PyTorchを使った画像分類の実践ガイドとステップ解説

PyTorchで画像分類を実装する方法についての質問

PyTorchで画像分類を実装する方法

1. PyTorchのインストール

PyTorchは、オープンソースの機械学習ライブラリです。まずは、PyTorchをインストールします。公式サイトから自分の環境に合ったインストールコマンドを取得できます。一般的には、以下のようにpipを使ってインストールします。

“`bash
pip install torch torchvision
“`

このコマンドで、PyTorchとその関連ライブラリであるtorchvisionがインストールされます。torchvisionは、画像データの前処理やデータセットの利用を簡単にしてくれるライブラリです。

2. データセットの準備

画像分類には、訓練用データセットと検証用データセットが必要です。一般的に、CIFAR-10やMNISTなどの公開データセットを使用することが多いです。これらは、PyTorchのtorchvisionライブラリから簡単に取得できます。

“`python
import torchvision.datasets as datasets
import torchvision.transforms as transforms

transform = transforms.Compose([
transforms.Resize((32, 32)),
transforms.ToTensor(),
])

train_dataset = datasets.CIFAR10(root=’./data’, train=True, download=True, transform=transform)
test_dataset = datasets.CIFAR10(root=’./data’, train=False, download=True, transform=transform)
“`

このコードでは、CIFAR-10データセットをダウンロードし、画像を32×32ピクセルにリサイズしてテンソル形式に変換しています。

3. データローダの設定

データローダを使用することで、データセットをバッチごとに分割し、訓練を効率的に進めることができます。

“`python
from torch.utils.data import DataLoader

train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True)
test_loader = DataLoader(test_dataset, batch_size=64, shuffle=False)
“`

ここでは、バッチサイズを64に設定し、訓練データをシャッフルしています。これにより、モデルがデータをより効果的に学習できるようになります。

4. モデルの定義

画像分類モデルを定義します。ここでは、単純な畳み込みニューラルネットワーク（CNN）を作成します。

“`python
import torch.nn as nn
import torch.nn.functional as F

class SimpleCNN(nn.Module):
def init(self):
super(SimpleCNN, self).init()
self.conv1 = nn.Conv2d(3, 16, kernel_size=3, padding=1)
self.pool = nn.MaxPool2d(kernel_size=2, stride=2)
self.conv2 = nn.Conv2d(16, 32, kernel_size=3, padding=1)
self.fc1 = nn.Linear(32 * 8 * 8, 128)
self.fc2 = nn.Linear(128, 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, 32 * 8 * 8)
x = F.relu(self.fc1(x))
x = self.fc2(x)
return x
“`

このモデルには、2つの畳み込み層と2つの全結合層があります。入力画像は、まず畳み込み層を通過し、次にプーリング層を通過します。最終的には全結合層を使ってクラス分類を行います。

5. モデルの訓練

モデルを訓練する際には、損失関数とオプティマイザを設定します。ここでは、交差エントロピー損失とSGDオプティマイザを使用します。

“`python
import torch.optim as optim

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

for epoch in range(10): # 10エポックの訓練
for data in train_loader:
inputs, labels = data
optimizer.zero_grad()
outputs = model(inputs)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
“`

このコードでは、訓練データをループ処理し、モデルの出力を計算し、損失を求めてバックプロパゲーションを行います。

6. モデルの評価

訓練後、モデルの精度を評価します。テストデータを用いて、モデルがどれだけ正確に分類できるかを確認します。

“`python
correct = 0
total = 0

with torch.no_grad():
for data in test_loader:
images, labels = data
outputs = model(images)
_, predicted = torch.max(outputs.data, 1)
total += labels.size(0)
correct += (predicted == labels).sum().item()

print(‘Accuracy: %d %%’ % (100 * correct / total))
“`

このコードでは、テストデータに対して予測を行い、正解数をカウントすることで精度を計算します。

7. 推論の実施

モデルの訓練が完了したら、実際に画像を分類することができます。新しい画像をモデルに入力し、予測結果を得ることができます。

“`python
from PIL import Image

image = Image.open(‘path_to_image.jpg’)
image = transform(image).unsqueeze(0) # 形状を調整

with torch.no_grad():
output = model(image)
_, predicted = torch.max(output.data, 1)
print(‘Predicted label:’, predicted.item())
“`

このコードでは、新しい画像を読み込み、事前に定義した変換を適用し、モデルに入力しています。結果として、予測されたラベルが表示されます。

まとめ

以上が、PyTorchを用いた画像分類の基本的な流れです。データの準備からモデルの訓練、評価、推論まで、一連の手続きを理解することで、画像分類モデルを構築できるようになります。初めての方でも、この流れを参考にしながら自分のプロジェクトに取り組んでみてください。