深度学习笔记（五）——VGG16

一、完整代码

import torch
import torch.nn as nn
import torchvision.transforms as transforms
import torchvision
from torchvision import transforms, datasets
import os,PIL,pathlib,warnings
import matplotlib.pyplot as plt
    # 隐藏警告
import warnings



warnings.filterwarnings("ignore")             #忽略警告信息

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
device


#导入数据
import os,PIL,random,pathlib

data_dir = r'D:\编程文件\数据库\p6VGG人脸识别'
data_dir = pathlib.Path(data_dir)

data_paths  = list(data_dir.glob('*'))
classeNames = [str(path).split("\\")[4] for path in data_paths]
print(classeNames)

# 关于transforms.Compose的更多介绍可以参考：https://blog.csdn.net/qq_38251616/article/details/124878863
train_transforms = transforms.Compose([
    transforms.Resize([224, 224]),  # 将输入图片resize成统一尺寸
    # transforms.RandomHorizontalFlip(), # 随机水平翻转
    transforms.ToTensor(),          # 将PIL Image或numpy.ndarray转换为tensor，并归一化到[0,1]之间
    transforms.Normalize(           # 标准化处理-->转换为标准正太分布（高斯分布），使模型更容易收敛
        mean=[0.485, 0.456, 0.406],
        std=[0.229, 0.224, 0.225])  # 其中 mean=[0.485,0.456,0.406]与std=[0.229,0.224,0.225] 从数据集中随机抽样计算得到的。
])

total_data = datasets.ImageFolder(r"D:\编程文件\数据库\p6VGG人脸识别",transform=train_transforms)
print(total_data)

print(total_data.class_to_idx)


#划分数据集
train_size = int(0.8 * len(total_data))
test_size  = len(total_data) - train_size
train_dataset, test_dataset = torch.utils.data.random_split(total_data, [train_size, test_size])
train_dataset, test_dataset

batch_size = 32

train_dl = torch.utils.data.DataLoader(train_dataset,
                                           batch_size=batch_size,
                                           shuffle=True,
                                           num_workers=1)
test_dl = torch.utils.data.DataLoader(test_dataset,
                                          batch_size=batch_size,
                                          shuffle=True,
                                          num_workers=1)

if __name__ == '__main__':
    for X, y in test_dl:
        print("Shape of X [N, C, H, W]: ", X.shape)
        print("Shape of y: ", y.shape, y.dtype)
        break


#VGG16模型
from torchvision.models import vgg16

device = "cuda" if torch.cuda.is_available() else "cpu"
print("Using {} device".format(device))

# 加载预训练模型，并且对模型进行微调
model = vgg16(pretrained=True).to(device)  # 加载预训练的vgg16模型

for param in model.parameters():
    param.requires_grad = False  # 冻结模型的参数，这样子在训练的时候只训练最后一层的参数

# 修改classifier模块的第6层（即：(6): Linear(in_features=4096, out_features=2, bias=True)）
# 注意查看我们下方打印出来的模型
model.classifier._modules['6'] = nn.Linear(4096, len(classeNames))  # 修改vgg16模型中最后一层全连接层，输出目标类别个数
model.to(device)
print(model)


# 训练循环
def train(dataloader, model, loss_fn, optimizer):
    size = len(dataloader.dataset)  # 训练集的大小
    num_batches = len(dataloader)  # 批次数目, (size/batch_size，向上取整)

    train_loss, train_acc = 0, 0  # 初始化训练损失和正确率

    for X, y in dataloader:  # 获取图片及其标签
        X, y = X.to(device), y.to(device)

        # 计算预测误差
        pred = model(X)  # 网络输出
        loss = loss_fn(pred, y)  # 计算网络输出和真实值之间的差距，targets为真实值，计算二者差值即为损失

        # 反向传播
        optimizer.zero_grad()  # grad属性归零
        loss.backward()  # 反向传播
        optimizer.step()  # 每一步自动更新

        # 记录acc与loss
        train_acc += (pred.argmax(1) == y).type(torch.float).sum().item()
        train_loss += loss.item()

    train_acc /= size
    train_loss /= num_batches

    return train_acc, train_loss


#测试函数
def test(dataloader, model, loss_fn):
    size = len(dataloader.dataset)  # 测试集的大小
    num_batches = len(dataloader)  # 批次数目, (size/batch_size，向上取整)
    test_loss, test_acc = 0, 0

    # 当不进行训练时，停止梯度更新，节省计算内存消耗
    with torch.no_grad():
        for imgs, target in dataloader:
            imgs, target = imgs.to(device), target.to(device)

            # 计算loss
            target_pred = model(imgs)
            loss = loss_fn(target_pred, target)

            test_loss += loss.item()
            test_acc += (target_pred.argmax(1) == target).type(torch.float).sum().item()

    test_acc /= size
    test_loss /= num_batches

    return test_acc, test_loss


#设置动态学习率
# def adjust_learning_rate(optimizer, epoch, start_lr):
#     # 每 2 个epoch衰减到原来的 0.98
#     lr = start_lr * (0.92 ** (epoch // 2))
#     for param_group in optimizer.param_groups:
#         param_group['lr'] = lr

learn_rate = 1e-4 # 初始学习率
# optimizer  = torch.optim.SGD(model.parameters(), lr=learn_rate)


# 调用官方动态学习率接口时使用
lambda1 = lambda epoch: 0.92 ** (epoch // 4)
optimizer = torch.optim.SGD(model.parameters(), lr=learn_rate)
scheduler = torch.optim.lr_scheduler.LambdaLR(optimizer, lr_lambda=lambda1) #选定调整方法


#正式训练
import copy

loss_fn = nn.CrossEntropyLoss()  # 创建损失函数
epochs = 40

train_loss = []
train_acc = []
test_loss = []
test_acc = []

best_acc = 0  # 设置一个最佳准确率，作为最佳模型的判别指标
if __name__ == '__main__':
    for epoch in range(epochs):
        # 更新学习率（使用自定义学习率时使用）
        # adjust_learning_rate(optimizer, epoch, learn_rate)

        model.train()
        epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, optimizer)
        scheduler.step()  # 更新学习率（调用官方动态学习率接口时使用）

        model.eval()
        epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)

        # 保存最佳模型到 best_model
        if epoch_test_acc > best_acc:
            best_acc = epoch_test_acc
            best_model = copy.deepcopy(model)

        train_acc.append(epoch_train_acc)
        train_loss.append(epoch_train_loss)
        test_acc.append(epoch_test_acc)
        test_loss.append(epoch_test_loss)

        # 获取当前的学习率
        lr = optimizer.state_dict()['param_groups'][0]['lr']

        template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%, Test_loss:{:.3f}, Lr:{:.2E}')
        print(template.format(epoch + 1, epoch_train_acc * 100, epoch_train_loss,
                              epoch_test_acc * 100, epoch_test_loss, lr))

        # 保存最佳模型到文件中
    PATH = r'D:\编程文件\数据库\p6_best_model.pth'  # 保存的参数文件名
    torch.save(model.state_dict(), PATH)

    print('Done')




    warnings.filterwarnings("ignore")  # 忽略警告信息
    plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
    plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
    plt.rcParams['figure.dpi'] = 100  # 分辨率

    epochs_range = range(epochs)

    plt.figure(figsize=(12, 3))
    plt.subplot(1, 2, 1)

    plt.plot(epochs_range, train_acc, label='Training Accuracy')
    plt.plot(epochs_range, test_acc, label='Test Accuracy')
    plt.legend(loc='lower right')
    plt.title('Training and Validation Accuracy')

    plt.subplot(1, 2, 2)
    plt.plot(epochs_range, train_loss, label='Training Loss')
    plt.plot(epochs_range, test_loss, label='Test Loss')
    plt.legend(loc='upper right')
    plt.title('Training and Validation Loss')
    plt.show()

from PIL import Image

classes = list(total_data.class_to_idx)


def predict_one_image(image_path, model, transform, classes):
    test_img = Image.open(image_path).convert('RGB')
    plt.imshow(test_img)  # 展示预测的图片

    test_img = transform(test_img)
    img = test_img.to(device).unsqueeze(0)

    model.eval()
    output = model(img)

    _, pred = torch.max(output, 1)
    pred_class = classes[pred]
    print(f'预测结果是：{pred_class}')

## 预测训练集中的某张照片
predict_one_image(image_path=r'D:/编程文件/数据库/p6VGG人脸识别/Angelina Jolie/001_fe3347c0.jpg',model=model,transform=train_transforms,classes=classes)


#模型评估
best_model.eval()
epoch_test_acc, epoch_test_loss = test(test_dl, best_model, loss_fn)

print(epoch_test_acc, epoch_test_loss)

# 查看是否与我们记录的最高准确率一致
print(epoch_test_acc)

二、调参过程

learn_rate = 1e-4 动态学习率（4、92）；batch_size = 32；epochs = 40；SGD
（初始参数）

learn_rate = 1e-1 动态学习率（4、92）；batch_size = 128；epochs = 40；SGD

learn_rate = 1e-2 动态学习率（4、92）；batch_size = 100；epochs = 40；SGD

learn_rate = 5e-3 动态学习率（3、90）；batch_size = 80；epochs = 40；SGD

三、结论与收获

1 . VGG-16

1. VGG有三种结构，分别是VGG11、GG16和VGG19，他们并没有本质上的区别，只是网络深度不一样。
   VGG11包含11个隐藏层（8个卷积层和3个全连接层）
   VGG16包含了16个隐藏层（13个卷积层和3个全连接层）
   VGG19包含了19个隐藏层（16个卷积层和3个全连接层）
2. VGG-16（Visual Geometry Group-16）是一种深度卷积神经网络（CNN）架构，使用可重复使用的卷积块来构造深度神经网络，用于图像分类和对象识别任务。
   VGG-16之所以备受关注，是因为它在ImageNet图像识别竞赛中取得了很好的成绩，展示了其在大规模图像识别任务中的有效性。
3. 以下是VGG-16的主要特点：

（1）深度：由13个卷积层和3个全连接层组成。
（2）卷积层的设计：3x3的卷积核（33Conv）；步长为1，同时在卷积层之后都接有ReLU激活函数。
（3）池化层：2x2的最大池化层（22 MaxPool）
（4）全连接层：有3个全连接层，最后一个全连接层输出与类别数相对应的向量，用于进行分类。

2. 几种经典卷积神经网络

	LeNet	AlexNet	VGG
卷积层	3*3Conv	更大的核窗口和步长，因为图片更大了	3*3Conv
激活函数	sigmoid	ReLu会减缓梯度消失	ReLu
池化层	2*2； 允许像素往一边移一点点	更大的池化窗口3*3； 往左移一下，右移一下都ok	2*2
池化类型	AvgPooling	MaxPooling	MaxPooling
总结	2卷积+池化层，2全连接层	更大更深的LeNet； Dropout,数据增强；快	更大更深的AlexNet； 重复的VGG块；慢

LeNet ： 2层卷积+3层全连接
AlexNet ： 5层卷积+3层全连接
VGG11 ： 8层卷积+3层全连接
VGG16 ： 13层卷积+3层全连接
VGG19 ： 16层卷积+3层全连接
ResNet（残差神经网络）： 最大的优势就是引入了Shortcut这个支路

3. 结论

VGG使用可重复使用的卷积快来构建深度卷积神经网络
不同的卷积快个数和超参数可以得到不同复杂度的变种
训练loss一直下降，测试loss不降：过拟合啦！
高宽减半，通道数翻倍

卷积神经网络VGG16就是这么简单，为什么没人能说清？
深度学习——VGG16模型详解