C# 深度学习框架 TorchSharp 原生训练模型和图像识别-手写数字识别

创建一个控制台项目，示例代码参考example2.2，通过 nuget 引入以下类库：

TorchSharp TorchSharp-cuda-windows TorchVision Maomi.Torch

首先添加以下代码，查找最适合当前设备的工作方式，主要是选择 GPU 开发框架，例如 CUDA、MPS，CPU，有 GPU 就用 GPU，没有 GPU 降级为 CPU。

using Maomi.Torch; Device defaultDevice = MM.GetOpTimalDevice(); torch.set_default_device(defaultDevice); Console.WriteLine("当前正在使用 {defaultDevice}");

下载数据集

训练模型最重要的一步是准备数据，但是准备数据集是一个非常繁杂和耗时间的事情，对于初学者来说也不现实，所以 Pytorch 官方在框架集成了一些常见的数据集，开发者可以直接通过 API 使用这些提前处理好的数据集和标签。

Pytorch 使用torch.utils.data.Dataset表示数据集抽象接口，存储了数据集的样本和对应标签；torch.utils.data.DataLoader表示加载数据集的抽象接口，主要是提供了迭代器。这两套接口是非常重要的，对于开发者自定义的数据集，需要实现这两套接口，自定义加载数据集方式。

Pytorch 有三大领域的类库，分别是 TorchText、TorchVision、TorchAudio，这三个库都自带了一些常用开源数据集，但是 .NET 里社区仓库只提供了 TorchVision，生态严重落后于 Pytorch。TorchVision 是一个工具集，可以从 Fashion-MNIST 等下载数据集以及进行一些数据类型转换等功能。

在本章中，使用的数据集叫 FashionMNIST，Pytorch 还提供了很多数据集，感兴趣的读者参考：https://pytorch.org/vision/stable/datasets.html

现在开始讲解如何通过 TorchSharp 框架加载 FashionMNIST 数据集，首先添加引用：

using TorchSharp; using static TorchSharp.torch; using datasets = TorchSharp.torchvision.datasets; using transforms = TorchSharp.torchvision.transforms;

然后通过接口加载训练数据集和测试数据集：

// 指定训练数据集 var training_data = datasets.FashionMNIST( root: "data", // 数据集在那个目录下 train: true, // 加载该数据集，用于训练 download: true, // 如果数据集不存在，是否下载 target_transform: transforms.ConvertImageDtype(ScalarType.Float32) // 指定特征和标签转换，将标签转换为Float32 ); // 指定测试数据集 var test_data = datasets.FashionMNIST( root: "data", // 数据集在那个目录下 train: false, // 加载该数据集，用于训练 download: true, // 如果数据集不存在，是否下载 target_transform: transforms.ConvertImageDtype(ScalarType.Float32) // 指定特征和标签转换，将标签转换为Float32 );

部分参数解释如下：

• root是存放训练/测试数据的路径。
• train指定训练或测试数据集。
• download=True如果root中没有数据，则从互联网下载数据。
• transform和target_transform指定特征和标签转换。

注意，与 Python 版本有所差异， Pytorch 官方给出了ToTensor()函数用于将图像转换为 torch.Tensor 张量类型，但是由于 C# 版本并没有这个函数，因此只能手动指定一个转换器。

启动项目，会自动下载数据集，接着在程序运行目录下会自动创建一个 data 目录，里面是数据集文件，包括用于训练的数据和测试的数据集。

文件内容如下所示，子目录 test_data 里面的是测试数据集，用于检查模型训练情况和优化。

│ t10k-images-idx3-ubyte.gz │ t10k-labels-idx1-ubyte.gz │ train-images-idx3-ubyte.gz │ train-labels-idx1-ubyte.gz │ └───test_data t10k-images-idx3-ubyte t10k-labels-idx1-ubyte train-images-idx3-ubyte train-labels-idx1-ubyte

显示图片

数据集是 Dataset 类型，继承了Dataset<Dictionary<string, Tensor>>类型，Dataset 本质是列表，我们把 Dataset 列表的 item 称为数据，每个 item 都是一个字典类型，每个字典由 data、label 两个 key 组成。

在上一节，已经编写好如何加载数据集，将训练数据和测试数据分开加载，为了了解 Dataset ，读者可以通过以下代码将数据集的结构打印到控制台。

for (int i = 0; i < training_data.Count; i++) { var dic = training_data.GetTensor(i); var img = dic["data"]; var label = dic["label"]; label.print(); }

通过观察控制台，可以知道，每个数据元素都是一个字典，每个字典由 data、label 两个 key 组成,dic["data"]是一个图片，而 label 就是表示该图片的文本值是什么。

Maomi.Torch 框架提供了将张量转换为图片并显示的方法，例如下面在窗口显示数据集前面的三张图片：

for (int i = 0; i < training_data.Count; i++) { var dic = training_data.GetTensor(i); var img = dic["data"]; var label = dic["label"]; if (i > 2) { break; } img.ShowImage(); }

使用 Maomi.ScottPlot.Winforms 库，还可以通过img.ShowImageToForm()接口通过窗口的形式显示图片。

你也可以直接转存为图片：

img.SavePng("data/{i}.png");

加载数据集

由于 FashionMNIST 数据集有 6 万张图片，一次性加载所有图片比较消耗内存，并且一次性训练对 GPU 的要求也很高，因此我们需要分批处理数据集。

torch.utils.data中有数据加载器，可以帮助我们分批加载图片集到内存中，开发时使用迭代器直接读取，不需要关注分批情况。

如下面所示，分批加载数据集，批处理大小是 64 张图片。

// 分批加载图像，打乱顺序 var train_loader = torch.utils.data.DataLoader(training_data, batchSize: 64, shuffle: true, device: defaultDevice); // 分批加载图像，不打乱顺序 var test_loader = torch.utils.data.DataLoader(test_data, batchSize: 64, shuffle: false, device: defaultDevice);

注意，分批是在 DataLoader 内部发生的，我们可以理解为缓冲区大小，对于开发者来说，并不需要关注分批情况。

定义网络

接下来定义一个神经网络，神经网络有多个层，通过神经网络来训练数据，通过数据的训练可以的出参数、权重等信息，这些信息会被保存到模型中，加载模型时，必须要有对应的网络结构，比如神经网络的层数要相同、每层的结构一致。

该网络通过接受28*28大小的图片，经过处理后输出 10 个分类值，每个分类结果都带有其可能的概率，概率最高的就是识别结果。

将以下代码存储到 NeuralNetwork.cs 中。

using TorchSharp.Modules; using static TorchSharp.torch; using nn = TorchSharp.torch.nn; public class NeuralNetwork : nn.Module<Tensor, Tensor> { // 传递给基类的参数是模型的名称 public NeuralNetwork() : base(nameof(NeuralNetwork)) { flatten = nn.Flatten(); linear_relu_stack = nn.Sequential( nn.Linear(28 * 28, 512), nn.ReLU(), nn.Linear(512, 512), nn.ReLU(), nn.Linear(512, 10)); // C# 版本需要调用这个函数，将模型的组件注册到模型中 RegisterComponents(); } Flatten flatten; Sequential linear_relu_stack; public override Tensor forward(Tensor input) { // 将输入一层层处理并传递给下一层 var x = flatten.call(input); var logits = linear_relu_stack.call(x); return logits; } }

注意，网络中只能定义字段，不要定义属性；不要使用_开头定义字段；

然后继续在 Program 里继续编写代码，初始化神经网络，并使用 GPU 来加载网络。

var model = new NeuralNetwork(); model.to(defaultDevice);

优化模型参数

为了训练模型，需要定义一个损失函数和一个优化器，损失函数的主要作用是衡量模型的预测结果与真实标签之间的差异，即误差或损失，有了损失函数后，通过优化器可以指导模型参数的调整，使预测结果能够逐步靠近真实值，从而提高模型的性能。Pytorch 自带很多损失函数，这里使用计算交叉熵损失的损失函数。

// 定义损失函数、优化器和学习率 var loss_fn = nn.CrossEntropyLoss(); var optimizer = torch.optim.SGD(model.parameters(), learningRate : 1e-3);

同时，优化器也很重要，是用于调整模型参数以最小化损失函数的模块。

因为损失函数比较多，但是优化器就那么几个，所以这里简单列一下 Pytorch 中自带的一些优化器。

• SGD（随机梯度下降）：通过按照损失函数的梯度进行线性步长更新权重；
• Adam（自适应矩估计）：基于一阶和二阶矩估计的优化算法，它能自适应地调整学习率，对大多数问题效果较好；
• RMSprop：适用于处理非平稳目标，能够自动进行学习率的调整；
• AdamW（带权重衰减的 Adam）：在 Adam 的基础上添加了权重衰减（weight decay），防止过拟合。

训练模型

接下来讲解训练模型的步骤，如下代码所示。

下面是详细步骤：

• 每读取一张图片，就使用神经网络进行识别(.call()函数)，pred为识别结果；
• 通过损失函数判断网络的识别结果和标签值的误差；
• 通过损失函数反向传播，计算网络的梯度等；
• 通过 SGD 优化器，按照损失函数的梯度进行线性步长更新权重，optimizer.step()会调整模型的权重，根据计算出来的梯度来更新模型的参数，使模型逐步接近优化目标。
• 因为数据是分批处理的，因此计算当前批次的梯度后，需要使用optimizer.zero_grad()重置当前所有梯度。
• 计算训练成果，即打印当前训练进度和损失值。