百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术文章 > 正文

PyTorch模型训练与评估

itomcoil 2025-02-07 17:48 29 浏览

前言

一旦模型、数据集、损失函数和优化器准备完成后,我们就可以开始训练模型了。在本节中,我们将学习如何正确训练和评估深度学习模型。

模型训练与评估

我们首先编写用于批 (batch) 处理、时期 (epoch) 处理和训练模型的辅助函数。

1. 编写辅助函数计算每批数据的损失值:

python
复制代码
def loss_batch(loss_func, xb, yb,yb_h, opt=None):
    loss = loss_func(yb_h, yb)
    metric_b = metrics_batch(yb,yb_h)
    if opt is not None:
        loss.backward()
        opt.step()
        opt.zero_grad()
    return loss.item(), metric_b

2. 接下来,定义一个辅助函数来计算模型在每批数据上的准确率:

python
复制代码
def metrics_batch(target, output):
    pred = output.argmax(dim=1, keepdim=True)
    corrects=pred.eq(target.view_as(pred)).sum().item()
    return corrects

3. 接下来,定义一个辅助函数来计算数据集的损失和度量值:

python
复制代码
def loss_epoch(model,loss_func,dataset_dl,opt=None):
    loss=0.0
    metric=0.0
    len_data=len(dataset_dl.dataset)
    for xb, yb in dataset_dl:
        xb=xb.type(torch.float).to(device)
        yb=yb.to(device)
        yb_h=model(xb)
        loss_b,metric_b=loss_batch(loss_func, xb, yb,yb_h, opt)
        loss+=loss_b
        if metric_b is not None:
            metric+=metric_b
    loss/=len_data
    metric/=len_data
    return loss, metric

4. 最后,定义 train_val 函数用于评估模型性能:

python
复制代码
def train_val(epochs, model, loss_func, opt, train_dl, val_dl):
    for epoch in range(epochs):
        model.train()
        train_loss, train_metric=loss_epoch(model,loss_func,train_dl,opt)
        model.eval()
        with torch.no_grad():
            val_loss, val_metric=loss_epoch(model,loss_func,val_dl)
        accuracy=100*val_metric
        print("epoch: %d, train loss: %.6f, val loss: %.6f, accuracy: %.2f" %(epoch, train_loss,val_loss,accuracy))

5. 训练模型数个 epoch

python
复制代码
num_epochs=5
train_val(num_epochs, model, loss_func, opt, train_dl, val_dl)

训练开始后,可以看到模型训练过程中损失和性能变化:

shell
复制代码
epoch: 0, train loss: 0.22345, val loss: 0.094503, accuracy: 96.94
...
epoch: 5, train loss: 0.02345, val loss: 0.049503, accuracy: 98.02

存储和加载模型

训练完成后,我们可以将训练后的参数存储在文件中以供部署和之后加载使用,有两种常见的保存模型的方法。

首先,我们介绍第一种方法。

1. 首先,将模型参数或 state_dict 存储在文件中:

python
复制代码
path2weights="./models/weights.pt"
torch.save(model.state_dict(), path2weights)

2. 要从文件中加载模型参数,需要定义一个 Net 类的对象:

python
复制代码
_model = Net()

3. 然后,从文件中加载 state_dict

python
复制代码
weights=torch.load(path2weights)

4. 接下来,将 state_dict 设置为模型参数:

python
复制代码
_model.load_state_dict(weights)

接下来,我们继续学习第二种方法。

1. 首先,将模型存储在一个文件中:

python
复制代码
path2model="./models/model.pt"
torch.save(model,path2model)

2. 要从文件中加载模型参数,首先将定义一个 Net 类的对象:

python
复制代码
_model = Net()

3. 然后,从本地文件中加载模型:

python
复制代码
_model=torch.load(path2model)

在本小节中,我们学习了两种存储训练模型的方法。在第一种方法中,我们只存储了 state_dict 或模型参数。当我们需要训练好的模型进行部署时,我们必须创建模型的对象,然后从文件中加载参数,然后将参数设置到模型中,这种方式是 PyTorch 推荐的方法。

在第二种方法中,我们将模型存储到一个文件中,即我们将模型和 state_dict 都存储在一个文件中。当我们需要训练好的模型进行部署时,我们都需要创建一个 Net 类对象。然后,我们从文件中加载模型。因此,与第一种方法相比并没有实际的优势。

部署模型

要部署模型,我们需要使用上一小节中介绍的方法加载模型。一旦模型被加载到内存中,我们就可以将新数据传递给模型,利用模型进行预测。

1. 要将模型部署在验证数据集中的样本图像上,我们首先加载一个样本张量:

python
复制代码
n=100
x= x_val[n]
y=y_val[n]
print(x.shape)

2. 然后,对样本张量进行预处理:

python
复制代码
x= x.unsqueeze(0)
x=x.type(torch.float)
x=x.to(device)

3. 接下来,使用加载完成的神经网络模型获取预测结果:

python
复制代码
output=_model(x)
pred = output.argmax(dim=1, keepdim=True)
print (pred.item(),y.item())

相关推荐

python创建文件夹,轻松搞定,喝咖啡去了

最近经常在录视频课程,一个课程下面往往有许多小课,需要分多个文件夹来放视频、PPT和案例,这下可好了,一个一个手工创建,手酸了都做不完。别急,来段PYTHON代码,轻松搞定,喝咖啡去了!import...

如何编写第一个Python程序_pycharm写第一个python程序

一、第一个python程序[掌握]python:python解释器,将python代码解释成计算机认识的语言pycharm:IDE(集成开发环境),写代码的一个软件,集成了写代码,...

Python文件怎么打包为exe程序?_python3.8打包成exe文件

PyInstaller是一个Python应用程序打包工具,它可以将Python程序打包为单个独立可执行文件。要使用PyInstaller打包Python程序,需要在命令行中使用py...

官方的Python环境_python环境版本

Python是一种解释型编程开发语言,根据Python语法编写出来的程序,需要经过Python解释器来进行执行。打开Python官网(https://www.python.org),找到下载页面,选择...

[编程基础] Python配置文件读取库ConfigParser总结

PythonConfigParser教程显示了如何使用ConfigParser在Python中使用配置文件。文章目录1介绍1.1PythonConfigParser读取文件1.2Python...

Python打包exe软件,用这个库真的很容易

初学Python的人会觉得开发一个exe软件非常复杂,其实不然,从.py到.exe文件的过程很简单。你甚至可以在一天之内用Python开发一个能正常运行的exe软件,因为Python有专门exe打包库...

2025 PyInstaller 打包说明(中文指南),python 打包成exe 都在这里

点赞标记,明天就能用上这几个技巧!linux运维、shell、python、网络爬虫、数据采集等定定做,请私信。。。PyInstaller打包说明(中文指南)下面按准备→基本使用→常用...

Python自动化办公应用学习笔记40—文件路径2

4.特殊路径操作用户主目录·获取当前用户的主目录路径非常常用:frompathlibimportPathhome_dir=Path.home()#返回当前用户主目录的Path对象...

Python内置tempfile模块: 生成临时文件和目录详解

1.引言在Python开发中,临时文件和目录的创建和管理是一个常见的需求。Python提供了内置模块tempfile,用于生成临时文件和目录。本文将详细介绍tempfile模块的使用方法、原理及相关...

python代码实现读取文件并生成韦恩图

00、背景今天战略解码,有同学用韦恩图展示各个产品线的占比,效果不错。韦恩图(Venndiagram),是在集合论数学分支中,在不太严格的意义下用以表示集合的一种图解。它们用于展示在不同的事物群组之...

Python技术解放双手,一键搞定海量文件重命名,一周工作量秒搞定

摘要:想象一下,周五傍晚,办公室的同事们纷纷准备享受周末,而你,面对着堆积如山的文件,需要将它们的文件名从美国日期格式改为欧洲日期格式,这似乎注定了你将与加班为伍。但别担心,Python自动化办公来...

Python路径操作的一些基础方法_python路径文件

带你走进@机器人时代Discover点击上面蓝色文字,关注我们Python自动化操作文件避开不了路径操作方法,今天我们来学习一下路径操作的一些基础。Pathlib库模块提供的路径操作包括路径的...

Python爬取下载m3u8加密视频,原来这么简单

1.前言爬取视频的时候发现,现在的视频都是经过加密(m3u8),不再是mp4或者avi链接直接在网页显示,都是经过加密形成ts文件分段进行播放。今天就教大家如果通过python爬取下载m3u8加密视频...

探秘 shutil:Python 高级文件操作的得力助手

在Python的标准库中,shutil模块犹如一位技艺精湛的工匠,为我们处理文件和目录提供了一系列高级操作功能。无论是文件的复制、移动、删除,还是归档与解压缩,shutil都能以简洁高效的方式完成...

怎么把 Python + Flet 开发的程序,打包为 exe ?这个方法很简单!

前面用Python+Flet开发的“我的计算器v3”,怎么打包为exe文件呢?这样才能分发给他人,直接“双击”运行使用啊!今天我给大家分享一个简单的、可用的,把Flet开发的程序打包为...