文章目录
1.实验内容
本次作业的主要内容为:图像分类、迁移学习、VGG模型
请参考第五周的实验《用VGG16进行CIFAR10分类》《猫狗大战》
这个作业为 Kaggle 于2013年举办的猫狗大战比赛,判断一张输入图像是“猫”还是“狗”。该教程使用在 ImageNet 上预训练 的 VGG 网络进行测试。因为原网络的分类结果是1000类,所以这里进行迁移学习,对原网络进行 fine-tune (即固定前面若干层,作为特征提取器,只重新训练最后两层)。
大家仔细学习代码教程,然后研读AI研习社猫狗大战赛题的要求:https://god.yanxishe.com/41 (目前比赛已经结束,但仍可做为练习赛每天提交测试结果)
下载比赛的测试集(包含2000张图片),利用fine-tune的VGG模型进行测试,按照比赛规定的格式输出,上传结果评测(练习赛每天仅可评测5次)。我已进行测试,VGG模型训练 1 个 epoch 的准确率约为 96.1 %。
2.实验过程
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())
2.1下载数据
因为这个代码需要在colab上跑,速度会相对较慢。因此采用的训练集包含1800张图(猫的图片900张,狗的图片900张),测试集包含2000张图。下载地址为:http://fenggao-image.stor.sinaapp.com/dogscats.zip
#下载数据
! wget http://fenggao-image.stor.sinaapp.com/dogscats.zip
! unzip dogscats.zip
下载AI研习社中的数据并将test中数据上传到colab中,对文件解压并放在Yanxishe文件下
!unzip test.zip
2.2数据处理
datasets 是 torchvision 中的一个包,可以用做加载图像数据。它可以以多线程(multi-thread)的形式从硬盘中读取数据,使用 mini-batch 的形式,在网络训练中向 GPU 输送。在使用CNN处理图像时,需要进行预处理。图片将被整理成 224 × 224 × 3 224\times 224 \times 3 224×224×3 的大小,同时还将进行归一化处理。
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
2.3创建VGG Model
!wget https://s3.amazonaws.com/deep-learning-models/image-models/imagenet_class_index.json
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)
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])
2.4修改最后一层,冻结前面层的参数
我们的目标是使用预训练好的模型,因此,需要把最后的 nn.Linear 层由1000类,替换为2类。为了在训练中冻结前面层的参数,需要设置 required_grad=False。这样,反向传播训练梯度时,前面层的权重就不会自动更新了。训练中,只会更新最后一层的参数。
#原代码
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, 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)
#改进后的代码
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.Linear(4096, 2)
model_vgg_new.classifier._modules['9'] = torch.nn.LogSoftmax(dim = 1)
model_vgg_new = model_vgg_new.to(device)
print(model_vgg_new.classifier)
如上述代码可知,在本次实验中,增加了一次ReLU函数激活以及一次线性连接层
model_vgg_new.classifier._modules['7'] = nn.ReLU(inplace=False)
model_vgg_new.classifier._modules['8'] = nn.Linear(4096, 2)
线性连接层的参数为多次试验后的较优取值
2.5训练并测试全连接层
包括三个步骤:第1步,创建损失函数和优化器;第2步,训练模型;第3步,测试模型。
2.5.1训练模型
criterion = nn.NLLLoss()
# 此处将学习率改为0.0005
lr = 0.0005
# 将梯度下降函数改为Adam
optimizer_vgg = torch.optim.Adam(model_vgg_new.classifier[6].parameters(),lr = lr)
def train_model(model,dataloader,size,epochs=10,optimizer=None):
model.train()
max_acc = 0
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
if epoch_acc > max_acc:
max_acc = epoch
path = './drive/MyDrive/Dogandcatmodel.pth'
torch.save(model,path)
print('Loss: {:.4f} Acc: {:.4f}'.format(
epoch_loss, epoch_acc))
train_model(model_vgg_new,loader_train,size=dset_sizes['train'], epochs=100,
optimizer=optimizer_vgg)
如上诉代码可见,在训练代码中做出三个变化:
- 通过查阅资料及试验可得,Adam在训练模型时效果要略优于SDG,故将代码中得SDG换成Adam
- 增加epoch的数值为100,由于选用训练样本数为1800,故选择增加训练次数来提高所训练的模型的准确性
- 由于每次训练的模型准确率的不相同,故需选择准确率最高训练模型进行测试,增加了几行提取最大值并存入云盘的程序
max_acc = 0
if epoch_acc > max_acc:
max_acc = epoch
path = './drive/MyDrive/Dogandcatmodel.pth'
torch.save(model,path)
2.5.2测试1
首先用训练好的模型来测试老师所提供的2000个模型
def test_model(model,dataloader,size):
model.eval()
predictions = np.zeros(size)
all_classes = np.zeros(size)
all_proba = np.zeros((size,2))
i = 0
running_loss = 0.0
running_corrects = 0
for inputs,classes in dataloader:
inputs = inputs.to(device)
classes = classes.to(device)
outputs = model(inputs)
loss = criterion(outputs,classes)
_,preds = torch.max(outputs.data,1)
# statistics
running_loss += loss.data.item()
running_corrects += torch.sum(preds == classes.data)
predictions[i:i+len(classes)] = preds.to('cpu').numpy()
all_classes[i:i+len(classes)] = classes.to('cpu').numpy()
all_proba[i:i+len(classes),:] = outputs.data.to('cpu').numpy()
i += len(classes)
print('Testing: No. ', i, ' 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))
return predictions, all_proba, all_classes
predictions, all_proba, all_classes = test_model(model_vgg_new,loader_valid,size=dset_sizes['valid'])
训练结果如图所示
2.5.3测试2(AI研习社)
对AI研习社中猫狗大战中给出的测试模型进行测试
dsets_mine = datasets.ImageFolder(r"Yanxishe", vgg_format)
loader_test = torch.utils.data.DataLoader(dsets_mine, batch_size=1, shuffle=False, num_workers=0)
model_vgg_new=torch.load('./drive/MyDrive/Dogandcatmodel.pth')
dic = {}
def test(model,dataloader,size):
model.eval()
predictions = np.zeros(size)
cnt = 0
for inputs,_ in tqdm(dataloader):
inputs = inputs.to(device)
outputs = model(inputs)
_,preds = torch.max(outputs.data,1)
key = dsets_mine.imgs[cnt][0].split("\\")[-1].split('.')[0]
dic[key] = preds[0]
cnt = cnt +1
test(model_vgg_new,loader_test,size=2000)
with open("./drive/MyDrive/result.csv",'a+') as f:
for key in range(2000):
f.write("{},{}\n".format(key,dic["Yanxishe/test/"+str(key)]))
3.实验结果分析和总结
3.1测试结果与分析
将训练结果上传到AI研习社的猫狗大战训练赛中,结果如下:
该结果与未改进前结果相比较提高了2%左右,但仍有较大进步空间,未能达到好的检测效果原因有如下:
- 选用的训练模型为1800张,相对而言较少,若采用20000张图片进行训练或许会得到更好的训练模型
- 对于修改的几层函数的选择不是最优,导致即使在训练阶段将准确率达到100%,但依然不能在实际测试时获得更好的结果
3.2总结
通过本次联系,对于如何改进代码进而优化训练模型有了一定的认识,但还是存在许多需要注意的部分:
- 对于一些代码的具体含义以及各种训练模型时所用的细节以及具体工作过程还要更加深入了解
- 在colab上以及Google云盘上对数据的处理也要再进行学习
最后要感谢老师以及各位同学的悉心指导