当前位置：首页 > news >正文

深度学习-torch，全连接神经网路

news 来源：原创 2025/8/15 6:47:28

3. 数据集加载案例

通过一些数据集的加载案例，真正了解数据类及数据加载器。

3.1 加载csv数据集

代码参考如下

import torch
from torch.utils.data import Dataset, DataLoader
import pandas as pd


class MyCsvDataset(Dataset):def __init__(self, filename):df = pd.read_csv(filename)# 删除文字列df = df.drop(["学号", "姓名"], axis=1)# 转换为tensordata = torch.tensor(df.values)# 最后一列以前的为data，最后一列为labelself.data = data[:, :-1]self.label = data[:, -1]self.len = len(self.data)
def __len__(self):return self.len
def __getitem__(self, index):idx = min(max(index, 0), self.len - 1)return self.data[idx], self.label[idx]


def test001():excel_path = r"./大数据答辩成绩表.csv"dataset = MyCsvDataset(excel_path)dataloader = DataLoader(dataset, batch_size=4, shuffle=True)for i, (data, label) in enumerate(dataloader):print(i, data, label)


if __name__ == "__main__":test001()

练习：上述示例数据构建器改成TensorDataset

def build_dataset(filepath):df = pd.read_csv(filepath)df.drop(columns=['学号', '姓名'], inplace=True)data = df.iloc[..., :-1]labels = df.iloc[..., -1]
x = torch.tensor(data.values, dtype=torch.float)y = torch.tensor(labels.values)
dataset = TensorDataset(x, y)
return dataset


def test001():filepath = r"./大数据答辩成绩表.csv"dataset = build_dataset(filepath)dataloader = DataLoader(dataset, batch_size=4, shuffle=True)for i, (data, label) in enumerate(dataloader):print(i, data, label)

3.2 加载图片数据集

参考代码如下：只是用于文件读取测试

import torch
from torch.utils.data import Dataset, DataLoader
import os

# 导入opencv
import cv2


class MyImageDataset(Dataset):def __init__(self, folder):# 文件存储路径列表self.filepaths = []# 文件对应的目录序号列表self.labels = []# 指定图片大小self.imgsize = (112, 112)# 临时存储文件所在目录名dirnames = []
# 递归遍历目录，root：根目录路径，dirs：子目录名称，files：子文件名称for root, dirs, files in os.walk(folder):# 如果dirs和files不同时有值，先遍历dirs，然后再以dirs的目录为路径遍历该dirs下的files# 这里需要在dirs不为空时保存目录名称列表if len(dirs) > 0:dirnames = dirs
for file in files:# 文件路径filepath = os.path.join(root, file)self.filepaths.append(filepath)# 分割root中的dir目录名classname = os.path.split(root)[-1]# 根据目录名到临时目录列表中获取下标self.labels.append(dirnames.index(classname))self.len = len(self.filepaths)
def __len__(self):return self.len
def __getitem__(self, index):# 获取下标idx = min(max(index, 0), self.len - 1)# 根据下标获取文件路径filepath = self.filepaths[idx]# opencv读取图片img = cv2.imread(filepath)# 图片缩放，图片加载器要求同一批次的图片大小一致img = cv2.resize(img, self.imgsize)# 转换为tensorimg_tensor = torch.tensor(img)# 将图片HWC调整为CHWimg_tensor = torch.permute(img_tensor, (2, 0, 1))# 获取目录标签label = self.labels[idx]
return img_tensor, label


def test02():path = os.path.join(os.path.dirname(__file__), 'dataset')# 转换为相对路径path = os.path.relpath(path)dataset = MyImageDataset(path)
dataloader = DataLoader(dataset, batch_size=8, shuffle=True)
for img, label in dataloader:print(img.shape)print(label)


if __name__ == "__main__":test02()

练习：1.重写上述代码，如果不对图片进行缩放会产生什么结果？2.在遍历图片的代码中打印图片查看图片效果(打印一批次即可)

# 导入opencv
import cv2


class MyDataset(Dataset):def __init__(self, folder):
dirnames = []self.filepaths = []self.labels = []
for root, dirs, files in os.walk(folder):if len(dirs) > 0:dirnames = dirs
for file in files:filepath = os.path.join(root, file)self.filepaths.append(filepath)classname = os.path.split(root)[-1]if classname in dirnames:self.labels.append(dirnames.index(classname))else:print(f'{classname} not in {dirnames}')
self.len = len(self.filepaths)
def __len__(self):return self.len
def __getitem__(self, index):idx = min(max(index, 0), self.len - 1)filepath = self.filepaths[idx]img = cv2.imread(filepath)print(img.shape)# 不做图片缩放，报：RuntimeError: stack expects each tensor to be equal size, but got [3, 1333, 2000] at entry 0 and [3, 335, 600] at entry 1img = cv2.resize(img, (112, 112))t_img = torch.tensor(img)t_img = torch.permute(t_img, (2, 0, 1))
label = self.labels[idx]return t_img, label


def test02():path = os.path.join(os.path.dirname(__file__), 'dataset')dataset = MyDataset(path)dataloader = DataLoader(dataset, batch_size=4, shuffle=True)
for img, label in dataloader:
print(img.shape, label)for i in range(img.shape[0]):im = torch.permute(img[i], (1, 2, 0))plt.imshow(im)plt.show()
break


if __name__ == "__main__":test02()

优化：使用ImageFolder加载图片集

ImageFolder 会根据文件夹的结构来加载图像数据。它假设每个子文件夹对应一个类别，文件夹名称即为类别名称。例如，一个典型的文件夹结构如下：

root/class1/img1.jpgimg2.jpg...class2/img1.jpgimg2.jpg......

在这个结构中：

root 是根目录。
class1、class2 等是类别名称。
每个类别文件夹中的图像文件会被加载为一个样本。

ImageFolder构造函数如下：

torchvision.datasets.ImageFolder(root, transform=None, target_transform=None, is_valid_file=None)

参数解释

root：字符串，指定图像数据集的根目录。
transform：可选参数，用于对图像进行预处理。通常是一个 torchvision.transforms 的组合。
target_transform：可选参数，用于对目标（标签）进行转换。
is_valid_file：可选参数，用于过滤无效文件。如果提供，只有返回 True 的文件才会被加载。

import torch
from torchvision import datasets, transforms
import os
from torch.utils.data import DataLoader
from matplotlib import pyplot as plt

torch.manual_seed(42)

def load():path = os.path.join(os.path.dirname(__file__), 'dataset')print(path)
transform = transforms.Compose([transforms.Resize((112, 112)),transforms.ToTensor()])
dataset = datasets.ImageFolder(path, transform=transform)dataloader = DataLoader(dataset, batch_size=1, shuffle=True)
for x,y in dataloader:x = x.squeeze(0).permute(1, 2, 0).numpy()plt.imshow(x)plt.show()print(y[0])break


if __name__ == '__main__':load()

3.3 加载官方数据集

在 PyTorch 中官方提供了一些经典的数据集，如 CIFAR-10、MNIST、ImageNet 等，可以直接使用这些数据集进行训练和测试。

数据集：Datasets — Torchvision 0.21 documentation

常见数据集：

MNIST: 手写数字数据集，包含 60,000 张训练图像和 10,000 张测试图像。
CIFAR10: 包含 10 个类别的 60,000 张 32x32 彩色图像，每个类别 6,000 张图像。
CIFAR100: 包含 100 个类别的 60,000 张 32x32 彩色图像，每个类别 600 张图像。
COCO: 通用对象识别数据集，包含超过 330,000 张图像，涵盖 80 个对象类别。

torchvision.transforms 和 torchvision.datasets 是 PyTorch 中处理计算机视觉任务的两个核心模块，它们为图像数据的预处理和标准数据集的加载提供了强大支持。

transforms 模块提供了一系列用于图像预处理的工具，可以将多个变换组合成处理流水线。

datasets 模块提供了多种常用计算机视觉数据集的接口，可以方便地下载和加载。

参考如下：

import torch
from torch.utils.data import Dataset, DataLoader
import torchvision
from torchvision import transforms, datasets


def test():transform = transforms.Compose([transforms.ToTensor(),])# 训练数据集data_train = datasets.MNIST(root="./data",train=True,download=True,transform=transform,)trainloader = DataLoader(data_train, batch_size=8, shuffle=True)for x, y in trainloader:print(x.shape)print(y)break
# 测试数据集data_test = datasets.MNIST(root="./data",train=False,download=True,transform=transform,)testloader = DataLoader(data_test, batch_size=8, shuffle=True)for x, y in testloader:print(x.shape)print(y)break


def test006():transform = transforms.Compose([transforms.ToTensor(),])# 训练数据集data_train = datasets.CIFAR10(root="./data",train=True,download=True,transform=transform,)trainloader = DataLoader(data_train, batch_size=4, shuffle=True, num_workers=2)for x, y in trainloader:print(x.shape)print(y)break# 测试数据集data_test = datasets.CIFAR10(root="./data",train=False,download=True,transform=transform,)testloader = DataLoader(data_test, batch_size=4, shuffle=False, num_workers=2)for x, y in testloader:print(x.shape)print(y)break


if __name__ == "__main__":test()test006()

1. 神经网络基础

1.1 生物神经元与人工神经元

神经网络的设计灵感来源于生物神经元。生物神经元通过树突接收信号，细胞核处理信号，轴突传递信号，突触连接不同的神经元。人工神经元模仿了这一过程，接收多个输入信号，经过加权求和和非线性激活函数处理后，输出结果。

1.2 人工神经元的组成

人工神经元由以下几个部分组成：

输入（Inputs）：代表输入数据，通常用向量表示。
权重（Weights）：每个输入数据都有一个权重，表示该输入对最终结果的重要性。
偏置（Bias）：一个额外的可调参数，用于调整模型的输出。
加权求和：将输入乘以对应的权重后求和，再加上偏置。
激活函数（Activation Function）：将加权求和后的结果转换为输出结果，引入非线性特性。

数学表示如下：

其中，σ(z) 是激活函数。

2. 神经网络结构

2.1 基本结构

神经网络由以下三层构成：

输入层（Input Layer）：接收外部数据，不进行计算。
隐藏层（Hidden Layer）：位于输入层和输出层之间，进行特征提取和转换。隐藏层可以有多层，每层包含多个神经元。
输出层（Output Layer）：产生最终的预测结果或分类结果。

2.2 全连接神经网络

全连接神经网络（Fully Connected Neural Network，FCNN）是前馈神经网络的一种，每一层的神经元与上一层的所有神经元全连接。全连接神经网络常用于图像分类、文本分类等任务。

2.2.1 特点

权重数量大：由于全连接的特点，权重数量较大，计算量大。
学习能力强：能够学习输入数据的全局特征，但对高维数据的局部特征捕捉能力较弱。

2.2.2 计算步骤

数据传递：输入数据逐层传递到输出层。
激活函数：每一层的输出通过激活函数处理。
损失计算：计算预测值与真实值之间的差距。
反向传播：通过反向传播算法更新权重以最小化损失。

3. 激活函数

激活函数在神经网络中引入非线性，使网络能够处理复杂的任务。以下是几种常见的激活函数及其特点。

3.1 Sigmoid

3.1.1 公式

3.1.2 特点

将输入映射到 (0, 1) 之间，适合处理概率问题。
梯度消失问题严重，容易导致训练速度变慢。
计算成本较高。

3.1.3 应用场景

一般用于二分类问题的输出层。

3.2 Tanh

3.2.1 公式

3.2.2 特点

输出范围为 (-1, 1)，是零中心的，有助于加速收敛。
对称性较好，适合隐藏层。
仍然存在梯度消失问题。

3.2.3 应用场景

适用于隐藏层，但不如 ReLU 常用。

3.3 ReLU

3.3.1 公式

3.3.2 特点

计算简单，适合大规模数据训练。
缓解梯度消失问题，适合深层网络。
存在神经元死亡问题，即某些神经元可能永远不被激活。

3.3.3 应用场景

深度学习中最常用的激活函数，适用于隐藏层。

3.4 Leaky ReLU

3.4.1 公式

3.4.2 特点

解决了 ReLU 的神经元死亡问题。
计算简单，但需要调整超参数 α。

3.4.3 应用场景

适用于隐藏层，尤其是 ReLU 效果不佳时。

3.5 Softmax

3.5.1 公式

3.5.2 特点

将输出转化为概率分布，适合多分类问题。
放大差异，使概率最大的类别更突出。
存在数值不稳定性问题，需进行数值调整。

3.5.3 应用场景

用于多分类问题的输出层。

4. 激活函数的选择

4.1 隐藏层

优先选择 ReLU。
如果 ReLU 效果不佳，尝试 Leaky ReLU 或其他激活函数。
避免使用 Sigmoid，可以尝试 Tanh。

4.2 输出层

二分类问题选择 Sigmoid。
多分类问题选择 Softmax。

5. 总结

神经网络是深度学习的核心，理解其结构和激活函数的作用至关重要。人工神经元是神经网络的基本单元，通过加权求和和激活函数实现非线性变换。全连接神经网络是最基本的神经网络结构，广泛应用于各类任务。激活函数在神经网络中引入非线性，增强了网络的表达能力。不同激活函数适用于不同的场景，合理选择激活函数可以显著提升模型性能。