Pytorch从入门到放弃（6）——实现图像多标签的训练与分类

传统的用于执行分类任务的深度学习模型，往往是解决的单分类任务，即为一幅图像只预测一个标签，但现实世界中往往一幅图像中通常是含有多个标签的 。Pytorch中分类任务常用的损失函数CrossEntropyLoss也是处理单标签数据的，无法实现多标签数据端到端的训练。在工作或日常实验中，我们经常会遇到一幅图像中含有多个标签的问题，我们需要怎样来处理呢？下面给出两个解决方案：1、即一幅图像包含几个标签就使这幅图像在一个epoch训练中出现多少次，但每次参与训练时该图像对应的标签是不同的，这种方法是最简单的；2、使用Pytorch的BCELoss，该损失函数支持一幅图像对应多个标签的输入，输入的标签为一组0和1组成的向量。

许多小伙伴咨询如何计算模型的准确率，前段时间一直在忙别的项目，趁着五一假期，将计算模型准确率的方法补全了。补充了两种模型性能计算的方法：1、calculate_acuracy_mode_one(model_pred, labels)函数：需要人为的设定一个阈值，当模型的预测结果（经过sigmoid函数处理的模型输出结果可以视为预测结果为这一类的概率）大于这个阈值则视为图像中含有这一类物体；2、calculate_acuracy_mode_two(model_pred, labels)函数：需要人为的设定每幅图像中含有多少类物体（即：矬子里面拔大个，选择预测概率最大的预测结果作为预测结果），实验中大家可以根据自己的需求选取不同的模型性能计算方式。

首先需要为你的数据集生成一个txt文件，用来存储图像的名称与标签，图像中包含该标签则为1，否则为0。如下所示：

废话不多说，直接上代码：

from PIL import Image
from torch.utils.data import Dataset, DataLoader
import torch
import torch.nn as nn
from torch.optim import lr_scheduler
from torchvision import datasets, models, transforms
import time
import os

# 是否使用gpu运算
use_gpu = torch.cuda.is_available()

# 定义数据的处理方式
data_transforms = {
    'train': transforms.Compose([
        # 将图像进行缩放，缩放为256*256
        transforms.Resize(256),
        # 在256*256的图像上随机裁剪出227*227大小的图像用于训练
        transforms.RandomResizedCrop(227),
        # 图像用于翻转
        transforms.RandomHorizontalFlip(),
        # 转换成tensor向量
        transforms.ToTensor(),
        # 对图像进行归一化操作
        # [0.485, 0.456, 0.406]，RGB通道的均值与标准差
        transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
    ]),
    # 测试集需要中心裁剪，甚至不裁剪，直接缩放为224*224for，不需要翻转
    'val': transforms.Compose([
        transforms.Resize(256),
        transforms.CenterCrop(227),
        transforms.ToTensor(),
        transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
    ]),
}