第四次作业：猫狗大战挑战赛

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。