当前位置 博文首页 > Pytorch中的数据集划分&正则化方法

    Pytorch中的数据集划分&正则化方法

    作者:会飞的咸鱼 时间:2021-08-13 18:39

    1.训练集&验证集&测试集

    训练集:训练数据

    验证集:验证不同算法(比如利用网格搜索对超参数进行调整等),检验哪种更有效

    测试集:正确评估分类器的性能

    正常流程:验证集会记录每个时间戳的参数,在加载test数据前会加载那个最好的参数,再来评估。比方说训练完6000个epoch后,发现在第3520个epoch的validation表现最好,测试时会加载第3520个epoch的参数。

    import  torch
    import  torch.nn as nn
    import  torch.nn.functional as F
    import  torch.optim as optim
    from    torchvision import datasets, transforms
    #超参数
    batch_size=200
    learning_rate=0.01
    epochs=10
    #获取训练数据
    train_db = datasets.MNIST('../data', train=True, download=True,   #train=True则得到的是训练集
                       transform=transforms.Compose([                 #transform进行数据预处理
                           transforms.ToTensor(),                     #转成Tensor类型的数据
                           transforms.Normalize((0.1307,), (0.3081,)) #进行数据标准化(减去均值除以方差)
                       ]))
    #DataLoader把训练数据分成多个小组,此函数每次抛出一组数据。直至把所有的数据都抛出。就是做一个数据的初始化
    train_loader = torch.utils.data.DataLoader(train_db, batch_size=batch_size, shuffle=True)
    #获取测试数据
    test_db = datasets.MNIST('../data', train=False,
                       transform=transforms.Compose([
                            transforms.ToTensor(),
                            transforms.Normalize((0.1307,), (0.3081,))
                       ]))
    test_loader = torch.utils.data.DataLoader(test_db, batch_size=batch_size, shuffle=True)
    #将训练集拆分成训练集和验证集
    print('train:', len(train_db), 'test:', len(test_db))                              #train: 60000 test: 10000
    train_db, val_db = torch.utils.data.random_split(train_db, [50000, 10000])
    print('db1:', len(train_db), 'db2:', len(val_db))                                  #db1: 50000 db2: 10000
    train_loader = torch.utils.data.DataLoader(train_db, batch_size=batch_size, shuffle=True)
    val_loader = torch.utils.data.DataLoader(val_db, batch_size=batch_size, shuffle=True)
    class MLP(nn.Module):
        def __init__(self):
            super(MLP, self).__init__()
            self.model = nn.Sequential(         #定义网络的每一层,
                nn.Linear(784, 200),
                nn.ReLU(inplace=True),
                nn.Linear(200, 200),
                nn.ReLU(inplace=True),
                nn.Linear(200, 10),
                nn.ReLU(inplace=True),
            )
        def forward(self, x):
            x = self.model(x)
            return x
    net = MLP()
    #定义sgd优化器,指明优化参数、学习率,net.parameters()得到这个类所定义的网络的参数[[w1,b1,w2,b2,...]
    optimizer = optim.SGD(net.parameters(), lr=learning_rate)
    criteon = nn.CrossEntropyLoss()
    for epoch in range(epochs):
        for batch_idx, (data, target) in enumerate(train_loader):
            data = data.view(-1, 28*28)          #将二维的图片数据摊平[样本数,784]
            logits = net(data)                   #前向传播
            loss = criteon(logits, target)       #nn.CrossEntropyLoss()自带Softmax
            optimizer.zero_grad()                #梯度信息清空
            loss.backward()                      #反向传播获取梯度
            optimizer.step()                     #优化器更新
            if batch_idx % 100 == 0:             #每100个batch输出一次信息
                print('Train Epoch: {} [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format(
                    epoch, batch_idx * len(data), len(train_loader.dataset),
                           100. * batch_idx / len(train_loader), loss.item()))
        #验证集用来检测训练是否过拟合
        val_loss = 0
        correct = 0
        for data, target in val_loader:
            data = data.view(-1, 28 * 28)
            logits = net(data)
            val_loss += criteon(logits, target).item()
            pred = logits.data.max(dim=1)[1]
            correct += pred.eq(target.data).sum()
        val_loss /= len(val_loader.dataset)
        print('\nVAL set: Average loss: {:.4f}, Accuracy: {}/{} ({:.0f}%)\n'.format(
            val_loss, correct, len(val_loader.dataset),
            100. * correct / len(val_loader.dataset)))
    #测试集用来评估
    test_loss = 0
    correct = 0                                         #correct记录正确分类的样本数
    for data, target in test_loader:
        data = data.view(-1, 28 * 28)
        logits = net(data)
        test_loss += criteon(logits, target).item()     #其实就是criteon(logits, target)的值,标量
        pred = logits.data.max(dim=1)[1]                #也可以写成pred=logits.argmax(dim=1)
        correct += pred.eq(target.data).sum()
    test_loss /= len(test_loader.dataset)
    print('\nTest set: Average loss: {:.4f}, Accuracy: {}/{} ({:.0f}%)\n'.format(
        test_loss, correct, len(test_loader.dataset),
        100. * correct / len(test_loader.dataset)))

    2.正则化

    正则化可以解决过拟合问题。

    2.1L2范数(更常用)

    在定义优化器的时候设定weigth_decay,即L2范数前面的λ参数。

    optimizer = torch.optim.SGD(net.parameters(), lr=learning_rate, weight_decay=0.01)

    2.2L1范数

    Pytorch没有直接可以调用的方法,实现如下:

    3.动量(Momentum)

    Adam优化器内置了momentum,SGD需要手动设置。

    optimizer = torch.optim.SGD(model.parameters(), args=lr, momentum=args.momentum, weight_decay=args.weight_decay)
    

    4.学习率衰减

    torch.optim.lr_scheduler 中提供了基于多种epoch数目调整学习率的方法。

    4.1torch.optim.lr_scheduler.ReduceLROnPlateau:基于测量指标对学习率进行动态的下降

    torch.optim.lr_scheduler.ReduceLROnPlateau(optimizer, mode='min', factor=0.1, patience=10, verbose=False, threshold=0.0001, threshold_mode='rel', cooldown=0, min_lr=0, eps=1e-08)

    训练过程中,optimizer会把learning rate 交给scheduler管理,当指标(比如loss)连续patience次数还没有改进时,需要降低学习率,factor为每次下降的比例。

    scheduler.step(loss_val)每调用一次就会监听一次loss_val。

    4.2torch.optim.lr_scheduler.StepLR:基于epoch

    torch.optim.lr_scheduler.StepLR(optimizer, step_size, gamma=0.1, last_epoch=-1)

    当epoch每过stop_size时,学习率都变为初始学习率的gamma倍。

    5.提前停止(防止overfitting)

    基于经验值。

    6.Dropout随机失活

    遍历每一层,设置消除神经网络中的节点概率,得到精简后的一个样本。

    torch.nn.Dropout(p=dropout_prob) 

    p表示的示的是删除节点数的比例(Tip:tensorflow中keep_prob表示保留节点数的比例,不要混淆)

    测试阶段无需使用dropout,所以在train之前执行net_dropped.train()相当于启用dropout,测试之前执行net_dropped.eval()相当于不启用dropout。

    以上为个人经验,希望能给大家一个参考,也希望大家多多支持站长博客。

    jsjbwy
    下一篇:没有了