计算机视觉之pytorch图片数据转换、增广、增强及多GPU训练

一、数据增强

• 增加一个已有数据集，使得有更多的多样性：从而使得模型泛化性能更好；
  1）在语言里面加入各种不同的背景噪音；
  2）改变图片的颜色和形状；
• 1）图像增广基于现有的训练数据生成随机图像，来提高模型的泛化能力。
  2）为了在预测过程中得到确切的结果，我们通常对训练样本只进行图像增广，而在预测过程中不使用带随机操作的图像增广。
  3）深度学习框架提供了许多不同的图像增广方法，这些方法可以被同时应用

1.1 图片数据增强方式

• 翻转：左右翻转、上下翻转 ；
• 切割：从图片中切割一块，然后变形到固定形状，因为CNN的输入是固定的尺寸：
  1）随机高宽比：如在$\frac{3}{4}$和$\frac{4}{3}$的高宽比中选择一个值；
  2）随机大小：选择图片的8%到100%的图片；
  3）随机位置；
• 颜色变换：改变色调、饱和度、明亮度，在[0.5,1.5]之间取值；
  图片数据增强的其他方式可参考：https://github.com/aleju/imgaug

二、代码实现

2.1 数据增强方法

"""
动手学习深度学习中的集成库d2l，学习网址
https://courses.d2l.ai/zh-v2/
https://zh-v2.d2l.ai/
#在jupyter中安装包可直接执行：!pip install d2l
"""
#其实%matplotlib inline这一句是IPython的魔法函数，可以在IPython编译器里直接使用，
#作用是内嵌画图，省略掉plt.show()这一步，直接显示图像。
#如果不加这一句的话，我们在画图结束之后需要加上plt.show()才可以显示图像。
%matplotlib inline
import torch
import torchvision
from torch import nn
from d2l import torch as d2l #李沐大神深度学习集成库
d2l.set_figsize()
img = d2l.Image.open('./images/cat1.jpeg')
d2l.plt.imshow(img);

from PIL import Image
img=Image.open('./images/cat1.jpeg')
img

#aug是图片变换方式，此函数是将一张图片作用num_rows*num_cols次，并展示出来
def changeImages(img, aug, num_rows=2, num_cols=4, scale=1.5):
    Y=[aug(img) for _ in range(num_rows*num_cols)]
    d2l.show_images(Y, num_rows, num_cols, scale=scale)

2.2.1 水平方向随机翻转torchvision.transforms.RandomHorizontalFlip()函数

"""
RandomHorizontalFlip(p=0.5)
参数：p=0.5表示图像会按照50%的概率进行水平翻转。
"""
changeImages(img, torchvision.transforms.RandomHorizontalFlip()) #水平方向随机翻转

2.2.2 垂直方向随机翻转torchvision.transforms.RandomVerticalFlip()函数

"""
RandomVerticalFlip(p=0.5)
参数：p=0.5表示图像会按照50%的概率进行垂直翻转。
"""
changeImages(img, torchvision.transforms.RandomVerticalFlip()) #垂直方向随机翻转

2.2.3 随机旋转 torchvision.transforms.RandomRotation()函数

"""
#随机旋转图像数据：在-45度到45度之间随机选一个旋转的角度进行图像旋转
shape_aug=torchvision.transforms.RandomRotation((45)
"""

2.2.4 随机剪裁torchvision.transforms.RandomResizedCrop()函数

#随机剪裁函数，无论如何剪裁，最后图片要resize成200*200的大小，scale是在10%-100%的区域内进行剪裁，ratio是高宽比
shape_aug=torchvision.transforms.RandomResizedCrop((200,200),
                                                   scale=(0.1,1),
                                                   ratio=(0.5,2))#随机裁剪
changeImages(img, shape_aug)

2.2.5 中心裁剪torchvision.transforms.CenterCrop()函数

"""
torchvision.transforms.CenterCrop(size) 
功能：依据给定的size从中心裁剪 参数： size- (sequence or int)，若为sequence,则为(h,w)，若为int，则(size,size)
"""

2.2.6 随机改变图片亮度torchvision.transforms.ColorJitter()函数

#随机改变图片亮度
"""
brightness：亮度，0.5表示亮度增亮50%或者减亮50%
contrast：饱和度，0表示不改变
saturation：对比度
hue：色调
"""
changeImages(img, torchvision.transforms.ColorJitter(
brightness=0.5, contrast=0, saturation=0, hue=0))

2.2.7 随机改变图片色调torchvision.transforms.ColorJitter()函数

#随机改变图片色调
"""
brightness：亮度，0.5表示亮度增亮50%或者减亮50%
contrast：饱和度，0表示不改变
saturation：对比度
hue：色调，0.5表示色调增大或减少50%
"""
changeImages(img, torchvision.transforms.ColorJitter(
brightness=0, contrast=0, saturation=0, hue=0.5))

#同时随机更改图像的亮度（brightness）、对比度（contrast）、饱和度（saturation）和色调（hue）
color_aug=torchvision.transforms.ColorJitter(brightness=0.5,
                                             contrast=0.5,
                                             saturation=0.5,
                                             hue=0.5)
changeImages(img,color_aug)

2.2.8 转换为灰度图torchvision.transforms.RandomGrayscale()函数

"""
torchvision.transforms.RandomGrayscale(p=0.025)
以概率p转换为灰度图，当原始图像是彩色图（3通道）时，转换完之后R=G=B
"""

2.2 结合多种图片增广方法torchvision.transforms.Compose()函数

#结合多种图片增广方法
augs=torchvision.transforms.Compose([torchvision.transforms.RandomHorizontalFlip(),
                                    color_aug, #颜色增广
                                    shape_aug]) #裁剪
changeImages(img, augs)

2.3 使用图像增广进行训练

#使用图像增广进行训练
#下载数据集
all_images=torchvision.datasets.CIFAR10(train=True,
                                        root='./data/',
                                        download=True)
#展示图像信息
d2l.show_images([all_images[i][0] for i in range(32)],4,8,scale=0.8)

#为了在预测过程中得到确切的结果，我们通常对训练样本只进行图像增广，且在预测过程中不使用随机操作的图像增广。 
#由于训练集和测试集比较相似，没有太大的颜色变化，所以数据增广可以简单一些，在这里，我们只使用最简单的随机左右翻转。 
#此外，我们使用ToTensor实例将一批图像转换为深度学习框架所要求的格式，即形状为（批量大小，通道数，高度，宽度）的32位浮点数，取值范围为0到1。
train_augs = torchvision.transforms.Compose([
     torchvision.transforms.RandomHorizontalFlip(),
     torchvision.transforms.ToTensor()])

test_augs = torchvision.transforms.Compose([
     torchvision.transforms.ToTensor()])

#定义一个辅助函数，以便于读取图像和应用图像增广。PyTorch数据集提供的transform函数应用图像增广来转化图像
def load_cifar10(is_train, augs, batch_size):
    dataset = torchvision.datasets.CIFAR10(root="./data", 
                                           train=is_train,
                                           transform=augs, 
                                           download=True)
    dataloader = torch.utils.data.DataLoader(dataset, 
                                             batch_size=batch_size,
                                             shuffle=is_train, 
                                             num_workers=d2l.get_dataloader_workers())
    return dataloader

# #多GPU训练
def train_batch_ch13(net, X, y, loss, trainer, devices):
    """用多GPU进行小批量训练"""
    if isinstance(X, list):
        # 微调BERT中所需（稍后讨论）
        X = [x.to(devices[0]) for x in X]
    else:
        X = X.to(devices[0])
    y = y.to(devices[0])
    net.train()
    trainer.zero_grad()
    pred = net(X)
    l = loss(pred, y)
    l.sum().backward()
    trainer.step()
    train_loss_sum = l.sum()
    train_acc_sum = d2l.accuracy(pred, y)
    return train_loss_sum, train_acc_sum

def train_ch13(net, train_iter, test_iter, loss, trainer, num_epochs,
               devices=d2l.try_all_gpus()):
    """用多GPU进行模型训练"""
    timer, num_batches = d2l.Timer(), len(train_iter)
    animator = d2l.Animator(xlabel='epoch', 
                            xlim=[1, num_epochs], 
                            ylim=[0, 1],
                            legend=['train loss', 'train acc', 'test acc']) #Animator是一个基于终端的python动画库
    net = nn.DataParallel(net, device_ids=devices).to(devices[0])#多GPU训练，将最终结果汇集到第0块GPU上
    for epoch in range(num_epochs):
        # 4个维度：储存训练损失，训练准确度，实例数，特点数
        metric = d2l.Accumulator(4)
        for i, (features, labels) in enumerate(train_iter):
            timer.start()
            l, acc = train_batch_ch13(
                net, features, labels, loss, trainer, devices)
            metric.add(l, acc, labels.shape[0], labels.numel()) #训练损失，训练准确度，样本数，labels.numel()张量元素个数,numel就是"number of elements"的简写。numel()可以直接返回int类型的元素个数
            timer.stop()
            if (i + 1) % (num_batches // 5) == 0 or i == num_batches - 1:
                animator.add(epoch + (i + 1) / num_batches,
                             (metric[0] / metric[2], 
                              metric[1] / metric[3],
                              None))
        test_acc = d2l.evaluate_accuracy_gpu(net, test_iter)
        animator.add(epoch + 1, (None, None, test_acc))
    print(f'loss {metric[0] / metric[2]:.3f}, train acc '
          f'{metric[1] / metric[3]:.3f}, test acc {test_acc:.3f}')
    print(f'{metric[2] * num_epochs / timer.sum():.1f} examples/sec on '
          f'{str(devices)}')

batch_size, devices, net = 256, d2l.try_all_gpus(), d2l.resnet18(10, 3)

def init_weights(m):
    if type(m) in [nn.Linear, nn.Conv2d]:
        nn.init.xavier_uniform_(m.weight)

net.apply(init_weights)

def train_with_data_aug(train_augs, test_augs, net, lr=0.001):
    train_iter = load_cifar10(True, train_augs, batch_size)
    test_iter = load_cifar10(False, test_augs, batch_size)
    loss = nn.CrossEntropyLoss(reduction="none")
    trainer = torch.optim.Adam(net.parameters(), lr=lr)
    train_ch13(net, train_iter, test_iter, loss, trainer, 10, devices)

train_with_data_aug(train_augs, test_augs, net)