OUC_SE_Group014_Blog4-CSDN博客

本文链接：https://blog.csdn.net/m0_51501882/article/details/127434055

本博客系OUC软件工程第四次作业：第四次作业：CNN实战

第四次作业：CNN实战

文章目录

一、猫狗大战VGG模型的迁移学习
二、AI研习社“猫狗大战”比赛

一、猫狗大战VGG模型的迁移学习

第一步，导入数据处理和数据可视化的包，在此略。

下载数据

根据指导说明中给出的下载地址，下载数据集。

! wget http://fenggao-image.stor.sinaapp.com/dogscats.zip
! unzip dogscats.zip

在这里插入图片描述

2. 数据处理

datasets 是 torchvision 中的一个包，可以用做加载图像数据。
在使用CNN处理图像时，需要进行预处理。图片将被整理成 $224\times 224 \times 3$ 的大小，同时还将进行归一化处理。

使用如下代码加载数据，并对数据做预处理（归一化）

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

# 通过下面代码可以查看 dsets 的一些属性

print(dsets['train'].classes)
print(dsets['train'].class_to_idx)
print(dsets['train'].imgs[:5])
print('dset_sizes: ', dset_sizes)

在这里插入图片描述

可以看到 train 训练集一共有2类，分别为 ’cat‘和’dog‘
根据分类和id的对应字典可以看出，'cat’对应0，'dog’对应1
还可以看到，一共有两个数据集，'train’训练集和’valid’测试集

loader_train = torch.utils.data.DataLoader(dsets['train'], batch_size=64, shuffle=True, num_workers=6)
loader_valid = torch.utils.data.DataLoader(dsets['valid'], batch_size=5, shuffle=False, num_workers=6)


'''
valid 数据一共有2000张图，每个batch是5张，因此，下面进行遍历一共会输出到 400 个batch
同时，把第一个 batch 保存到 inputs_try, labels_try，分别查看
'''
count = 1
for data in loader_valid:
    print(count, end='\n')
    if count == 1:
        inputs_try,labels_try = data
    count +=1

print('labels_try:', labels_try)
print('inputs_try.shape', inputs_try.shape)

# labels_try: tensor([0, 0, 0, 0, 0])
# inputs_try.shape torch.Size([5, 3, 224, 224]), 图片将被整理成 224*224*3 的大小，同时还将进行归一化处理。前面的5是5个 batch 的意思。

创建了两个DataLoader：
- 对于’train’训练集，batch_size=64，表示每次读取64张图片，同时shuffle=True，表示打乱顺序，是为了提高训练的准确率。
- 对于’valid’，每个batch是5个，不打乱顺序。

可以看到第一个batch如下
在这里插入图片描述

batch=5，所以一共有5个标签
每个batch有5个，每个的尺寸为： $3\times224\times224$

再来定义一个图片可视化的函数：

# 显示图片的小程序

def imshow(inp, title=None):
#   Imshow for Tensor.
    inp = inp.numpy().transpose((1, 2, 0))
    mean = np.array([0.485, 0.456, 0.406])
    std = np.array([0.229, 0.224, 0.225])
    inp = np.clip(std * inp + mean, 0,1)
    plt.imshow(inp)
    if title is not None:
        plt.title(title)
    plt.pause(0.001)  # pause a bit so that plots are updated

效果如下：
在这里插入图片描述

3. 创建 VGG Model

我们直接使用预训练好的 VGG 模型。同时，为了展示 VGG 模型对本数据的预测结果，还下载了 ImageNet 1000 个类的 JSON 文件。
在这部分代码中，对输入的5个图片利用VGG模型进行预测，同时，使用softmax对结果进行处理，随后展示了识别结果。可以看到，识别结果是比较非常准确的。

!wget https://s3.amazonaws.com/deep-learning-models/image-models/imagenet_class_index.json

在这里插入图片描述
查看预训练好的模型

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()])

在这里插入图片描述

该模型的训练效果很好，准确率非常高。
在 torch.Size 中可以看出，每张图片都有1000个数据，表示1000种，其实我们不需要这么多。

4. 修改最后一层，冻结前面层的参数

VGG 模型如下图所示，注意该网络由三种元素组成：

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

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。

我的理解如下：

因为要使用预训练好的模型，因此参数不需要改动
但是最后一层的输出由1000类，替换为2类，因此最后一层的参数需要改变，又根据上一点，最后的结论是：保留前面的参数，只训练最后一层的参数。

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)
# 可以看到分类器的第六层和第七层更改后的结果。
print(model_vgg_new.classifier)

在这里插入图片描述
可以看到，经过修改，网络的的全连接层的输出变为了两个，同时最后一层用 Softmax 进行了处理。

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。

'''
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.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)

定义了学习率 lr，以及随机梯度下降函数。

定义测试模型


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'])

6. 可视化模型预测结果（主观分析）

在这里插入图片描述


# 单次可视化显示的图片个数
n_view = 8
correct = np.where(predictions==all_classes)[0]
from numpy.random import random, permutation
idx = permutation(correct)[:n_view]
print('random correct idx: ', idx)
loader_correct = torch.utils.data.DataLoader([dsets['valid'][x] for x in idx],
                  batch_size = n_view,shuffle=True)
# 可视化输出图片
for data in loader_correct:
  inputs_cor, labels_cor = data
out = torchvision.utils.make_grid(inputs_cor)
# 根据dict，0是猫，1是狗，列表推导式做一点小小的修改
imshow(out, title=(['cat' if i.item()==0 else 'dog' for i in labels_cor]))

可视化结果如下：
在这里插入图片描述

二、AI研习社“猫狗大战”比赛

做到这里，我原本的想法是依葫芦画瓢，下载新的数据集，依葫芦画瓢地训练我的模型，最后测试模型。但是我看到了一篇博客：VGG模型实现“猫狗大战挑战赛” by purachina
，这篇博客中，在训练模型的过程中使用了 torch.save() 实现了判断是否是最优模型，如果是就保存下来的功能。这样在新的识别新的数据集时，就不需要再重新训练一遍了，只需要用 torch.load() 函数加载最优模型即可。
具体做法如下：
在这里插入图片描述
在计算损失率后，判断当前损失率是否是最小的，如果是，就被认作是当前最优模型，保存下来。

在此处使用 torch.load() 函数，加载最优模型，直接测试。
将代码文件压缩后，和 csv 文件一并提交。