AI

PyTorch Tutorial その4 – Training Classifier

Blitzの最終回です。今回は、TRAINING A CLASSIFIERです。(以下翻訳です)

分類器の学習

さてこれまでのtutorialで、どのようにNeural Network (NN)が定義され、lossが計算され、重みが更新されるかを学んできました。いよいよnetworkの学習をしてみましょう。

Dataについて

一般に、画像、テキスト、音声や動画のdataを扱う場合、標準python packageを使って、dataをnumpy arrayにloadします。そしてこのarrayをtorch.*Tensorに変換します。

  • 画像に対しては、PillowやOpenCV packageが有用です
  • 音声に対しては、scipyやlibrosa packageが、
  • テキストに対しては、直接PythonやCythonを用いたloadや、あるいはNLTKやSpaCyが便利です

特に画像系については、torchvisionと呼ばれるpackageがあり、Imagenet, CIFAR10, MNISTなど汎用datasetのdata loaderや画像のdata変換器、すなわちtorchvision.datasetsやdorch.utils.data.DataLoaderといったmethodが用意されています。

これは非常に便利かつ定型codeをいちいち書く手間が省けます。

このtutorialではCIFAR10 datasetを使います。飛行機、自動車、鳥、猫、鹿、犬、蛙、馬、船、truckといったclassがあります。CIFAR10は、3x32x32すなわち32×32のpixel sizeの3-channel color画像で構成されます。

cifar10

cifar10

画像分類器の学習

以下の順に勉強していきます:

  1. torchvisionを使ってCIFAR10の学習およびtest datasetをloadし正規化する
  2. 畳み込みNNを定義する
  3. loss関数を定義する
  4. 学習dataを用いてnetworkを学習する
  5. Test dataを用いてnetworkをtestする

CIFAR10のloadと正規化

torchvisionを使うとCIFAR10のloadは超簡単です。

import torch
import torchvision
import torchvision.transforms as transforms

torchvisionから出力されたdatasetは、[0, 1]のdataで構成されるPILImage画像です。これを[-1, 1]に正規化したtensorに変換します。

Note: Windows上で動作させていてBrokenPipeErrorが出たら、torch.utils.data.DataLoader()のnum_workerを0にしてみてください。

transform = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
                               download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
                                      shuffle=True, num_workers=2)

testset = torchvision.datasets.CIFAR10(root='./data', train=False,
                               download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=4,
                                     shuffle=False, num_workers=2)

classes = ('plane', 'car', 'bird', 'cat',
           'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

Out:

Downloading https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./data/cifar-10-python.tar.gz
Extracting ./data/cifar-10-python.tar.gz to ./data
Files already downloaded and verified

文字ばかりでは面白くないので、学習dataを見てみましょう。

import matplotlib.pyplot as plt
import numpy as np

# functions to show an image

def imshow(img):
    img = img / 2 + 0.5     # unnormalize
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg, (1, 2, 0)))
    plt.show()

# get some random training images
dataiter = iter(trainloader)
images, labels = dataiter.next()

# show images
imshow(torchvision.utils.make_grid(images))
# print labels
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))

../../_images/sphx_glr_cifar10_tutorial_001.png

Out:

frog  deer   car plane

畳み込みNNの定義

前回のNN sectionからNNをcopyし、(前回は1-channel画像でしたが)3-channel画像に変更しましょう。

import torch.nn as nn
import torch.nn.functional as F

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.fc1 = nn.Linear(16 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        x = x.view(-1, 16 * 5 * 5)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

net = Net()

Loss関数とoptimizerの定義

Cross-Entropy lossとmomentum付きSGD optimizerを分類器に適用しましょう。

import torch.optim as optim

criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

Networkの学習

ここからが面白いところです。dataを繰り返し取り込む単純なloopを組み、networkに入力を与え、最適化していきます。

for epoch in range(2):  # loop over the dataset multiple times

    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        # get the inputs; data is a list of [inputs, labels]
        inputs, labels = data

        # zero the parameter gradients
        optimizer.zero_grad()

        # forward + backward + optimize
        outputs = net(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

        # print statistics
        running_loss += loss.item()
        if i % 2000 == 1999:    # print every 2000 mini-batches
            print('[%d, %5d] loss: %.3f' %
                  (epoch + 1, i + 1, running_loss / 2000))
            running_loss = 0.0

print('Finished Training')

Out:

[1,  2000] loss: 2.131
[1,  4000] loss: 1.813
[1,  6000] loss: 1.666
[1,  8000] loss: 1.568
[1, 10000] loss: 1.510
[1, 12000] loss: 1.445
[2,  2000] loss: 1.398
[2,  4000] loss: 1.372
[2,  6000] loss: 1.353
[2,  8000] loss: 1.332
[2, 10000] loss: 1.296
[2, 12000] loss: 1.274
Finished Training

学習済みmodelを保存しましょう:

PATH = './cifar_net.pth'
torch.save(net.state_dict(), PATH)

PyTorchのmodelの保存の詳細はこちら

Test dataを用いたnetworkのtest

学習用datasetを2回まわしてnetworkの学習を行いました。しかしnetworkがきちんと学習しているか確認する必要があります。

確認は、NNが出力する推定class labelと正解labelを比較することによって行います。推定が正しければ、正解試行としてlistに追加します。

それではまず、test用datasetから画像を読み取り表示してみましょう。

dataiter = iter(testloader)
images, labels = dataiter.next()

# print images
imshow(torchvision.utils.make_grid(images))
print('GroundTruth: ', ' '.join('%5s' % classes[labels[j]] for j in range(4)))

../../_images/sphx_glr_cifar10_tutorial_002.png

Out:

GroundTruth:    cat  ship  ship plane

次に、先ほど保存したmodelを再loadしましょう。(実際には保存したり再loadしたりする必要はありませんが、どうやるのか示すためです)

net = Net()
net.load_state_dict(torch.load(PATH))

これらの画像に対してNNが何だと思っているのかを見てみましょう:

outputs = net(images)

出力は10 classのenergy(確率)を示します。あるclassに対してより高いenergyであるならば、networkはその画像がその特定のclassであると思っていることになります。では最も高いenergyのindexを見てみましょう:

_, predicted = torch.max(outputs, 1)

print('Predicted: ', ' '.join('%5s' % classes[predicted[j]]
                              for j in range(4)))

Out:

Predicted:    cat  ship  ship  ship

なかなか良い結果ですね。

ではdataset全体に対してnetworkがどのように動作するか見てみましょう。

correct = 0
total = 0
with torch.no_grad():
    for data in testloader:
        images, labels = data
        outputs = net(images)
        _, predicted = torch.max(outputs.data, 1)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()

print('Accuracy of the network on the 10000 test images: %d %%' % (
    100 * correct / total))

Out:

Accuracy of the network on the 10000 test images: 54 %

当てずっぽう(10 classからrandomに1 class選ぶ)だと10%の正解確率になりますから、それよりも随分良い結果ですね。Networkは何かを学習しているようです。

どのclassが良く推定できていて、どのclassが悪いのでしょうか:

class_correct = list(0. for i in range(10))
class_total = list(0. for i in range(10))
with torch.no_grad():
    for data in testloader:
        images, labels = data
        outputs = net(images)
        _, predicted = torch.max(outputs, 1)
        c = (predicted == labels).squeeze()
        for i in range(4):
            label = labels[i]
            class_correct[label] += c[i].item()
            class_total[label] += 1

for i in range(10):
    print('Accuracy of %5s : %2d %%' % (
        classes[i], 100 * class_correct[i] / class_total[i]))

Out:

Accuracy of plane : 64 %
Accuracy of   car : 52 %
Accuracy of  bird : 48 %
Accuracy of   cat : 44 %
Accuracy of  deer : 35 %
Accuracy of   dog : 23 %
Accuracy of  frog : 74 %
Accuracy of horse : 55 %
Accuracy of  ship : 73 %
Accuracy of truck : 69 %

では次は何をしましょうか?

これらのNNをGPUで走らせるにはどうしたら良いのでしょうか?

GPUでの学習

TensorをGPUに転送したように、NNをGPUに転送できます。

まず動作させるdeviceとして、一つ目のcuda deviceを定義してみましょう。(CUDAが利用可能である前提です)

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

# Assuming that we are on a CUDA machine, this should print a CUDA device:

print(device)

Out:

cuda:0

以下deviceはCUDA device前提です。

このとき、次のmethodがすべてのmoduleを再帰的に確認し、変数とbufferをCUDA tensorに変換してくれます:

net.to(device)

ただし、入力や目標値も毎stepGPUに送る必要があります:

inputs, labels = data[0].to(device), data[1].to(device)

どうしてCPUと比較して顕著に早くなったように見えないかって?それはnetworkがとても小さいからです。

練習: Networkのchannel幅を大きくしてみましょう。(一つ目のnn.Conv2dの第2引数と二つ目のnn.Conv2dの第1引数を大きくします – 同じ値を入れます)速度の向上が見えましたか?

達成したこと:

  • PyTorchのTensor libraryとNNの概要の理解
  • 小さなNNでの学習と画像分別

複数GPUsでの学習

もっと速度の向上を見たかったら、複数GPUを使ってみましょう。
こちらOption: Dataの並列処理を参照ください。

次は何をしましょうかね ?

全scriptの実行時間: ( 2 minutes 25.029 seconds)


さいごに

一通り画像の分類をやってみました。プログラム中に「何これ ? 」というのがいくつもあったかも知れませんが、簡単なプログラムを書いて、中身を確認すると良いですね。PyTorchでNNの学習やtestを行うための大枠はわかったかなーという感じです。引き続きPyTorchを使って行きましょう !


   
関連記事
  • Ubuntu20.04+CUDA11.2+PyTorch1.8.1+cu111がRTX3090のGPUで動作した !
  • Torchvisionのtransforms.Composeを使いこなしてtraining accuracyを上げよう !
  • torch.squeeze()よりtorch.view()が安心だった話し
  • PyTorchで学習済みモデルの中間層出力の取得
  • PyTorchで突然malloc(): invalid next size (unsorted)が出たときの対処
  • torch.viewも気をつけて使おう !

    コメントを残す

    *

    CAPTCHA