使用反饋類神經網路進行圖形分類的基本作法

多維度分類問題中，最重要的部份是一部份是透過類神經網路進行圖形的分類；PyTorch 也提供了圖形方面相當多的資源以及資料，其中包括著名的「Fashion-MNIST」問題的圖形資料。

• Fashion-MNIST 資料集

「Fashion-MNIST」問題提供了7,0000 個服飾的灰階圖形資料，每個服飾圖形由「28*28」的像素所組成；其中60,000 為訓練資料而10,000組則為測試資料；所有的圖形共分成 9 組不同的服飾類別。

• 安裝 torchvision

由於我們安裝的 PyTorch 版本是 2.0，所以安裝指令指定「torchvision==0.15」。

pip3 install ‘torchvision==0.15’ *.whl

• 使用「Fashion-MNIST」資料

接下來可以寫程式來使用這組資料，分別將訓練資料及測試資料放在「train_data」及「test_data」這兩個變數；在第一次讀取資料的程式執行時，它會在本機端建立一個「data/FashionMNIST」的資料夾，將資料放在本機端；讀取的資料形態可以直接指定為「tensor」方便接下來類神經網路的訓練使用。

import torchvision
from torchvision import datasets
from torchvision.transforms import ToTensor

train_data=datasets.FashionMNIST(root="data",
                                train=True,
                                download=True,
                                transform=ToTensor(),
                                target_transform=None)
test_data=datasets.FashionMNIST(root="data",
                               train=False,
                               download=True,
                               transform=ToTensor())
print('train data count:',len(train_data))
print('test data count:',len(test_data))

• 建立類神經網路類別並指定 CUDA/GPU

這一部份與之前的多維分類問題的類神經網路的作法是一樣的。

import torch
from torch import nn

#-----------------------
# creat neural network class
class classNeural(nn.Module):
    def __init__(self,n_input,n_hidden,n_output):
        super().__init__()
        self.n_input=n_input
        self.n_hidden=n_hidden
        self.n_output=n_output
        #--------
        self.layer1=nn.Linear(n_input,n_hidden)
        self.layer2=nn.Linear(n_hidden,n_hidden)
        self.layer3=nn.Linear(n_hidden,n_output)
        
        self.active=nn.Sigmoid()
        #--------
    def forward(self,x):
        x=self.active(self.layer1(x))        
        x=self.active(self.layer2(x))        
        
        return self.layer3(x)
#-----------------------
# assign CUDA device        
device=torch.device('cpu')
if(torch.cuda.is_available()):
    device=torch.device('cuda')

• 資料初步分析

因為「Fashion-MINST」的圖形資料相對於之前的數值資料，資料量相對地比較大。每一個灰階圖形是由「28*28」的圖形點 (pixel) 所形成，每個圖形點的數值由 0 到 255 來形成；在初步的影像分類學習上，我們先使用最前面的 16 組圖形來作分類，如程式中的「Images」及「labels」變數。圖形的 pixel 資料可以使用「train_data.data」變數來取得；圖形的分類結果則以整數的方式，放在「train_data.targets」；分類的標註文字則放在「train_data.classes」文字陣列中。

import torch
from torch import nn
import matplotlib.pyplot as plt
import numpy as np
#-----------
print(train_data.data[0].shape)
print('max:',np.max(train_data.data[0].numpy()))
print('min:',np.min(train_data.data[0].numpy()))
#-----------
Images=train_data.data[0:16]
labels=train_data.targets[0:16].numpy()
#-----------------------
fig=plt.figure(figsize=(9,9))
rows,cols=4,4
for i in range(rows*cols):
    fig.add_subplot(rows,cols,i+1)
    plt.imshow(Images[i],cmap='gray')
    plt.title(train_data.classes[labels[i]])
    plt.axis(False)
plt.show()
#-----------------

• 準備訓練資料

由於圖形資料是一個二維的 pixel 所形成的矩陣，所以在進入類神經網路訓練之前，要將二維矩陣轉換成一維的資料。這時候我們可以使用「torchvision」提供的「flatten()」函數，將訓練資料由16個二維變數轉換成16個一維變數；同時將訓練資料成正規化。

import torch
from torch import nn
import numpy as np
# setup training data

Pixels=Images.flatten(start_dim=1,end_dim=2)
nData,nPixel=Pixels.shape
X_train=((Pixels-255/2.0)/(255)).to(device)
y_train=(labels-np.mean(labels))/(np.max(labels)-np.min(labels))
Y_train=torch.tensor(y_train.astype('float32')).unsqueeze(dim=1).to(device)

• 訓練類神經網路

經過改變資料維度的正規化訓練，與多維分類問題同樣地進入類神經網路進行訓練。

#-------------
# create neural network model
imgNeural=classNeural(nPixel,28,1).to(device)
torch.manual_seed(13)
loss_fn=nn.MSELoss() # MSE
optimizer=torch.optim.AdamW(imgNeural.parameters(),lr=0.01)
#-------------    
# training neural network
import time
for epoche in range(500):
    imgNeural.train()    
    Y_pred=imgNeural(X_train)
    loss=loss_fn(Y_pred,Y_train)
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

• 圖形分類預測結果

類神經訓練完之後，將原來的 16 組訓練資料丟進類神經網路預測結果；初步可以看到，類神經網路可以輕易地學習完成這 16 組圖形分類資料；這也說明了類神經網路具備圖形分類學習的基本能力。不過一般的圖形分類問題，資料量都相當地龐大，會需要更多的資料處理工具才能完成。

#------------
# prediction
imgNeural.eval()
with torch.inference_mode():
    Y_pred=imgNeural(X_train)
y_pred=Y_pred.squeeze(dim=1).to('cpu').numpy()        
label_pred=np.round(y_pred*(np.max(labels)-np.min(labels))+np.mean(labels))
#------------
# plot
plt.scatter(range(16),labels,color='red',facecolor='none',label='Target')
plt.scatter(range(16),label_pred,color='blue',marker='x',label='Predition')
plt.xlabel('Sample #')
plt.ylabel('Classes')
showTick=np.arange(0,nData,1)
plt.xticks(ticks=showTick,labels=(showTick+1))
plt.yticks(ticks=range(len(train_data.classes)),labels=train_data.classes,fontsize=8) 
plt.legend()
plt.grid()
plt.show()

當然也可以亂數選取圖形來分類，進行確認。

import random

random.seed(13)
fig=plt.figure(figsize=(9,9))
rows,cols=4,4
for i in range(rows*cols):
    ix=random.randint(0,15)
    #---------- handle input tensor
    ImgInput=(train_data.data[ix]-255/2.0)/255
    PixelInput=ImgInput.flatten().unsqueeze(dim=0).to(device)
    #---------- neural network prediction
    imgNeural.eval()
    with torch.inference_mode():
        LabelOutput=imgNeural(PixelInput)
    #---------- handle output tensor
    labelOutput=LabelOutput.squeeze(dim=1).to('cpu').numpy()
    labelPred=np.round(labelOutput*(np.max(labels)-np.min(labels))+np.mean(labels))
    #---------- transfer output into label text
    titlePred=train_data.classes[int(labelPred)]
    titleTarget=train_data.classes[train_data.targets[ix]]
    #---------- plot
    fig.add_subplot(rows,cols,i+1)
    plt.imshow(ImgInput.to('cpu'),cmap='gray')
    strTitle=titleTarget+'->'+titlePred
    plt.title(strTitle)
    plt.axis(False)
plt.show()