>- **🍨 本文为🔗365天深度学习训练营中的学习记录博客
>- **🍖 原作者：K同学啊

 本人往期文章可查阅： 深度学习总结 

📌第P1周：实现mnist手写数字识别📌

• 难度：小白入门⭐
• 语言：Python3、Pytorch

🍺 要求：

1. 了解Pytorch，并使用Pytorch构建一个深度学习程序
2. 了解什么是深度学习

🍻拔高（可选）

1. 学习文中提到的函数方法

 入门注意事项：

这是第一篇教案，也是深度学习的入门案例，我们或许可以按照下面的步骤进行学习

• 👉第一步：整体把握每一部分代码的功能，看第1遍
• 👉第二步：把握每一行语句的含义，知道实现的是什么功能就行，这里需要不求甚解，看第2遍
• 👉第三步：动手跟着教案敲一遍代码，把代码跑通

📑备注：

• 如果你之前没有接触过深度学习，第一篇你学起来可能比较蒙，不要着急，等到第3、4篇教案的时候，你会逐步理解的，不要尝试一下就弄明白。
• 把程序当做一个黑盒，先去学会使用（这是我们现阶段的任务），然后再去理解其原理。

🏡我的环境：

• 语言环境：Python3.11
• 编译器：pyCharm 2024.1.3
• 深度学习环境：pytorch

• • torch==2.3.1
  • torchvision==0.18.1

一、 前期准备

1. 设置GPU

 电脑显卡为NVIDIA GForce 1660，安装了CUDA11.8版本，但是教育网状态下死活安装不上pytorch的GPU版本，对比安装的paddle反而是轻松的安装上了GPU版本，只能感慨下办公室的网络环境太差，各种封闭。

import torch
import torch.nn as nn
import matplotlib.pyplot as plt
import torchvision

#设置硬件设备，如果有GPU则使用，没有则使用CPU
device=torch.device("cuda" if torch.cuda.is_available() else "cpu")
print(device)

运行结果：

因为没能安装上GPU版本，故显示的结果为  cpu 

2. 导入数据

Mnist数据集可以算是学习深度学习最常用到的了。这个数据集包含70000张手写数字图片，分别是60000张训练图片和10000张测试图片，训练集由来自250个不同人手写的数字构成，一般来自高中生，一半来自工作人员，测试集（test set）也是同样比例的手写数字数据，并且保证了测试集和训练集的作者不同。每个图片都是28*28个像素点,数据集会把一张图片的数据转成一个28*28=784的一维向量存储起来。
每张图是0-9的手写数字黑底白字的图片，存储时，黑色用0表示，白色用0-1的浮点数表示。

使用dataset下载MNIST数据集，并划分好训练集与测试集

使用dataloader加载数据，并设置好基本的batch_size

⭐ torchvision.datasets.MNIST详解

torchvision.datasets是Pytorch自带的一个数据库，我们可以通过代码在线下载数据，这里使用的是torchvision.datasets中的MNIST数据集。

函数原型：

torchvision.datasets.MNIST(root, train=True, transform=None, target_transform=None, download=False)

参数说明：

• root (string) ：数据地址
• train (string) ：True-训练集，False-测试集
• download (bool,optional) : 如果为True，从互联网上下载数据集，并把数据集放在root目录下。
• transform (callable, optional )：这里的参数选择一个你想要的数据转化函数，直接完成数据转化
• target_transform (callable,optional) ：接受目标并对其进行转换的函数/转换。

train_ds=torchvision.datasets.MNIST(root=r'D:\THE MNIST DATABASE',
                                    train=True,
                                    transform=torchvision.transforms.ToTensor(),#将数据类型转化为Tensor
                                    download=False)
test_ds=torchvision.datasets.MNIST(root=r'D:\THE MNIST DATABASE',
                                   train=False,
                                   transform=torchvision.transforms.ToTensor(),#将数据类型转化为Tensor
                                   download=False)

PS：同样是因为办公室网络环境问题，本段代码开始运行时由于我的train_ds 设置的download=True，故一直报错，原因是连接超时。最后无奈按照网上搜索，从别人百度网盘分享的链接里面下载了这四个训练包和测试包（每个包分为label和img），然后放在 E:\DATABASE\MNIST\raw 这个位置，但要注意，上述代码中的root地址必须写成 root=r'D:\DATABASE' ，而不能写成完整的地址，同时dowanload设置为False。如网速可行则root改为'data'，download设置为True即可。

⭐ torch.utils.data.DataLoader详解

torch.utils.data.DataLoader是Pytorch自带的一个数据加载器，结合了数据集和取样器，并且可以提供多个线程处理数据集。

#加载数据集
train_dl=torch.utils.data.DataLoader(train_ds,batch_size=32,shuffle=True)
test_dl=torch.utils.data.DataLoader(test_ds,batch_size=32,shuffle=True)
#取一个批次查看数据格式
#数据的shape为：[batch_size,channel,height,weight]
#其中batch_size为自己设定，channel，height和weight分别是图片的通道数，高度和宽度
imgs,labels=next(iter(train_dl))
print(imgs.shape)

运行结果：

1. train_dl 是一个 PyTorch 数据加载器（DataLoader），用于加载训练数据集。通常情况下，数据加载器会将数据集分成小批量（batches）进行处理。
2. iter(train_dl) 将数据加载器转换为一个迭代器（iterator），使得我们可以使用 Python 的 next() 函数来逐个访问数据加载器中的元素。
3. next() 函数用于获取迭代器中的下一个元素。在这里，它被用来获取 train_dl 中的下一个批量数据。
4. imgs, labels = ... 这行代码是 Python 的解构赋值语法。它将从 next() 函数返回的元素中提取出两个变量：imgs 和 labels。
5. imgs 变量将包含一个批量的图像数据，而 labels 变量将包含相应的标签数据。这些图像和标签是从训练数据集中提取的。

3. 数据可视化

squeeze()函数的功能是从矩阵shape中，去掉维度为1的。例如一个矩阵是的shape是（5, 1），使用过这个函数后，结果为（5, ）。

import numpy as np
#指定图像大小，图像大小为20宽5高的绘图（单位为inch）
plt.figure(figsize=(20,5))
for i,imgs in enumerate(imgs[:20]):
    #维度缩减
    npimg=np.squeeze(imgs.numpy())
    #将整个figure分成2行10列，绘制第i+1个子图
    plt.subplot(2,10,i+1)
    plt.imshow(npimg,cmap=plt.cm.binary)
    plt.axis('off')
plt.show()

运行结果：

二、构建简单的CNN网络

对于一般的CNN网络来说，都是由特征提取网络和分类网络构成，其中特征提取网络用于提取图片的特征，分类网络用于将图片进行分类。

• nn.Conv2d为卷积层，用于提取图片的特征，传入参数为输入channel，输出channel，池化核大小

• nn.MaxPool2d为池化层，进行下采样，用更高层的抽象表示图像特征，传入参数为池化核大小
• nn.ReLU为激活函数，使模型可以拟合非线性数据
• nn.Linear为全连接层，可以起到特征提取器的作用，最后一层的全连接层也可以认为是输出层，传入参数为输入特征数和输出特征数（输入特征数由特征提取网络计算得到，如果不会计算可以直接运行网络，报错中会提示输入特征数的大小，下方网络中第一个全连接层的输入特征数为1600）
• nn.Sequential可以按构造顺序连接网络，在初始化阶段就设定好网络结构，不需要在前向传播中重新写一遍

网络结构图（可单击放大查看）：

import torch.nn.functional as F
num_classes=10 #图片的类别数
class Model(nn.Module):
    def __init__(self):
        super().__init__()
        #特征提取网络
        self.conv1=nn.Conv2d(1,32,kernel_size=3)#第一层卷积，卷积核大小为3*3
        self.pool1=nn.MaxPool2d(2)                                    #设置池化层，池化核大小为2*2
        self.conv2=nn.Conv2d(32,64,kernel_size=3)#第二层卷积，卷积核大小为3*3
        self.pool2=nn.MaxPool2d(2)
        #分类网络
        self.fc1=nn.Linear(1600,64)
        self.fc2=nn.Linear(64,num_classes)
    #向前传播
    def forward(self,x):
        x=self.pool1(F.relu(self.conv1(x)))
        x=self.pool2(F.relu(self.conv2(x)))
        x=torch.flatten(x,start_dim=1)
        x=F.relu(self.fc1(x))
        x=self.fc2(x)
        return x

加载并打印模型

from torchinfo import summary
model=Model().to(device)
summary(model,show_input=True,show_output=True)

运行结果：

三、 训练模型

1. 设置超参数

loss_fn=nn.CrossEntropyLoss() #创建损失函数
learn_rate=1e-2 #学习率
opt=torch.optim.SGD(model.parameters(),lr=learn_rate)

PS：此处优化器我曾试过用Adam，但效果与梯度下降SGD比较后明显不如SGD，可以多多实验下其他优化器，对比哪个效果更好些。

2. 编写训练函数

1. optimizer.zero_grad()

函数会遍历模型的所有参数，通过内置方法截断反向传播的梯度流，再将每个参数的梯度值设为0，即上一次的梯度记录被清空。

2. loss.backward()

PyTorch的反向传播(即tensor.backward())是通过autograd包来实现的，autograd包会根据tensor进行过的数学运算来自动计算其对应的梯度。

具体来说，torch.tensor是autograd包的基础类，如果你设置tensor的requires_grads为True，就会开始跟踪这个tensor上面的所有运算，如果你做完运算后使用tensor.backward()，所有的梯度就会自动运算，tensor的梯度将会累加到它的.grad属性里面去。

更具体地说，损失函数loss是由模型的所有权重w经过一系列运算得到的，若某个w的requires_grads为True，则w的所有上层参数（后面层的权重w）的.grad_fn属性中就保存了对应的运算，然后在使用loss.backward()后，会一层层的反向传播计算每个w的梯度值，并保存到该w的.grad属性中。

如果没有进行tensor.backward()的话，梯度值将会是None，因此loss.backward()要写在optimizer.step()之前。

3. optimizer.step()

step()函数的作用是执行一次优化步骤，通过梯度下降法来更新参数的值。因为梯度下降是基于梯度的，所以在执行optimizer.step()函数前应先执行loss.backward()函数来计算梯度。

注意：optimizer只负责通过梯度下降进行优化，而不负责产生梯度，梯度是tensor.backward()方法产生的。

def train(dataloader,model,loss_fn,optimizer):
    size=len(dataloader.dataset)  #训练集的大小，一共60000张图片
    num_batches=len(dataloader)   #批次树木，1875（60000/32）
    train_loss,train_acc=0,0      #初始化训练损失和正确率
    for X,y in dataloader:   #获取图片及其标签
        X,y=X.to(device),y.to(device)
        #计算预测误差
        pred=model(X)   #网络输出
        loss=loss_fn(pred,y)   #计算网络输出和真实值之间的差距，targets为真实值，计算二者差值即为损失
        #反向传播
        optimizer.zero_grad()   #grad属性归零
        loss.backward()       #反向传播
        optimizer.step()      #每一步自动更新
        #记录acc与loss
        train_acc+=(pred.argmax(1)==y).type(torch.float).sum().item()
        train_loss+=loss.item()
    train_acc/=size
    train_loss/=num_batches
    return train_acc,train_loss

• pred.argmax(1) 返回数组 pred 在第一个轴（即行）上最大值所在的索引。这通常用于多类分类问题中，其中 pred 是一个包含预测概率的二维数组，每行表示一个样本的预测概率分布。

• (pred.argmax(1) == y)是一个布尔值，其中等号是否成立代表对应样本的预测是否正确（True 表示正确，False 表示错误）。

• .type(torch.float)是将布尔数组的数据类型转换为浮点数类型，即将 True 转换为 1.0，将 False 转换为 0.0。

• .sum()是对数组中的元素求和，计算出预测正确的样本数量。

• .item()将求和结果转换为标量值，以便在 Python 中使用或打印。

(pred.argmax(1) == y).type(torch.float).sum().item()表示计算预测正确的样本数量，并将其作为一个标量值返回。这通常用于评估分类模型的准确率或计算分类问题的正确预测数量。

3. 编写测试函数

测试函数和训练函数大致相同，但是由于不进行梯度下降对网络权重进行更新，所以不需要传入优化器

def test(dataloader,model,loss_fn):
    size=len(dataloader.dataset)   #测试集的大小，一共10000张图片
    num_batches=len(dataloader)    #批次数目，313(10000/32=312.5，向上取整)
    test_loss,test_acc=0,0
    #当不进行训练时，停止梯度更新，节省计算内存消耗
    with torch.no_grad():
        for imgs,target in dataloader:
            imgs,target=imgs.to(device),target.to(device)
            #计算loss
            target_pred=model(imgs)
            loss=loss_fn(target_pred,target)
            test_loss+=loss.item()
            test_acc+=(target_pred.argmax(1)==target).type(torch.float).sum().item()
    test_acc/=size
    test_loss/=num_batches
    return test_acc,test_loss

4. 正式训练

1. model.train()

model.train()的作用是启用 Batch Normalization 和 Dropout。

如果模型中有BN层(Batch Normalization）和Dropout，需要在训练时添加model.train()。model.train()是保证BN层能够用到每一批数据的均值和方差。对于Dropout，model.train()是随机取一部分网络连接来训练更新参数。

2. model.eval()

model.eval()的作用是不启用 Batch Normalization 和 Dropout。

如果模型中有BN层(Batch Normalization）和Dropout，在测试时添加model.eval()。model.eval()是保证BN层能够用全部训练数据的均值和方差，即测试过程中要保证BN层的均值和方差不变。对于Dropout，model.eval()是利用到了所有网络连接，即不进行随机舍弃神经元。

训练完train样本后，生成的模型model要用来测试样本。在model(test)之前，需要加上model.eval()，否则的话，有输入数据，即使不训练，它也会改变权值。这是model中含有BN层和Dropout所带来的的性质。

epochs=5
train_loss=[]
train_acc=[]
test_loss=[]
test_acc=[]
for epoch in range(epochs):
    model.train()
    epoch_train_acc,epoch_train_loss=train(train_dl,model,loss_fn,opt)

    model.eval()
    epoch_test_acc,epoch_test_loss=test(test_dl,model,loss_fn)

    train_acc.append(epoch_train_acc)
    train_loss.append(epoch_train_loss)
    test_acc.append(epoch_test_acc)
    test_loss.append(epoch_test_loss)

    template=('Epoch:{:2d},Train_acc:{:.1f}%,Train_loss:{:.3f},Test_acc:{:.1f}%,Test_loss:{:3f}')
         print(template.format(epoch+1,epoch_train_acc*100,epoch_train_loss,epoch_test_acc*100,epoch_test_loss))
print('Done')

运行结果：

四、 结果可视化

import matplotlib.pyplot as plt
#隐藏警告
import warnings
warnings.filterwarnings("ignore")   #忽略警告信息
plt.rcParams['font.sans-serif']=['SimHei']   #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False    #用来正常显示负号
plt.rcParams['figure.dpi']=100   #分辨率

epochs_range=range(epochs)

plt.figure(figsize=(12,3))
plt.subplot(1,2,1)

plt.plot(epochs_range,train_acc,label='Training Accuracy')
plt.plot(epochs_range,test_acc,label='Test Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')

plt.subplot(1,2,2)
plt.plot(epochs_range,train_loss,label='Training Loss')
plt.plot(epochs_range,test_loss,label='Test Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()

运行结果：

同时，对比下优化器改为Adam后的效果图：

可以明显看出，无论是准确性还是损失，都不如SGD的效果好。

五、个人收获

手写数字识别是深度学习的一个很基础很典型的例子，通过此次学习，成功安装了pytorch环境，搭建了一个深度学习的程序，对深度学习的运行经过有了一个初步的认识。实验的过程中出现了各种这样那样的问题，但随着问题的一步步解决，自己在深度学习方面的能力也有所提升。