【学习记录-街景字符识别】TASK5：模型集成

1.集成学习方法

为了提高模型精度，可以采用集成学习方法。
集成学习就是通过构建并结合多个学习器来完成学习任务，有时也被称为多分类器系统、基于委员会的学习等。常可获得比单一学习器显著优越的泛化性能，这对“弱学习器”尤为明显。

常见的集成学习方法有：Stacking,Bagging,Boosting，这些集成学习方法与具体验证集划分联系紧密。
验证集的划分上一次已经讲过，在深度学习模型中一般需要较长的训练周期，如果硬件设备不允许的话可以选择留出法，如果要求精度高硬件设备也允许的话，可以采用交叉验证法。

下面假设构建了10折交叉验证，训练得到10个CNN模型：

那么在10个CNN模型可以使用如下方式进行集成：
1.对预测的结果的概率值进行平均，然后解码为具体字符；
2.对预测的字符进行投票，得到最终字符。

2.深度学习中的集成学习

2.1 Dropout

Dropout可以随机让网络中某一部分节点停止工作，同时在预测过程中让所有节点都起作用。

Dropout可以有效缓解模型过拟合，也可以增加模型的精度。
加入Dropout 的网络结构如下：

#<div STYLE="page-break-after: always;"></div>
# 定义模型
class SVHN_Model1(nn.Module):
    def __init__(self):
        super(SVHN_Model1, self).__init__()
        # CNN提取特征模块
        self.cnn = nn.Sequential(
            nn.Conv2d(3, 16, kernel_size=(3, 3), stride=(2, 2)),
            nn.ReLU(),
            nn.Dropout(0.25),
            nn.MaxPool2d(2),
            nn.Conv2d(16, 32, kernel_size=(3, 3), stride=(2, 2)),
            nn.ReLU(),
            nn.Dropout(0.25),
            nn.MaxPool2d(2),
            )
        self.fc1 = nn.Linear(32*3*7, 11)
        self.fc2 = nn.Linear(32*3*7, 11)
        self.fc3 = nn.Linear(32*3*7, 11)
        self.fc4 = nn.Linear(32*3*7, 11)
        self.fc5 = nn.Linear(32*3*7, 11)
        self.fc6 = nn.Linear(32*3*7, 11)
    def forward(self, img):
        feat = self.cnn(img)
        feat = feat.view(feat.shape[0], -1)
        c1 = self.fc1(feat)
        c2 = self.fc2(feat)
        c3 = self.fc3(feat)
        c4 = self.fc4(feat)
        c5 = self.fc5(feat)
        c6 = self.fc6(feat)
        return c1, c2, c3, c4, c5, c6

2.2 TTA

TTA是Test Time Augmentation的简称，也就是测试集数据扩增，数据扩增不仅可以在训练时候用，也可以在预测时候用，对同一个样本预测三次然后对结果求平均。

def predict(test_loader, model, tta=10):
    model.eval()
    test_pred_tta = None
    # TTA 次数
    for _ in range(tta):
        test_pred = []
        with torch.no_grad():
            for i, (input, target) in enumerate(test_loader):
                c0, c1, c2, c3, c4, c5 = model(data[0])
                output = np.concatenate([c0.data.numpy(), c1.data.numpy(),
                    c2.data.numpy(), c3.data.numpy(),
                    c4.data.numpy(), c5.data.numpy()], axis=1)
                test_pred.append(output)

        test_pred = np.vstack(test_pred)
        if test_pred_tta is None:
            test_pred_tta = test_pred
        else:
            test_pred_tta += test_pred
    return test_pred_tta

2.3 Snapshot

假如只训练了一个CNN模型，可以使用Snapshot Ensembles中的cyclical learning rate 进行训练模型，并保存精度比较好的一些checkpoint，最后将多个checkpoint进行模型集成。

由于在cyclical learning rate中学习率的变化有周期性变大和减少的行为，因此CNN模型很有可能跳出局部最优进入另一个局部最优。在Snapshot论文中作者通过使用表明，此种方法可以在一定程度上提高模型精度，但需要更长的训练时间。

3.结果后处理

对结果处理可以通过以下两种方式：
1.统计图片中每个位置字符出现的频率，使用规则修正结果
2.单独训练一个字符长度预测模型，用来预测图片中字符个数，并修正结果。

4.小结

短暂的打卡转眼已经到了尾声，想来也有许多的收获，从baseline开始才算真正接触成型的代码，接触了深度学习的一些内容，虽然编程基础还比较差，但还是在努力跟进着，由于疫情的原因，家里只有一台老台式，生产力跟不上很恼火，训练也只跑成了个零点四几，学完今天的内容再对代码改进一下，再跑一遍试试吧。两个epoch跑一天真实难为人了。