本博客系OUC软件工程第四次作业: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
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
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 × 224 × 3 224\times 224 \times 3 224×224×3 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)
- 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。
- 对于’train’训练集,
可以看到第一个batch
如下
batch=5
,所以一共有5个标签- 每个batch有5个,每个的尺寸为: 3 × 224 × 224 3\times224\times224 3×224×224
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:
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
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()])
- 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)
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)
# 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:
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。