菅間修正済み 2025/05/15
【原題】Learn the Basics
【原著】 Suraj Subramanian、Seth Juarez 、Cassie Breviu 、Dmitry Soshnikov、Ari Bornstein
【元URL】https://pytorch.org/tutorials/beginner/basics/quickstart_tutorial.html
【翻訳】電通国際情報サービスISID AIトランスフォーメーションセンター 小川 雄太郎
【日付】2021年03月20日
【チュトーリアル概要】
本チュートリアルでは、機械学習を実行するためのPyTorchの各APIを紹介します。詳細を知りたい方は、各セクションのリンク先をご参照ください。
【注意】
ディープラーニングフレームワークの経験があり、ディープラーニングの実装に慣れている方は、本チュートリアルをまず確認し、PyTorchのAPIに慣れてください。
ディープラーニングフレームワークを利用した実装に初めて取り組む方は、本チュートリアルからではなく、
「PyTorch入門 1. テンソル」から、1 stepずつ進めてください。
PyTorchではデータを取り扱う際に、基本的な要素が2つ存在します。
torch.utils.data.Datasetとtorch.utils.data.DataLoaderです。
Dataset は各ラベルと、それに対応するサンプルデータを保持します。
DataLoader はDatasetをイテレーティブに（＝反復処理可能に）操作できるようラップしたものになります。
import torch
from torch import nn
from torch.utils.data import DataLoader
from torchvision import datasets
from torchvision.transforms import ToTensor, Lambda, Compose
import matplotlib.pyplot as plt
PyTorchには以下に示すようなドメイン固有のライブラリが存在し、それぞれにデータセットが用意されています。
本チュートリアルでは、TorchVisionのデータセットを使用します。
torchvision.datasets モジュールには、画像データの Dataset オブジェクトがたくさん用意されています。
例えば、CIFAR, COCOなどです (データセット一覧はこちらから)。
本チュートリアルでは、FashionMNISTデータセットを使用します。
TorchVisionの すべてのDataset には2つの引数があります。
transform と target_transform であり、それぞれサンプルとラベルの変換処理を行います。
# 訓練データをdatasetsからダウンロード
training_data = datasets.FashionMNIST(
root="data",
train=True,
download=True,
transform=ToTensor(),
)
# テストデータをdatasetsからダウンロード
test_data = datasets.FashionMNIST(
root="data",
train=False,
download=True,
transform=ToTensor(),
)
Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/train-images-idx3-ubyte.gz to data/FashionMNIST/raw/train-images-idx3-ubyte.gz
HBox(children=(FloatProgress(value=0.0, max=26421880.0), HTML(value='')))
Extracting data/FashionMNIST/raw/train-images-idx3-ubyte.gz to data/FashionMNIST/raw Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/train-labels-idx1-ubyte.gz to data/FashionMNIST/raw/train-labels-idx1-ubyte.gz
HBox(children=(FloatProgress(value=0.0, max=29515.0), HTML(value='')))
Extracting data/FashionMNIST/raw/train-labels-idx1-ubyte.gz to data/FashionMNIST/raw Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/t10k-images-idx3-ubyte.gz to data/FashionMNIST/raw/t10k-images-idx3-ubyte.gz
HBox(children=(FloatProgress(value=0.0, max=4422102.0), HTML(value='')))
Extracting data/FashionMNIST/raw/t10k-images-idx3-ubyte.gz to data/FashionMNIST/raw Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/t10k-labels-idx1-ubyte.gz to data/FashionMNIST/raw/t10k-labels-idx1-ubyte.gz
HBox(children=(FloatProgress(value=0.0, max=5148.0), HTML(value='')))
Extracting data/FashionMNIST/raw/t10k-labels-idx1-ubyte.gz to data/FashionMNIST/raw Processing... Done!
/usr/local/lib/python3.7/dist-packages/torchvision/datasets/mnist.py:479: UserWarning: The given NumPy array is not writeable, and PyTorch does not support non-writeable tensors. This means you can write to the underlying (supposedly non-writeable) NumPy array using the tensor. You may want to copy the array to protect its data or make it writeable before converting it to a tensor. This type of warning will be suppressed for the rest of this program. (Triggered internally at /pytorch/torch/csrc/utils/tensor_numpy.cpp:143.) return torch.from_numpy(parsed.astype(m[2], copy=False)).view(*s)
DataLoaderの引数としてDatasetを渡します。
DataLoaderはDatasetをイテレート処理できるようにラップしたものです。
バッチ処理、サンプリング、シャッフル、マルチプロセスでのデータ読み込み等をサポートしています。
以下では、バッチサイズを64と定義します。
つまり、データローダの反復要素は、64個の特徴量とラベルから構成されるバッチを返すことになります。
batch_size = 64
# データローダーの作成
train_dataloader = DataLoader(training_data, batch_size=batch_size)
test_dataloader = DataLoader(test_data, batch_size=batch_size)
for X, y in test_dataloader:
print("Shape of X [N, C, H, W]: ", X.shape)
print("Shape of y: ", y.shape, y.dtype)
break
Shape of X [N, C, H, W]: torch.Size([64, 1, 28, 28]) Shape of y: torch.Size([64]) torch.int64
さらなる詳細は、「PyTorch入門 2. データセットとデータローダー」をご覧ください。
# 訓練に際して、可能であればGPU（cuda）を設定します。GPUが搭載されていない場合はCPUを使用します
device = "cuda" if torch.cuda.is_available() else "cpu"
print("Using {} device".format(device))
# modelを定義します
class NeuralNetwork(nn.Module):
def __init__(self):
super(NeuralNetwork, self).__init__()
self.flatten = nn.Flatten()
self.linear_relu_stack = nn.Sequential(
nn.Linear(28*28, 512),
nn.ReLU(),
nn.Linear(512, 512),
nn.ReLU(),
nn.Linear(512, 10),
nn.ReLU()
)
def forward(self, x):
x = self.flatten(x)
logits = self.linear_relu_stack(x)
return logits
model = NeuralNetwork().to(device)
print(model)
Using cuda device
NeuralNetwork(
(flatten): Flatten(start_dim=1, end_dim=-1)
(linear_relu_stack): Sequential(
(0): Linear(in_features=784, out_features=512, bias=True)
(1): ReLU()
(2): Linear(in_features=512, out_features=512, bias=True)
(3): ReLU()
(4): Linear(in_features=512, out_features=10, bias=True)
(5): ReLU()
)
)
さらなる詳細は、「PyTorch入門 4. モデル構築」をご覧ください。
ニューラルネットワークモデルを訓練するためには、
損失関数：[loss function](<https://pytorch.org/docs/stable/nn.html#loss-functions)と、最適化手法：[optimizer](https://pytorch.org/docs/stable/optim.html)が必要です。
loss_fn = nn.CrossEntropyLoss()
optimizer = torch.optim.SGD(model.parameters(), lr=1e-3)
1回の訓練ループにおいてモデルは、まず訓練データのバッチに対して推論を実行して損失誤差を計算し、
その後、損失誤差をバックプロパゲーションして、モデルパラメータを更新します。
def train(dataloader, model, loss_fn, optimizer):
size = len(dataloader.dataset)
for batch, (X, y) in enumerate(dataloader):
X, y = X.to(device), y.to(device)
# 損失誤差を計算
pred = model(X)
loss = loss_fn(pred, y)
# バックプロパゲーション
optimizer.zero_grad()
loss.backward()
optimizer.step()
if batch % 100 == 0:
loss, current = loss.item(), batch * len(X)
print(f"loss: {loss:>7f} [{current:>5d}/{size:>5d}]")
また、モデルがうまく学習していることを確認するために、テストデータセットに対するモデルの性能も確認します。
def test(dataloader, model):
size = len(dataloader.dataset)
model.eval()
test_loss, correct = 0, 0
with torch.no_grad():
for X, y in dataloader:
X, y = X.to(device), y.to(device)
pred = model(X)
test_loss += loss_fn(pred, y).item()
correct += (pred.argmax(1) == y).type(torch.float).sum().item()
test_loss /= size
correct /= size
print(f"Test Error: \n Accuracy: {(100*correct):>0.1f}%, Avg loss: {test_loss:>8f} \n")
訓練プロセスでは複数イテレーションを実行します。
各エポックの間、モデルはより良い予測ができるようにパラメータを学習します。
エポックごとにモデルの正解率と損失を出力して、正解率が向上し、損失が低下していっているかを確認します。
epochs = 5
for t in range(epochs):
print(f"Epoch {t+1}\n-------------------------------")
train(train_dataloader, model, loss_fn, optimizer)
test(test_dataloader, model)
print("Done!")
Epoch 1 ------------------------------- loss: 2.301979 [ 0/60000] loss: 2.295124 [ 6400/60000] loss: 2.284376 [12800/60000] loss: 2.288383 [19200/60000] loss: 2.268149 [25600/60000] loss: 2.254719 [32000/60000] loss: 2.270254 [38400/60000] loss: 2.246339 [44800/60000] loss: 2.241662 [51200/60000] loss: 2.233782 [57600/60000] Test Error: Accuracy: 43.3%, Avg loss: 0.034994 Epoch 2 ------------------------------- loss: 2.231522 [ 0/60000] loss: 2.210618 [ 6400/60000] loss: 2.192281 [12800/60000] loss: 2.215005 [19200/60000] loss: 2.170340 [25600/60000] loss: 2.148389 [32000/60000] loss: 2.188285 [38400/60000] loss: 2.142316 [44800/60000] loss: 2.142076 [51200/60000] loss: 2.123532 [57600/60000] Test Error: Accuracy: 49.5%, Avg loss: 0.033262 Epoch 3 ------------------------------- loss: 2.127300 [ 0/60000] loss: 2.077713 [ 6400/60000] loss: 2.049166 [12800/60000] loss: 2.102314 [19200/60000] loss: 2.012621 [25600/60000] loss: 1.986534 [32000/60000] loss: 2.057269 [38400/60000] loss: 1.985027 [44800/60000] loss: 1.993565 [51200/60000] loss: 1.959538 [57600/60000] Test Error: Accuracy: 50.6%, Avg loss: 0.030740 Epoch 4 ------------------------------- loss: 1.974593 [ 0/60000] loss: 1.889323 [ 6400/60000] loss: 1.855161 [12800/60000] loss: 1.948702 [19200/60000] loss: 1.805147 [25600/60000] loss: 1.800751 [32000/60000] loss: 1.890557 [38400/60000] loss: 1.820225 [44800/60000] loss: 1.823090 [51200/60000] loss: 1.773963 [57600/60000] Test Error: Accuracy: 52.1%, Avg loss: 0.028117 Epoch 5 ------------------------------- loss: 1.812737 [ 0/60000] loss: 1.707683 [ 6400/60000] loss: 1.678397 [12800/60000] loss: 1.798960 [19200/60000] loss: 1.624687 [25600/60000] loss: 1.650796 [32000/60000] loss: 1.733265 [38400/60000] loss: 1.689869 [44800/60000] loss: 1.670190 [51200/60000] loss: 1.615566 [57600/60000] Test Error: Accuracy: 52.6%, Avg loss: 0.025900 Done!
さらなる詳細は、「PyTorch入門 6. 最適化」をご覧ください。
モデルを保存する一般的な方法は、モデルの内部状態の辞書（モデルのパラメータを含む）をシリアル化する手法です。
torch.save(model.state_dict(), "model.pth")
print("Saved PyTorch Model State to model.pth")
Saved PyTorch Model State to model.pth
モデルの読み込む際には、まずモデルの構造を再作成し、そのインスタンスに、保存しておいた状態辞書をロードします。
model = NeuralNetwork()
model.load_state_dict(torch.load("model.pth"))
<All keys matched successfully>
これでモデルは推論可能な状態です。
classes = [
"T-shirt/top",
"Trouser",
"Pullover",
"Dress",
"Coat",
"Sandal",
"Shirt",
"Sneaker",
"Bag",
"Ankle boot",
]
model.eval()
x, y = test_data[0][0], test_data[0][1]
with torch.no_grad():
pred = model(x)
predicted, actual = classes[pred[0].argmax(0)], classes[y]
print(f'Predicted: "{predicted}", Actual: "{actual}"')
Predicted: "Ankle boot", Actual: "Ankle boot"
さらなる詳細は、「PyTorch入門 7. モデルの保存・読み込み」をご覧ください。
以上。