您的位置:首页 > 其它

PyTorch快速入门教程六(使用LSTM做图片分类)

2017-07-02 00:00 726 查看
摘要: 上一节我们了解了最基本的RNN,LSTM以及在pytorch里面如何使用LSTM,而之前我们知道了如何通过CNN做MNIST数据集的图片分类,本节我们将使用LSTM做图片分类。

对于LSTM,我们要处理的数据是一个序列数据,对于图片而言,我们如何将其转换成序列数据呢?图片的大小是28x28,所以我们可以将其看成长度为28的序列,序列中的每个数据的维度是28,这样我们就可以将其变成一个序列数据了。

model

class Rnn(nn.Module):
def __init__(self, in_dim, hidden_dim, n_layer, n_class):
super(Rnn, self).__init__()
self.n_layer = n_layer
self.hidden_dim = hidden_dim
self.lstm = nn.LSTM(in_dim, hidden_dim, n_layer,
batch_first=True)
self.classifier = nn.Linear(hidden_dim, n_class)

def forward(self, x):
# h0 = Variable(torch.zeros(self.n_layer, x.size(1),
#   self.hidden_dim)).cuda()
# c0 = Variable(torch.zeros(self.n_layer, x.size(1),
#   self.hidden_dim)).cuda()
out, _ = self.lstm(x)
out = out[:, -1, :]
out = self.classifier(out)
return out

model = Rnn(28, 128, 2, 10)  # 图片大小是28x28
use_gpu = torch.cuda.is_available()  # 判断是否有GPU加速
if use_gpu:
model = model.cuda()
# 定义loss和optimizer
criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.parameters(), lr=learning_rate)

这里我们定义了一个
LSTM
模型,我们需要传入的参数是输入数据的维数28,
LSTM
输出的维数128,
LSTM
网络层数2层以及输出的类数10。

在网络定义里面首先需要定义
LSTM
,而长度为28的序列传入LSTM之后输出的也是长度为28,而输入的维数是28,输出的维数由我们定义为128,最后我们只取输出的最后一个部分传入分类器求出分类概率。

out = out[:, -1, :]
通过这种方式,
out
中的三个维度分别表示
batch_size
,序列长度和数据维度,所以中间的序列长度取-1,表示取序列中的最后一个数据,这个数据维度为128,再通过分类器,输出10个结果表示每种结果的概率。

另外上面注释掉的部分就是初始的h_0和c_0,这里可以自己定义,如果不定义,默认传入0,也可以根据自己的要求传入自己定义的h_0和c_0。

开始训练

把训练过程的
batch_size
设置为100,
learning_rate
设置为0.01,训练20次,最后得到的结果如下



可以发现对于简单的图像分类
RNN
也能得到一个较好的结果,虽然
CNN
更多的用在图像领域而
RNN
更多的用在自然语言处理中。
RNN
CNN
彼此优缺点可以自行百度。

在这里,我整理发布了Pytorch中文文档,方便大家查询使用,同时也准备了中文论坛,欢迎大家学习交流!

Pytorch中文文档

Pytorch中文论坛

Pytorch中文文档已经发布,完美翻译,更加方便大家浏览:

Pytorch中文网:https://ptorch.com/

Pytorch中文文档:https://ptorch.com/docs/1/
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息