目錄

簡要介紹PyTorch、張量和NumPy

為什么選擇卷積神經網絡(CNNs)?

識別服裝問題

使用PyTorch實現CNNs

1.簡要介紹PyTorch、張量和NumPy

讓我們快速回顧一下第一篇文章中涉及的內容。我們討論了PyTorch和張量的基礎知識，還討論了PyTorch與NumPy的相似之處。

PyTorch是一個基于python的庫，提供了以下功能:

用于創建可序列化和可優化模型的TorchScript

以分布式訓練進行并行化計算

動態計算圖，等等

PyTorch中的張量類似于NumPy的n維數組，也可以與gpu一起使用。在這些張量上執行操作幾乎與在NumPy數組上執行操作類似。這使得PyTorch非常易于使用和學習。

在本系列的第1部分中，我們構建了一個簡單的神經網絡來解決一個案例研究。使用我們的簡單模型，我們在測試集中獲得了大約65%的基準準確度。現在，我們將嘗試使用卷積神經網絡來提高這個準確度。

2.為什么選擇卷積神經網絡(CNNs)?

在我們進入實現部分之前，讓我們快速地看看為什么我們首先需要CNNs，以及它們是如何工作的。

我們可以將卷積神經網絡(CNNs)看作是幫助從圖像中提取特征的特征提取器。

在一個簡單的神經網絡中，我們把一個三維圖像轉換成一維圖像，對吧?讓我們看一個例子來理解這一點:

你能認出上面的圖像嗎?這似乎說不通。現在，讓我們看看下面的圖片:

我們現在可以很容易地說，這是一只狗。如果我告訴你這兩個圖像是一樣的呢?相信我，他們是一樣的!唯一的區別是第一個圖像是一維的，而第二個圖像是相同圖像的二維表示

空間定位

人工神經網絡也會丟失圖像的空間方向。讓我們再舉個例子來理解一下:

你能分辨出這兩幅圖像的區別嗎?至少我不能。由于這是一個一維的表示，因此很難確定它們之間的區別。現在，讓我們看看這些圖像的二維表示:

在這里，圖像某些定位已經改變，但我們無法通過查看一維表示來識別它。

這就是人工神經網絡的問題——它們失去了空間定位。

大量參數

神經網絡的另一個問題是參數太多。假設我們的圖像大小是28283 -所以這里的參數是2352。如果我們有一個大小為2242243的圖像呢?這里的參數數量為150,528。

這些參數只會隨著隱藏層的增加而增加。因此，使用人工神經網絡的兩個主要缺點是:

丟失圖像的空間方向

參數的數量急劇增加

那么我們如何處理這個問題呢?如何在保持空間方向的同時減少可學習參數?

這就是卷積神經網絡真正有用的地方。CNNs有助于從圖像中提取特征，這可能有助于對圖像中的目標進行分類。它首先從圖像中提取低維特征(如邊緣)，然后提取一些高維特征(如形狀)。

我們使用濾波器從圖像中提取特征，并使用池技術來減少可學習參數的數量。

在本文中，我們不會深入討論這些主題的細節。如果你希望了解濾波器如何幫助提取特征和池的工作方式，我強烈建議你從頭開始學習卷積神經網絡的全面教程。

3.問題:識別服裝

理論部分已經鋪墊完了，開始寫代碼吧。我們將討論與第一篇文章相同的問題陳述。這是因為我們可以直接將我們的CNN模型的性能與我們在那里建立的簡單神經網絡進行比較。

你可以從這里下載“識別”Apparels問題的數據集。

https://datahack.analyticsvidhya.com/contest/practice-problem-identify-the-apparels/?utmsource=blog&utmmedium=building-image-classification-models-cnn-pytorch

讓我快速總結一下問題陳述。我們的任務是通過觀察各種服裝形象來識別服裝的類型。我們總共有10個類可以對服裝的圖像進行分類:

數據集共包含70,000張圖像。其中60000張屬于訓練集，其余10000張屬于測試集。所有的圖像都是大小(28*28)的灰度圖像。數據集包含兩個文件夾，一個用于訓練集，另一個用于測試集。每個文件夾中都有一個.csv文件，該文件具有圖像的id和相應的標簽;

準備好開始了嗎?我們將首先導入所需的庫:

加載數據集

現在，讓我們加載數據集，包括訓練，測試樣本:

該訓練文件包含每個圖像的id及其對應的標簽

另一方面，測試文件只有id，我們必須預測它們對應的標簽

樣例提交文件將告訴我們預測的格式

我們將一個接一個地讀取所有圖像，并將它們堆疊成一個數組。我們還將圖像的像素值除以255，使圖像的像素值在[0,1]范圍內。這一步有助于優化模型的性能。

讓我們來加載圖像:

如你所見，我們在訓練集中有60,000張大小(28,28)的圖像。由于圖像是灰度格式的，我們只有一個單一通道，因此形狀為(28,28)。

現在讓我們研究數據和可視化一些圖像:

以下是來自數據集的一些示例。我鼓勵你去探索更多，想象其他的圖像。接下來，我們將把圖像分成訓練集和驗證集。

創建驗證集并對圖像進行預處理

我們在驗證集中保留了10%的數據，在訓練集中保留了10%的數據。接下來將圖片和目標轉換成torch格式:

同樣，我們將轉換驗證圖像:

我們的數據現在已經準備好了。最后，是時候創建我們的CNN模型了!

4.使用PyTorch實現CNNs

我們將使用一個非常簡單的CNN架構，只有兩個卷積層來提取圖像的特征。然后，我們將使用一個完全連接的Dense層將這些特征分類到各自的類別中。

讓我們定義一下架構:

現在我們調用這個模型，定義優化器和模型的損失函數:

這是模型的架構。我們有兩個卷積層和一個線性層。接下來，我們將定義一個函數來訓練模型:

最后，我們將對模型進行25個epoch的訓練，并存儲訓練和驗證損失:

可以看出，隨著epoch的增加，驗證損失逐漸減小。讓我們通過繪圖來可視化訓練和驗證的損失:

啊，我喜歡想象的力量。我們可以清楚地看到，訓練和驗證損失是同步的。這是一個好跡象，因為模型在驗證集上進行了很好的泛化。

讓我們在訓練和驗證集上檢查模型的準確性:

訓練集的準確率約為72%，相當不錯。讓我們檢查驗證集的準確性:

正如我們看到的損失，準確度也是同步的-我們在驗證集得到了72%的準確度。

為測試集生成預測

最后是時候為測試集生成預測了。我們將加載測試集中的所有圖像，執行與訓練集相同的預處理步驟，最后生成預測。

所以，讓我們開始加載測試圖像:

現在，我們將對這些圖像進行預處理步驟，類似于我們之前對訓練圖像所做的:

最后，我們將生成對測試集的預測:

用預測替換樣本提交文件中的標簽，最后保存文件并提交到排行榜:

你將在當前目錄中看到一個名為submission.csv的文件。你只需要把它上傳到問題頁面的解決方案檢查器上，它就會生成分數。鏈接:https://datahack.analyticsvidhya.com/contest/practice-problem-identify-the-apparels/?utmsource=blog&utmmedium=building-image-classification-models-cnn-pytorch

我們的CNN模型在測試集上給出了大約71%的準確率，這與我們在上一篇文章中使用簡單的神經網絡得到的65%的準確率相比是一個很大的進步。

5.結尾

在這篇文章中，我們研究了CNNs是如何從圖像中提取特征的。他們幫助我們將之前的神經網絡模型的準確率從65%提高到71%，這是一個重大的進步。

你可以嘗試使用CNN模型的超參數，并嘗試進一步提高準確性。要調優的超參數可以是卷積層的數量、每個卷積層的濾波器數量、epoch的數量、全連接層的數量、每個全連接層的隱藏單元的數量等。