cat VS dog.ipynb
import numpy as np
import matplotlib.pyplot as plt
import os
import torch
import torch.nn as nn
import torchvision
from torchvision import models,transforms,datasets
import time
import json
# 判断是否存在GPU设备
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print('Using gpu: %s ' % torch.cuda.is_available())
1. 下载数据
用的是老师提供的1800张图片进行训练
2. 数据处理
normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
vgg_format = transforms.Compose([
transforms.CenterCrop(224),
transforms.ToTensor(),
normalize,
])
data_dir = './dogscats'
dsets = {x: datasets.ImageFolder(os.path.join(data_dir, x), vgg_format)
for x in ['train', 'valid']}
dset_sizes = {x: len(dsets[x]) for x in ['train', 'valid']}
dset_classes = dsets['train'].classes
3. 创建 VGG Model
下载使用ImageNet (120万张训练数据) 上预训练好的通用的CNN模型。
model_vgg = models.vgg16(pretrained=True)
with open('./imagenet_class_index.json') as f:
class_dict = json.load(f)
dic_imagenet = [class_dict[str(i)][1] for i in range(len(class_dict))]
inputs_try , labels_try = inputs_try.to(device), labels_try.to(device)
model_vgg = model_vgg.to(device)
outputs_try = model_vgg(inputs_try)
print(outputs_try)
print(outputs_try.shape)
'''
可以看到结果为5行,1000列的数据,每一列代表对每一种目标识别的结果。
但是我也可以观察到,结果非常奇葩,有负数,有正数,
为了将VGG网络输出的结果转化为对每一类的预测概率,我们把结果输入到 Softmax 函数
'''
m_softm = nn.Softmax(dim=1)
probs = m_softm(outputs_try)
vals_try,pred_try = torch.max(probs,dim=1)
print( 'prob sum: ', torch.sum(probs,1))
print( 'vals_try: ', vals_try)
print( 'pred_try: ', pred_try)
print([dic_imagenet[i] for i in pred_try.data])
imshow(torchvision.utils.make_grid(inputs_try.data.cpu()),
title=[dset_classes[x] for x in labels_try.data.cpu()])
4. 修改最后一层,冻结前面层的参数
卷积层(CONV)是发现图像中局部的 pattern
全连接层(FC)是在全局上建立特征的关联
池化(Pool)是给图像降维以提高特征的 invariance
print(model_vgg)
model_vgg_new = model_vgg;
for param in model_vgg_new.parameters():
param.requires_grad = False #冻结前面层的参数
model_vgg_new.classifier._modules['6'] = nn.Linear(4096, 2)
model_vgg_new.classifier._modules['7'] = torch.nn.LogSoftmax(dim = 1)
model_vgg_new = model_vgg_new.to(device)
print(model_vgg_new.classifier)
5. 训练并测试全连接层
'''
第一步:创建损失函数和优化器
损失函数 NLLLoss() 的 输入 是一个对数概率向量和一个目标标签.
它不会为我们计算对数概率,适合最后一层是log_softmax()的网络.
'''
criterion = nn.NLLLoss()
# 学习率
#学习率是一个超参数,它控制了我们在多大程度上调整了我们的网络的权重,并对损失梯度进行了调整。
#值越低,沿着向下的斜率就越慢。虽然这可能是个好的办法(使用低学习率),以确保我们不会错过任何局部极小值
#但这也可能意味着我们要花很长时间才会收敛——尤其是如果我们陷入了停滞不前的区域。
lr = 0.001
# 随机梯度下降
optimizer_vgg = torch.optim.SGD(model_vgg_new.classifier[6].parameters(),lr = lr)
'''
第二步:训练模型
'''
def train_model(model,dataloader,size,epochs=1,optimizer=None):
model.train()
for epoch in range(epochs):
running_loss = 0.0
running_corrects = 0
count = 0
for inputs,classes in dataloader:
inputs = inputs.to(device)
classes = classes.to(device)
outputs = model(inputs)
loss = criterion(outputs,classes)
optimizer = optimizer
optimizer.zero_grad()
loss.backward()
optimizer.step()
_,preds = torch.max(outputs.data,1)
# statistics
running_loss += loss.data.item()
running_corrects += torch.sum(preds == classes.data)
count += len(inputs)
print('Training: No. ', count, ' process ... total: ', size)
epoch_loss = running_loss / size
epoch_acc = running_corrects.data.item() / size
print('Loss: {:.4f} Acc: {:.4f}'.format(
epoch_loss, epoch_acc))
# 模型训练
train_model(model_vgg_new,loader_train,size=dset_sizes['train'], epochs=1,
optimizer=optimizer_vgg)
这里训练了处理过的1800张数据得到的结果,可以看到正确率为0.8222。
这里对2000张图进行验证,可以看到正确率为0.9685
(?图片没传上来)
优化调参
step1.修改优化器
由SGD优化器改为Adam优化器
保存模型为: model_Adam
53 optimizer_vgg = torch.optim.Adam(model_vgg_new.classifier[6].parameters(), lr=lr)
可以看出对1800张图片训练时的正确率提高到了0.9367
对2000张图片测试时的正确率提高到了0.9805
step2.增加线性层
新增一个线性层
保存模型为 : model_2Linear
'''
可以看到结果为5行,1000列的数据,每一列代表对每一种目标识别的结果。
但是我也可以观察到,结果非常奇葩,有负数,有正数,
为了将VGG网络输出的结果转化为对每一类的预测概率,我们把结果输入到 Softmax 函数
'''
m_softm = nn.Softmax(dim=1)
probs = m_softm(outputs_try)
vals_try,pred_try = torch.max(probs,dim=1)
print( 'prob sum: ', torch.sum(probs,1))
print( 'vals_try: ', vals_try)
print( 'pred_try: ', pred_try)
print([dic_imagenet[i] for i in pred_try.data])
#imshow(torchvision.utils.make_grid(inputs_try.data.cpu()),
#title=[dset_classes[x] for x in labels_try.data.cpu()])
print(model_vgg)
model_vgg_new = model_vgg;
for param in model_vgg_new.parameters():
param.requires_grad = False
model_vgg_new.classifier._modules['6'] = nn.Linear(4096, 4096)
model_vgg_new.classifier._modules['7'] = nn.ReLU(inplace=False)
model_vgg_new.classifier._modules['8'] = nn.Dropout(p=0.5,inplace=False)
model_vgg_new.classifier._modules['9'] = nn.Linear(4096, 2)
model_vgg_new.classifier._modules['10'] = torch.nn.LogSoftmax(dim=1)
model_vgg_new = model_vgg_new.to(device)
print(model_vgg_new.classifier)
训练4次达到了0.9761的正确率
对2000张图片进行测试正确为0.9780
加了一个线性层测试的正确率反而低了。
step3.增加训练轮数epochs为100. 同时再增加一层线性层,保存最后一个训练的模型。
对2000张图片进行测试正确同样为0.9780,可以看出正确率有所增加。
'''
第一步:创建损失函数和优化器
损失函数 NLLLoss() 的 输入 是一个对数概率向量和一个目标标签.
它不会为我们计算对数概率,适合最后一层是log_softmax()的网络.
'''
criterion = nn.NLLLoss()
# 学习率
lr = 0.001
# 随机梯度下降
optimizer_vgg = torch.optim.Adam(model_vgg_new.classifier[6].parameters(),lr = lr)
'''
第二步:训练模型
'''
def train_model(model,dataloader,size,epochs=100,optimizer=None):
model.train()
for epoch in range(epochs):
running_loss = 0.0
running_corrects = 0
count = 0
for inputs,classes in dataloader:
inputs = inputs.to(device)
classes = classes.to(device)
outputs = model(inputs)
loss = criterion(outputs,classes)
optimizer = optimizer
optimizer.zero_grad()
loss.backward()
optimizer.step()
_,preds = torch.max(outputs.data,1)
# statistics
running_loss += loss.data.item()
running_corrects += torch.sum(preds == classes.data)
count += len(inputs)
print('Training: No. ', count, ' process ... total: ', size)
epoch_loss = running_loss / size
epoch_acc = running_corrects.data.item() / size
print('Loss: {:.4f} Acc: {:.4f}'.format(
epoch_loss, epoch_acc))
torch.save(model, '/content/drive/MyDrive/Models/model_epoch')
# 模型训练
train_model(model_vgg_new,loader_train,size=dset_sizes['train'], epochs=100,
optimizer=optimizer_vgg)
step4.将比赛用的数据集与现在的数据集合并并且增加batch_size的大小
一开始不知道怎么合并,问了问同学才知道就是用很原始的方法,直接把要添加的图片拖到老师给的数据集里,然后再上传到云盘就可以。但是上传很费时间,而且网络总是断。(目前还在传)。
数据集图片数量增大了之后,可以考虑增加batch_size,这种方法对于大规模的数据的训练很有效。
已经上传好数据集了,这里注意数据集的数据机构。我同时增加了训练次数。
我把batch_size设置为128,一共有21800个图片,所以需要171组数据。
30多轮的时候正确率大概是0.9857 了,所以我的batch_size设置的太大了,特别费时间,不知道怎么中途改变训练次数,而且GPU使用达到了上限了,所以第二天就设置了30轮。
训练30次的正确率大概是0.9878
测试的正确率是0.4290(不知道为什么这么低)
在比赛集上测试并且生成结果文件
step1.修改优化器为Adam
step2.新增一个线性层
step3.新增两个线性层并且增加了训练次数
step4 将比赛用的数据集与现在的数据集合并并且增加batch_size的大小
遇到的问题
开始很困难,遇到了各种各样的bug,有时候是很低级的错误,比如
1.图片不知道为什么破损了
出现这种错误可能是缺少库,还有一次是代码对齐出现问题,没有写到函数里。
Q:Step4的时候在测试的时候正确率非常低,但是出来的结果正确率却比之前上升了,不知道是什么原因。