试据
test_data = datasets.FashionMNIST(
root=temp_dir/"data",
train=False, download=True,
transform=transform,
)
备注
v2.ToImage将张量、ndarray 或 PIL图像转换为tv_tensors.Image；此操作不会缩放值。v2.ToImage变换不支持 torchscript。v2.ToDtype将输入转换为特定的数据类型，对于图像或视频，可选择性地进行数值缩放。dtype(torch.dtype或 dict of TVTensor ->torch.dtype) – 要转换的数据类型。如果传入的是torch.dtype，例如torch.float32，则只有图像和视频将被转换为该数据类型：这是为了与ConvertImageDtype兼容。可以传递字典来指定每个tv_tensor的转换，例如dtype={tv_tensors.Image: torch.float32, tv_tensors.Mask: torch.int64, "others":None}。"others"键可以用作任何其他tv_tensor类型的通用捕获器，而None表示不进行转换。scale(bool, 可选) – 是否对图像或视频的值进行缩放。请参阅 Dtype 和预期值范围。默认值：False。张量图像的值的预期范围由其数据类型隐式定义。浮点型数据类型的张量图像，其值应在 \([0, 1]\) 区间内。整数型数据类型的张量图像，其值应在 \([0, \text{MAX_DTYPE}]\) 区间内，其中 \(\text{MAX_DTYPE}\) 是该数据类型所能表示的最大值。通常，
torch.uint8数据类型的图像，其值应在 \([0, 255]\) 区间内。
将 Dataset 作为参数传递给 DataLoader。DataLoader 封装了对数据集的可迭代对象，并支持自动批处理、采样、洗牌以及多进程数据加载。
定义了批次大小为64，即 dataloader 的每个可迭代元素将返回包含64个特征和标签的批次。
batch_size = 64
# Create data loaders.
train_dataloader = DataLoader(training_data, batch_size=batch_size)
test_dataloader = DataLoader(test_data, batch_size=batch_size)
for X, y in test_dataloader:
print(f"Shape of X [N, C, H, W]: {X.shape}")
print(f"Shape of y: {y.shape} {y.dtype}")
break
Shape of X [N, C, H, W]: torch.Size([64, 1, 28, 28])
Shape of y: torch.Size([64]) torch.int64
创建模型#
在 PyTorch 中定义神经网络，创建继承自 torch.nn.Module 的类。在 __init__ 函数中定义网络的层，并在 forward 函数中指定数据如何通过网络传递。为了加速神经网络中的运算，如果可用，将它移动到 GPU 或 MPS。
# Get cpu, gpu or mps device for training.
device = (
"cuda"
if torch.cuda.is_available()
else "mps"
if torch.backends.mps.is_available()
else "cpu"
)
print(f"Using {device} device")
# Define model
class NeuralNetwork(nn.Module):
def __init__(self, *args, **kwargs):
super().__init__(*args, **kwargs)
self.flatten = nn.Flatten()
self.linear_relu_stack = nn.Sequential(
nn.Linear(28*28, 512),
nn.ReLU(),
nn.Linear(512, 512),
nn.ReLU(),
nn.Linear(512, 10)
)
def forward(self, x):
x = self.flatten(x)
logits = self.linear_relu_stack(x)
return logits
model = NeuralNetwork().to(device)
print(model)
Using cuda device
NeuralNetwork(
(flatten): Flatten(start_dim=1, end_dim=-1)
(linear_relu_stack): Sequential(
(0): Linear(in_features=784, out_features=512, bias=True)
(1): ReLU()
(2): Linear(in_features=512, out_features=512, bias=True)
(3): ReLU()
(4): Linear(in_features=512, out_features=10, bias=True)
)
)
优化模型参数#
为了训练模型，需要损失函数和优化器。
loss_fn = nn.CrossEntropyLoss()
optimizer = torch.optim.SGD(model.parameters(), lr=1e-3)
在单次训练循环中，模型对训练数据集（以批次形式输入）进行预测，并通过反向传播预测误差来调整模型参数。
def train(dataloader, model, loss_fn, optimizer):
size = len(dataloader.dataset)
model.train()
for batch, (X, y) in enumerate(dataloader):
X, y = X.to(device), y.to(device)
# Compute prediction error
pred = model(X)
loss = loss_fn(pred, y)
# Backpropagation
loss.backward()
optimizer.step()
optimizer.zero_grad()
if batch % 100 == 0:
loss, current = loss.item(), (batch + 1) * len(X)
print(f"loss: {loss:>7f} [{current:>5d}/{size:>5d}]")
还通过测试数据集来检验模型的性能，以确保其正在有效学习。
def test(dataloader, model, loss_fn):
size = len(dataloader.dataset)
num_batches = len(dataloader)
model.eval()
test_loss, correct = 0, 0
with torch.no_grad():
for X, y in dataloader:
X, y = X.to(device), y.to(device)
pred = model(X)
test_loss += loss_fn(pred, y).item()
correct += (pred.argmax(1) == y).type(torch.float).sum().item()
test_loss /= num_batches
correct /= size
print(f"Test Error: \n Accuracy: {(100*correct):>0.1f}%, Avg loss: {test_loss:>8f} \n")
训练过程通过多次迭代（即“轮次”）进行。 在每一轮中，模型学习参数以提高预测的准确性。在每个轮次打印出模型的准确度和损失值；希望看到随着每一轮次的增加，准确度提高而损失减少。
epochs = 5
for t in range(epochs):
print(f"Epoch {t+1}\n-------------------------------")
train(train_dataloader, model, loss_fn, optimizer)
test(test_dataloader, model, loss_fn)
print("Done!")
保存模型#
保存模型的常见方法是序列化内部状态字典（包含模型参数）
torch.save(model.state_dict(), temp_dir/"model.pth")
print("Saved PyTorch Model State to model.pth")
Saved PyTorch Model State to model.pth
加载模型#
加载模型的过程包括重建模型结构并将状态字典载入其中。
model = NeuralNetwork().to(device)
model.load_state_dict(torch.load(temp_dir/"model.pth", weights_only=True))
<All keys matched successfully>
此模型现在可用于进行预测。
classes = [
"T-shirt/top",
"Trouser",
"Pullover",
"Dress",
"Coat",
"Sandal",
"Shirt",
"Sneaker",
"Bag",
"Ankle boot",
]
model.eval()
x, y = test_data[0][0], test_data[0][1]
with torch.no_grad():
x = x.to(device)
pred = model(x)
predicted, actual = classes[pred[0].argmax(0)], classes[y]
print(f'Predicted: "{predicted}", Actual: "{actual}"')
Predicted: "Ankle boot", Actual: "Ankle boot"