Pytorchのチュートリアル実施（cifar10画像判定）。Ubuntu18.04で

2020年2月13日

ちょっとだけ業務でPytorch触る機械がありましたので、改めてPytorchのオフィシャルサイトのチュートリアルをUbuntu18.04で試してみましたので、その記録です。

こちらが公式チュートリアルですね。

https://pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html

一応venvで仮想環境を作成した上でインストールです。こんな感じです。

~/PYフォルダに移動してtorchという名前の仮想環境を作ります。

~/PY$ python3 -m venv torch

torchフォルダが出来ていることを確認してsourceコマンドで仮想環境をアクティベートしているとします。

~/PY$ source ./torch/bin/activate

pytorchインストール

まずはpytorchインストールです。インストールはこちらのサイトですね。

https://pytorch.org/get-started/locally/

OSやパッケージ管理などを選択すると実行するべきコマンドが「Run this Command:」のところにでてきます。これをコピペで実行します。

CUDAはNVIDIAのGPUなどをお持ちでしたらCUDAを選択ですが、今回はGPUなしのCPUオンリーですのでNoneを選んでおきます。私の場合は以下でOKでした。

pip3 install torch==1.4.0+cpu torchvision==0.5.0+cpu -f https://download.pytorch.org/whl/torch_stable.html

あとはmatplotlibで画像を表示させますので、pipでインストールしておきます。

pip3 install matplotlib

ファイル構成は同じフォルダ（~/PY/torch）に以下の3ファイルを作成してみます。

・model.py 　モデルを定義
・train.py　学習の実行
・test.py　推論実行

モデル定義

まずモデル・ニューラルネットのクラスを作成です。その中で__init__とforwardを定義です。__init__で使うものを書いて実際の順序はforwardで定義する、といった感じでしょうか。reluは別に__init__で定義しなくても良いみたいですね。こんな定義の仕方はPytorchを使う限り共通と思います。

Linearは全結合層でKeras,TensorFlowでいうDenseですね。

#model.py

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

学習の実行

学習の仕方も味がありますが、流れとしてはこんなと思います。

・モデルクラスのインスタンス作成
・trainloaderをtransform,trainsetから作成
・損失関数（criterion）、最適化関数を定義（optimizer）
・epochで学習回数を決めて学習を実行する。

epochのループの部分がちょっと長いですが、ここをそれなりに理解すれば他のPytorchソースを見ても大体同じですので、理解できるのではと思います。

outputs = net(inputs)　のところで実際はforwardが実行されるのがミソですかね。

以下train.py全文です。

#train.py
import torch
import torchvision
import torchvision.transforms as transforms

import torch.optim as optim
import torch.nn as nn

import model


net = model.Net()

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)

#損失関数（criterion）、最適化関数を定義（optimizer）
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

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')

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

train.pyを実行してみます。

(torch) xxx@xxx:~/PY/torch$ python3 train.py 

一番始めの実行ではcifar10データのダウンロードに時間がかかりますが、二回目以降の実施ではダウンロード済みデータを使ってくれます。こんなメッセージが出て時間がかかります。

 Downloading https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./data/cifar-10-python.tar.gz

ダウンロード後は学習が始まります。Epochが2ですのですぐに学習完了と思います。CPUでもすぐに終わるのではと思います。私のiiyama ノートでも５分くらいで完了です。現実の実装ではEpochが２では全然たりないとは思います。。

[1,  2000] loss: 2.206
[1,  4000] loss: 1.868
[1,  6000] loss: 1.711
[1,  8000] loss: 1.584
[1, 10000] loss: 1.534
[1, 12000] loss: 1.483
[2,  2000] loss: 1.397
[2,  4000] loss: 1.368
[2,  6000] loss: 1.328
[2,  8000] loss: 1.325
[2, 10000] loss: 1.293
[2, 12000] loss: 1.278
Finished Training

無事学習が終了しますと、cifar_net.pth　という学習済みモデルが出来上がっているものと思います。

推論の実行

先程完成したcifar_net.pth　を利用して推論を実行です。

#test.py

import torch
import torchvision
import torchvision.transforms as transforms

import model
import matplotlib.pyplot as plt
import numpy as np


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


PATH = './cifar_net.pth'

net = model.Net()
#学習済みデータ読み込み
net.load_state_dict(torch.load(PATH))

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


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')

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)))

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

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

これを実行してみます。

(torch) xxx@xxx:~/PY/torch$ python3 test.py 

推論、テストで使われる画像が表示されます。ここでは左からcat,ship,ship,planeです。

で推論の結果です。

GroundTruth:    cat  ship  ship plane
Predicted:    cat  ship plane plane

この場合はepochを2に設定してますので、学習が甘いんだと思います。shipのところをplaneに間違えてますね。

ちょっと長いですが、こんな感じで学習、推論の実行まで行けるものと思いますがどうでしょうか。ちょっと複雑なものでも基本この形式なのではと思います今の所。