目录

一，Pytorch简介；

二，环境配置；

三，自定义数据集；

四，模型训练；

五，模型验证；

---

一，Pytorch简介；

        PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。PyTorch 基于 Python： PyTorch 以 Python 为中心或“pythonic”，旨在深度集成 Python 代码，而不是作为其他语言编写的库的接口。Python 是数据科学家使用的最流行的语言之一，也是用于构建机器学习模型和 ML 研究的最流行的语言之一。由于其语法类似于 Python 等传统编程语言，PyTorch 比其他深度学习框架更容易学习。

二，环境配置；

       版本：

        系统：window10；

        Python：3.11.5；

        pytorch：2.0.1；

       Python安装：

        Python官网：python.org;

        下载3.11.5版本Python安装版进行安装；

        配置Python环境变量；

        在系统变量path中添加Python的bin路径和Script路径；

        查看Python是否安装成功；

        

        正常如上显示表示安装成功。

        同时查看Python对应的Pip版本；

        Pytorch安装：

        pytorch官网：PyTorch；

        

        进入Pytorch官网后点击左上角Get Started查看Pytorch对于的Python版本，GPU版本。默认安装的是CPU版本，本文使用Pip安装Pytorch方式，直接运行Run this Command会报错，安装了几次都不行，所以自己找对应的安装文件进行安装更方便。

        根据Pytorch官网介绍的对应版本找到我们需要的依赖文件。

        网址：download.pytorch.org/whl/torch_stable.html

        

        找到对应安装的版本，cu开头表示是GPU版本和版本号，torch后面对应的是Pytorch版本号，cp对应Python版本；点击下载安装文件；

        下载好以后打开文件所在位置，进入window命令界面，执行命令；

pip install torch-2.0.1+cu117-cp311-cp311-win_amd64.whl

        英伟达GPU安装：

        选择对应的GPU版本安装，安装完成后验证下是否安装成功，正常显示版本表示安装成功。

三，自定义数据集；

        从网上下载数据集，按照文件夹分类，首先将数据集制作成包含图片路径，和对应索引的csv文件。

import torch
import os, glob
import random, csv# 所有自定义数据集的一个母类
from torch.utils.data import Dataset, DataLoader
# 常用的图片变换器
from torchvision import transforms
# 从图片读取出数据
from PIL import Image# 自定义数据集的类,继承自Dataset
class Pokemon(Dataset):# 一、初始化函数init# 第一个参数root：总的图片所在的位置，可以是任意的位置，我们的图片可以放在任意的位置，我们这里就存储在当前目录文件夹下。# 第二个参数resize：图片输出的size，是由这个参数所进行设定。# 第三个参数mode：这里我们需要做train、validation以及test，对应这三种数据结构，因此我们用一个list[0,1,2]来代表是哪个模式。def __init__(self, root, resize, mode):# 先调用母类的初始化函数：super(Pokemon, self).__init__()# 1、首先我们将这个参数保存下来self.root = rootself.resize = resize# 2、给每一个分类做一个映射，即当前的皮卡丘、妙蛙种子等这个string类型所对应的label是多少，这个是需要我们人为进行编码的。self.name2label = {}  # 用字典来表示映射关系# 通过循环方式，将root路径下的文件夹名进行编码for name in sorted(os.listdir(os.path.join(root))):# 过滤掉非文件夹：如果不是dir,就过滤掉，此外我们还通过sorted排序的方法，将键值对关系固定下来if not os.path.isdir(os.path.join(root, name)):continue# 文件名做key,当前name2label的长度做valueself.name2label[name] = len(self.name2label.keys())print(self.name2label)# image, labelself.load_csv('images.csv')# 二、创建一个csv,用于保存图片全路径和对应的标签label# 这个函数接受一个参数filename# 这个函数中需要将所有图片都load进来def load_csv(self, filename):images = []for name in self.name2label.keys():# 类别信息我们可以使用路径来判断# 上面路径的mewtwo就是类别images += glob.glob(os.path.join(self.root, name, '*.png'))images += glob.glob(os.path.join(self.root, name, '*.jpg'))images += glob.glob(os.path.join(self.root, name, '*.jpeg'))print(len(images), images)# 将images顺序打乱random.shuffle(images)# 打开这个文件with open(os.path.join(self.root, filename), mode='w', newline='') as f:# 新建writer，获得csv这个文件对象writer = csv.writer(f)for img in images:  # 获得每行信息# 通过分割符，将每行信息的内容分割开,取导数第二个，类型name = img.split(os.sep)[-2]# 通过获取的类型名来获取labellabel = self.name2label[name]# 将这个label信息写到csv中# csv是以逗号作为分割的writer.writerow([img, label])print('writen into csv file:', filename)# 三、完成两个自定义的逻辑# 1、样本的总体数量（图片总体数量），返回的是一个数字，总体图片大概有1168张，60%用于training，因此返回6-7百张图片def __len__(self):pass# 2、用于返回当前index上面元素的值,这里是返回两个数据：# 需要返回当前image的data,以及image所对应的label[0,1,2,3,4]def __getitem__(self, idx):pass# 创建一个调试函数：
def main():db = Pokemon('F:\\train', 224, 'train')if __name__ == '__main__':main()

        将图片路径改成自己数据的文件夹路径，运行代码在对应路径下生成.csv格式文件

        类别索引根据文件夹种类顺序生成，要和csv文件中索引对应。数据集制作完成后就可以开始训练了。

        首先定义加载数据集类；

import torch
import os, glob
import random, csv# 所有自定义数据集的一个母类
from torch.utils.data import Dataset, DataLoader# 常用的图片变换器
from torchvision import transforms
# 从图片读取出数据
from PIL import Image# 自定义数据集的类,继承自Dataset
class Pokemon(Dataset):# 一、初始化函数init# 第一个参数root：总的图片所在的位置，可以是任意的位置，我们的图片可以放在任意的位置，我们这里就存储在当前目录文件夹下。# 第二个参数resize：图片输出的size，是由这个参数所进行设定。# 第三个参数mode：这里我们需要做train、validation以及test，对应这三种数据结构，因此我们用一个list[0,1,2]来代表是哪个模式。def __init__(self, root, resize, mode):# 先调用母类的初始化函数：super(Pokemon, self).__init__()# 1、首先我们将这个参数保存下来self.root = rootself.resize = resize# 2、给每一个分类做一个映射，这个string类型所对应的label是多少，这个是需要我们人为进行编码的。self.name2label = {}  # 用字典来表示映射关系# 通过循环方式，将root路径下的文件夹名进行编码for name in sorted(os.listdir(os.path.join(root))):# 过滤掉非文件夹：如果不是dir,就过滤掉，此外我们还通过sorted排序的方法，将键值对关系固定下来if not os.path.isdir(os.path.join(root, name)):continue# 文件名做key,当前name2label的长度做valueself.name2label[name] = len(self.name2label.keys())# print(self.name2label)# 将self.load_csv的返回值images, labels赋予self.images, self.labelsself.images, self.labels = self.load_csv('images.csv')# 四、不同比例模式下对图片数量进行划分if mode == 'train':  # 取60%做training# len(self.images)的长度是1167，取60%做为train模式的图片self.images = self.images[:int(0.6 * len(self.images))]self.labels = self.labels[:int(0.6 * len(self.labels))]elif mode == 'val':  # 取20%做validation, 60%-80%self.images = self.images[int(0.6 * len(self.images)):int(0.8 * len(self.images))]self.labels = self.labels[int(0.6 * len(self.labels)):int(0.8 * len(self.labels))]else:  # mode为test,取80%到最末尾self.images = self.images[int(0.8 * len(self.images)):]self.labels = self.labels[int(0.8 * len(self.labels)):]# 二、创建一个csv,用于保存图片全路径和对应的标签label# 这个函数接受一个参数filename# 这个函数中需要将所有图片都load进来def load_csv(self, filename):# 需要一个判断，如果文件不存在，就需要创建csv,直接读取创建好的csv文件内容即可：# 如果不存在，就需要创建csvif not os.path.exists(os.path.join(self.root, filename)):images = []for name in self.name2label.keys():# 类别信息我们可以使用路径来判断# 上面路径的mewtwo就是类别images += glob.glob(os.path.join(self.root, name, '*.png'))images += glob.glob(os.path.join(self.root, name, '*.jpg'))images += glob.glob(os.path.join(self.root, name, '*.jpeg'))print(len(images), images)# 将images顺序打乱random.shuffle(images)# 打开这个文件with open(os.path.join(self.root, filename), mode='w', newline='') as f:# 新建writer，写入csv这个文件对象writer = csv.writer(f)for img in images:# 通过分割符，将每行信息的内容分割开,取导数第二个，类型name = img.split(os.sep)[-2]# 通过获取的类型名来获取labellabel = self.name2label[name]# 将这个label信息写到csv中# csv是以逗号作为分割的writer.writerow([img, label])print('writen into csv file:', filename)# 三、读取csv文件过程：# 这里需要在开头有一个判断，如果csv存在，就不用写入csv了，直接进行读取# 下次运行的时候只需加载进来即可images, labels = [], []with open(os.path.join(self.root, filename)) as f:# 新建reader，读取csv这个文件对象reader = csv.reader(f)for row in reader:img, label = rowlabel = int(label)  # 将这个label转码为int类型# 将img每个图片路径，以及label保存在建立好的列表对象中。images.append(img)labels.append(label)assert len(images) == len(labels)return images, labels# 完成两个自定义的逻辑：# 1、样本的总体数量（图片总体数量），返回的是一个数字，总体图片大概有1168张，60%用于training，因此返回6-7百张图片# 五、完成总体样本数量函数的内容def __len__(self):# 这里的样本长度是跟模型类别来决定的，上面已经根据不同模型类型划分了样本数量了。# 不同模式下，样本长度是不同的。# 因此这里的总体样本长度，就是不同模式下的样本数量。return len(self.images)# 九、解决normalize处理后，visdom无法正常显示的问题# 这里传入的参数x是normalize过后的def denormalize(self, x_hat):mean = [0.485, 0.456, 0.406]std = [0.229, 0.224, 0.225]mean = torch.tensor(mean).unsqueeze(1).unsqueeze(1)std = torch.tensor(std).unsqueeze(1).unsqueeze(1)print('mean.shape,std.shape:', mean.shape, std.shape)x = x_hat * std + meanreturn x# 2、用于返回当前index上面元素的值,这里是返回两个数据：# 需要返回当前image的data,以及image所对应的label[0,1,2,3,4]# 六、完成index与样本的一一对应def __getitem__(self, idx):# idx数值范围是[0-len(images)]# self.images保存了所有的数据；self.labels保存了所有数据对应的label信息；# img是一个string类型（还不是具体的图片，只是路径）# label是一个整数类型img, label = self.images[idx], self.labels[idx]# 这里就需要将img所对应的路径读取出图片，并转为tensor类型# 这里我们可以Compose组合操作步骤# 八、增加数据预处理的工作，在Compose中增加这些内容，data augmentation数据增强# 这里我们做放大、旋转、裁切这三个数据增强的操作tf = transforms.Compose([# 这里需要将路径变成具体的图片数据类型# 即：string path => image datalambda x: Image.open(x).convert('RGB'),# Resize工作,这里的size是我们实例化时的self.resize的值# 1、data augmentation放大:在Resize设置的基础上，稍微调大一些size, 调整为1.25倍transforms.Resize((int(self.resize * 1.25), int(self.resize * 1.25))),# 2、data augmentation旋转:增加随机旋转,注意：这里旋转角度不能太大，会增加学习的难度。transforms.RandomRotation(15),# 3、data augmentation中心裁切:裁切为我们所需要的大小transforms.CenterCrop(self.resize),# 将数据变为tensor类型transforms.ToTensor(),# 4、normalize处理,希望图片数值范围在0左右分布，而不希望数值只分布在0的右侧或只在左侧# 其中参数统计的所有image net数据集几百万张图片的mean=[R的mean,G的mean,B的mean]和std=[R的方差,G的方差,B的方差]# 基本上这个数值是通用的# 数据通过Normalize处理后，就是在-1到1之间分布了。transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])])img = tf(img)label = torch.tensor(label)return img, label# 创建一个调试函数：
def main():# 七、验证自定义数据集# 验证需要一些辅助函数，用visdom做一些可视化。import visdomimport timeimport torchvision  # 通过API较为简便的加载自定义数据集，需要引入torchvision# 创建一个visdom这个对象viz = visdom.Visdom()# 十一、通过API较为简便的加载自定义数据集（前提是数据集按照不同类型存储在对应类型命名的文件夹下面,并且这些不同类别的文件夹都存储在统一的一个文件夹下，只有这种固定的二级目录存储形式才能用这个API进行加载。）tf = transforms.Compose([transforms.Resize((224, 224)),transforms.ToTensor()])# 参数1：传入路径# 参数2：变换器,这个变换器就是进行resize操作db = torchvision.datasets.ImageFolder(root='F:\\train', transform=tf)loader = DataLoader(db, batch_size=32, shuffle=True)print(db.class_to_idx)  # 通过这个就能知道不同类别是如何编码的了。if __name__ == '__main__':main()

        将上面代码修改即可；

四，模型训练；

        这里我们需要用到可视化工具来查看我们训练效果。

        安装visdom：

pip install visdom

        在pycharm命令界面启动visdom：

python -m visdom.server  

        正常启动在浏览器输入localhost:8097打开可视化界面；

        准备工作完成，编写模型训练代码，这么我们直接使用Pytorch自带的神经网络resnet18模型；

import torch
from torch import optim, nn
import visdom
import torchvision
from torch.utils.data import DataLoaderfrom pokemon import Pokemonfrom torchvision.models import resnet18  # 这个resnet18是已经training好的状态from utils import Flatten  # 用于打平,这个是自己来实现的打平层batchsz = 32
lr = 1e-3
epochs = 40device = torch.device('cuda')
torch.manual_seed(1234)  # 这个是随机数种子，保证每次都能复现出来。# 这里是需要实例化Pokemon类
# 这里之所以使用224，是因为是ResNet最适合的大小。
train_db = Pokemon('F:\\train', 224, 'train')
val_db = Pokemon('F:\\train', 224, 'val')
test_db = Pokemon('F:\\train', 224, 'test')# 批量加载数据
# 参数num_workers表示工作线程数：
train_loader = DataLoader(train_db, batch_size=batchsz, shuffle=True, num_workers=4)val_loader = DataLoader(val_db, batch_size=batchsz, num_workers=2)test_loader = DataLoader(test_db, batch_size=batchsz, num_workers=2)# 需要把train的进度保存下来，需要用到visdom
viz = visdom.Visdom()# 建立一个测试函数：测试函数针对validation和test功能是一样的
def evalute(model, loader):# 用于统计总的预测正确的数量correct = 0# 总的测试数量total = len(loader.dataset)for x, y in loader:x, y = x.to(device), y.to(device)with torch.no_grad():  # test和validation是不需要梯度信息的logits = model(x)pred = logits.argmax(dim=1)  # 最大的值所在的位置# 总的预测正确的数量，累加操作correct += torch.eq(pred, y).sum().float().item()accuracy = correct / totalreturn accuracydef main():# 实例化模型# 使用已经训练好的resnet18模型,一定要设置这个参数pretrained=Truetrained_model = resnet18(pretrained=True)# 我们要使用训练好的resnet18模型的A部分,即取出前17层：# Sequential结束的是一个打散的数据，所有我们在list前加一个*，*args：接收若干个位置参数，转换成元组tuple形式。model = nn.Sequential(*list(trained_model.children())[:-1]  # model的前17层（即A部分）返回的结果是：[b,512,1,1], Flatten()  # 打平操作从[b,512,1,1]=>[b,512], nn.Linear(512, 14)  # 这层是最后那层，用于从新学习分成14类。(第二个参数为自定义数据集实际训练种类数量，根据自己数据集的种类数据传递实际值)).to(device)# 我们从已经训练好的resnet18开始训练效果会好很多# # 这里我们测试一下# x = torch.randn(2,3,224,224)# print(model(x).shape)#打印结果为：torch.Size([2, 5])# #这样就实现了transfer learning# ======================================================# 创建一个优化器Adam，这个优化器比较好optimizer = optim.Adam(model.parameters(), lr=lr)# Loss的计算方法：CrossEntropyLoss;# 这个Loss所接受的参数是logits，logits是不需要经过一个softmax的，只需要得到logits即可。criteon = nn.CrossEntropyLoss()# 用于保存模型的训练状态best_acc, best_epoch = 0, 0# step每次都是从0开始的，因此这里我们创建一个全局stepglobal_step = 0# 用visdom工具保存下accuracy和loss# training和loss的曲线# x=0,y=-1是初始状态viz.line([0], [-1], win='loss', opts=dict(title='loss(损失值)'))# training和validation accuracy的曲线viz.line([0], [-1], win='val_acc', opts=dict(title='val_acc(准确率)'))# training逻辑for epoch in range(epochs):for step, (x, y) in enumerate(train_loader):# x:[b,3,224,224]; y:[b]x, y = x.to(device), y.to(device)  # x和y都转移到cuda上面# 执行forward函数logits = model(x)  # 学出的预测结果# 在pytorch中crossEntropyLoss中，传入的真实值y不需要进行one-hot操作，不需要做one-hot编码，会在内部做one-hot。# 所以我们直接传入y就可以了。loss = criteon(logits, y)  # 预测结果与真实值进行交叉熵计算# 前向传播和迭代过程# 优化器optimizer.zero_grad()loss.backward()optimizer.step()# 用visdom工具保存下accuracy和loss# 每一个step我都要记录下来# validation和loss的曲线# x=loss.item()loss是一个tensor，因此需要通过item转为具体数值,y=-1是初始状态# 参数update为append，表示添加到曲线的末尾。viz.line([loss.item()], [global_step], win='loss', update='append')global_step += 1# 这里我们每完成两个epoch就做一组validationif epoch % 1 == 0:# 我们根据validation accuracy来选择要不要保存这个模型的训练状态。val_acc = evalute(model, val_loader)# 如果当前accuracy大于best_acc,就保存当前的状态：if val_acc > best_acc:best_epoch = epochbest_acc = val_acc# 保存当前模型的状态：# 参数一：模型状态值# 参数二：模型状态保存的文件名，文件名后缀随意torch.save(model, 'best-pro.pth')# validation和 accuracy的曲线# 这里val_acc是数值型，所以不需要转换。viz.line([val_acc], [global_step], win='val_acc', update='append')print('best acc:', best_acc, 'best epoch:', best_epoch)# 从最好的状态加载模型：# model.load_state_dict(torch.load('best-pro.ptl'))# print('loaded from check point!')## # 上面加载了最好的模型状态，这里使用的模型也是最好的状态时的模型# test_acc = evalute(model, test_loader)# print('test_acc:', test_acc)if __name__ == '__main__':main()

这里我们用到了一个util：

from matplotlib import pyplot as plt
import torch
from torch import nn# 该函数是一个标准的打平层
class Flatten(nn.Module):# 该文件utils包含一些辅助函数。def __init__(self):super(Flatten, self).__init__()def forward(self, x):shape = torch.prod(torch.tensor(x.shape[1:])).item()return x.view(-1, shape)# 该函数是将img打印到matplotlib上
def plot_image(img, label, name):fig = plt.figure()for i in range(6):plt.subplot(2, 3, i + 1)plt.tight_layout()plt.imshow(img[i][0] * 0.3081 + 0.1307, cmap='gray', interpolation='none')plt.title("{}: {}".format(name, label[i].item()))plt.xticks([])plt.yticks([])plt.show()

运行函数打开可视化界面，查看训练情况；

        刚开始训练的情况，使用数据量大概1.6w张最终结果大概是准确率96%。已经非常好了。

五，模型验证；

import numpy as np
import torch
import torch.nn.functional as F
import torchvision.transforms as transforms
from PIL import Imagedevice = torch.device('cuda')def main():labels = ['兔子', '吊兰', '文竹', '月季', '枸骨', '狗', '狮子', '猫', '绿萝', '老虎', '菊花', '蛇', '迎春花', '龟背竹']image_path = "C:/Users/LENOVO/Desktop/dog.png"image = Image.open(image_path)image = image.resize((256, 256), Image.BILINEAR).convert("RGB")image = np.array(image)to_tensor = transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225))])image = to_tensor(image)image = torch.unsqueeze(image, 0)image = image.cuda()model = torch.load("刚才训练好的模型")model.eval()model.to(device)output = model(image)output1 = F.softmax(output, dim=1)predicted = torch.max(output1, dim=1)[1].cpu().item()outputs2 = output1.squeeze(0)confidence = outputs2[predicted].item()confidence = round(confidence, 3)print("识别结果: ", labels[predicted], " 准确率为: ", confidence * 100, "%")if __name__ == '__main__':main()

        测试图片：

        labels为我们训练的类别数组，和cvs的索引对应。

多次测试结果全对，准确率不低于95%。