単純な CNN を用いた画像分類（PyTorch のサンプルプログラムを使用）

【概要】

ユースケース: PyTorch の動作確認を行いたい．CNN（PyTorch を使用）について練習したい

次のWebページに記載のソースコード（単純な CNN を用いた画像分類）を実行してみる

【目次】

【関連する外部ページ】 https://docs.pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html

先人に感謝

PyTorch の Web ページ: http://pytorch.org

GitHub の PyTorch の Webページ: https://github.com/pytorch/pytorch

第１章　前準備

PyTorch （NVIDIA CUDA ツールキット 12.8 用）のインストール（Windows 上）

次のコマンドを実行することにより， PyTorch（NVIDIA CUDA ツールキット 12.8 用）がインストールされる．

  1. 管理者権限でコマンドプロンプトを起動する （手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。
  2. PyTorch の公式ページを確認

    PyTorch の公式ページ: https://pytorch.org/index.html

  3. 次のようなコマンドを実行（実行するコマンドは，PyTorch のページに表示されるコマンドを使う）．

    次のコマンドを実行することにより， PyTorch（NVIDIA CUDA 12.8 用）がインストールされる． 但し，Anaconda3を使いたい場合には別手順になる．

    事前に NVIDIA CUDA のバージョンを確認しておくこと（ここでは，NVIDIA CUDA ツールキット 12.8 が前もってインストール済みであるとする）．

    PyTorch で，GPU が動作している場合には，「torch.cuda.is_available()」により，True が表示される． 

    python -m pip install -U --no-user --ignore-installed pip
python -m pip uninstall -y torch torchvision torchaudio torchtext xformers
python -m pip install -U --no-user torch torchvision torchaudio numpy --index-url https://download.pytorch.org/whl/cu128

python -c "import torch; print(torch.__version__, torch.cuda.is_available())"

【関連する外部ページ】

【サイト内の関連情報】

【関連項目】 NVIDIA CUDA ツールキット, PyTorch

第２章　単純な CNN を用いた画像分類（PyTorch のサンプルプログラムを使用）

Python プログラムの実行

Python 開発環境（Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, Spyder, PyCharm, PyScripterなど）も便利である．

Python のまとめ: 別ページ »にまとめ 

python
  1. インポート 
    import torch
import torchvision
from torchvision.transforms import v2
import matplotlib.pyplot as plt
import numpy as np

def imshow(img):
    img = img / 2 + 0.5  # 正規化を戻す
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg, (1, 2, 0)))
    plt.show()

    Ubuntu での実行結果例

  2. CIFAR 10 のダウンロード 
    transform = v2.Compose(
    [v2.ToImage(),
     v2.ToDtype(torch.float32, scale=True),
     v2.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)

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')

    Ubuntu での実行結果例

  3. CNN の定義 
    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

    Ubuntu での実行結果例

  4. GPU デバイスがあれば，それを使いたい 
    net = Net()
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
net.to(device)

    Ubuntu での実行結果例

  5. 損失関数と最適化の定義 
    import torch.optim as optim

criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

    Ubuntu での実行結果例

  6. 学習

    「inputs, labels = data[0].to(device), data[1].to(device)」は，GPUでもプログラムが動くようにするための処理 

    for epoch in range(2):  # データセット全体を複数回学習する
    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        # data は [inputs, labels] のリスト
        inputs, labels = data[0].to(device), data[1].to(device)
        # 勾配を初期化
        optimizer.zero_grad()
        # 順伝播 + 逆伝播 + 最適化
        outputs = net(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()
        # 統計を表示
        running_loss += loss.item()
        if i % 2000 == 1999:    # 2000 ミニバッチごとに表示
            print('[%d, %5d] loss: %.3f' % (epoch + 1, i + 1, running_loss / 2000))
            running_loss = 0.0

print('Finished Training')

    Ubuntu での実行結果例

  7. テストデータを用いたテスト 
    dataiter = iter(testloader)
d = next(dataiter)
images, labels = d[0].to(device), d[1].to(device)

# 画像を表示
imshow(torchvision.utils.make_grid(images.cpu()))
outputs = net(images)
_, predicted = torch.max(outputs, 1)
print('Predicted: ', ' '.join('%5s' % classes[predicted[j]] for j in range(4)))
print('GroundTruth: ', ' '.join('%5s' % classes[labels[j]] for j in range(4)))

    Ubuntu での実行結果例