目录
一、数据增强
1.1 数据增强(主要是关于图像增强)
◼ CES上的真实的故事
图2是把图1中的一些像素去掉,图3是把图1中的颜色做变换,图4是对图1中的亮度做变换。
◼ 数据增强
数据增强的意思是说,在一个已有的数据集上面,我通过对数据集进行变换,使得它有更多的多样性。
比如在语音里加入各种不同的背景噪音,如果是图片数据的话,那么我可以改变图片的颜色和形状,亮度,色温等。
在测试的时候一般是不会进行图像增强的,都是在训练的时候。
一般的做法是在线生成的,,而不是先进行数据增广生成增广数据之后再保存下来。而且是随机对数据集做增强,再对模型进行训练。
先从原始数据中读取图片,然后随机做数据增强(将不同的数据增强的方法随机地用来处理原始数据)生成增强数据,再将增强数据放入模型中进行训练。
核心是:1、在线生成,2、数据增强的方法是随机的。
数据增强可以看作是训练过程中的一个正则项
大型数据集是成功应用深度神经网络的先决条件:
- 图像增广在对训练图像进行一系列的随机变化之后,生成相似但不同的训练样本,从而扩大训练集的规模;
- 大多数图像增广方法都具有一定的随机性;
- 数据增广不仅仅局限于处理图片,还可以处理文本和语音;
- 对于图片的处理方式包括:覆盖掉一些像素、对颜色进行变换、对亮度进行变换;
- 在训练集中使用图像增广,随机改变训练样本可以减少模型对某些属性(如位置、颜色等)的依赖,尽可能地模拟现场部署时的场景,提高模型的泛化性能;
◼ 常见的数据增强方法
数据增强就是在已有的数据集上通过对数据的变换,使得数据具有多样性,
- 对于语音数据来说,可以加入不同的背景噪音;
- 对于图片数据来说,可以改变图片的形状,颜色等;
图中右边两行小图是对图片进行数据增广之后的结果,第1、2列是对原图像进行部分截取之后的结果,第3、4列是对原图像的亮度进行变换之后的结果,第5、6列是对原图像的色温进行变换之后的结果 。
图片的翻转包括左右翻转和上下翻转:
- 左右翻转图像通常不会改变图像的类别(最早且最广泛使用的图像增广方法之一);
- 上下翻转并不是一定可行的,如上图最后一行图片所示,当对猫的图片进行翻转之后,猫的头就会朝向下面,建筑物的图片同理(但是不总是可行的,上下翻转取决于数据集是否适合上下翻转);
第二种方法是对图片进行切割。在一张图片里面切割出来一块,然后在把它变形到一个固定的形状,
切割一般是在图片中切割一块出来,然后将它变成固定的形状(之所以是固定的形状,是因为卷积神经网络的输入通常是固定的,一般是224*224)。
通过对图像进行随机裁剪,使物体以不同的比例出现在图像的不同位置,从而降低模型对目标位置的敏感性。
那么,如何进行切割(随机性原理)?
- 随机高宽比:比如在某一个区间(比如[3/4,4/3])之间随机取一个数来作为切割部分的高宽比;
- 随机大小:比如在某一个区间(比如[8%,100%])之间随机取一个数来作为切割部分的大小(切割部分占原始图像的比例);
- 随机位置:给定截取部分的形状大小,然后在原始图像上面进行随机切割;
另外,第三种方法是对图片进行改变色调,饱和度,或者明亮度(eg:[0.5,1.5]),
改变颜色中四个比较重要的指标:
- 色调;
- 饱和度;
- 对比度;
- 明亮度;
一般说实在某一个区间(比如[0.5,1.5])上随机选定一个值,然后在该指标的当前值的基础之上进行增减。
imgaug(https://github.com/aleju/imgaug)中提供了几十种不同的图像增强的方法:
- 高斯模糊
- 将图片中的某一块抹掉
- 对整个图片进行变形
- 锐化
- 等等
某一种数据增强的方法有用,很多时候是因为测试集中某些图片和原始图片通过这种数据增强的方式处理之后的效果类。
很多时候应该从结果向前推,通过对现场部署的情况或者测试集可能发生的变化进行分析,由此来反推所需要进行的数据增强。在实践中,通常结合多种图像增广方法 。
◼ 总结
(1)数据增强通过变形数据来获取多样性从而使得模型泛化性能更好(基于现有的训练数据生成随机图像,以提高模型的泛化能力,本质上是希望通过对原始数据的变化来模拟现场部署或者是测试集中可能出现的情况)。
(2)常见的图片增强包括翻转、切割、变色。
(3)为了在预测过程中得到确切的结果,通常会只对训练样本进行图像增广,而在预测过程中不使用带随机操作的图像增广.
(4)在实践中,通常会组合使用多种图像增广方法。
二、 图片增广的代码实现
(1)
%matplotlib inline
import torch
import torchvision
from torch import nn
from d2l import torch as d2l
d2l.set_figsize()
img = d2l.Image.open('01_Data/02_cat.jpg') # 读取图片
d2l.plt.imshow(img) # 显示图片
(2)定义函数,用aug方法对图片重复作用八次数据增广的水平随机翻转,然后把图片画出来,
def apply(img, aug, num_rows=2, num_cols=4, scale=1.5): # 传入aug图片增广方法
Y = [aug(img) for _ in range(num_rows * num_cols)] # 用aug方法对图片重复作用八次数据增广
d2l.show_images(Y, num_rows, num_cols, scale=scale) # 生成结果用num_cols行,num_cols列展示
apply(img, torchvision.transforms.RandomHorizontalFlip()) # 水平随机翻转
(3)对图片重复作用八次数据增广的上下随机翻转,然后把图片画出来,
apply(img, torchvision.transforms.RandomVerticalFlip()) # 上下随机翻转
(4)对图片重复作用八次数据增广的随机剪裁,然后把图片画出来。
剪裁后的大小为(200,200),(0.1,1)使得随即剪裁原始图片的10%到100%区域里的大小,ratio=(0.5,2)使得高宽比为2:1,下面是显示时显示的1:1。
# 随机剪裁,剪裁后的大小为(200,200)
# (0.1,1)使得随即剪裁原始图片的10%到100%区域里的大小,ratio=(0.5,2)使得高宽比为2:1,下面是显示时显示的1:1
shape_aug = torchvision.transforms.RandomResizedCrop((200,200),scale=(0.1,1),ratio=(0.5,2))
apply(img,shape_aug)
(5)随机更改图像的亮度,
# 随机更改图像的亮度
apply(img,torchvision.transforms.ColorJitter(brightness=0.5,contrast=0,saturation=0,hue=0))
(6)随机改变色调,
# 随机改变色调
apply(img,torchvision.transforms.ColorJitter(brightness=0,contrast=0,saturation=0,hue=0.5))
(7)随机更改图像的亮度(brightness)、对比度(constrast)、饱和度(saturation)和色调(hue)
# 随机更改图像的亮度(brightness)、对比度(constrast)、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)
apply(img,color_aug)
(8)我们一般来说是结合多种图像增广方法:
先随即水平翻转一下,然后对它再做颜色增广,再做形状增广,
# 结合多种图像增广方法
# 先随即水平翻转,再做颜色增广,再做形状增广
augs = torchvision.transforms.Compose([torchvision.transforms.RandomHorizontalFlip(),color_aug,shape_aug])
apply(img,augs)
◼ 尝试用不同的增广,比较效果
使用的是入门的CIFAR10数据集,也是学术界最常用的一个数据集,实际过程中是没有用的,因为太小了。下载图片,并显示部分图片,
# 下载图片,并显示部分图片
all_images = torchvision.datasets.CIFAR10(train=True, root='01_Data/03_CIFAR10', download=True)
d2l.show_images([all_images[i][0] for i in range(32)], 4, 8, scale=0.8)
(1)在训练集上只使用最简单的随机水平翻转,
# 只使用最简单的随机左右翻转
train_augs = torchvision.transforms.Compose([
torchvision.transforms.RandomHorizontalFlip(), # 水平翻转
torchvision.transforms.ToTensor()]) # 变成一个4D的矩阵
test_augs = torchvision.transforms.Compose([
torchvision.transforms.ToTensor()])
(2)定义一个辅助函数,以便于读取图像和应用图像增广,
# 定义一个辅助函数,以便于读取图像和应用图像增广
def load_cifar10(is_train, augs, batch_size):
dataset = torchvision.datasets.CIFAR10(root='01_Data/03_CIFAR10',train=is_train,
transform=augs, download=True)
dataloader = torch.utils.data.DataLoader(dataset,batch_size=batch_size,shuffle=is_train,
num_workers = 0)
return dataloader
(3)定义一个函数,使用多GPU模式进行训练和评估,
# 定义一个函数,使用多GPU模式进行训练和评估
def train_batch_ch13(net, X, y, loss, trainer, devices):
"""把数据记载到device上,因为我们现在都是用gpu来训练"""
if isinstance(X, list):
X = [x.to(devices[0]) for x in X] # 如果X是一个list,则把数据一个接一个都挪到devices[0]上
else:
X = X.to(devices[0]) # 如果X不是一个list,则把X挪到devices[0]上
y = y.to(devices[0])
net.train()
trainer.zero_grad() # 梯度设置0
pred = net(X)
l = loss(pred, y) # pred拿出来,放到loss里计算loss
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()):
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'])
# nn.DataParallel使用多GPU
net = nn.DataParallel(net, device_ids=devices).to(devices[0])
for epoch in range(num_epochs):
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())
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)}')
(4)接下来,看一下我们的整个训练。
定义train_with_data_aug函数,使用图像增广来训练模型,
# 定义train_with_data_aug函数,使用图像增广来训练模型
batch_size, devices, net = 256, d2l.try_all_gpus(), d2l.resnet18(10,3) # 使用resnet18
def init_weights(m):
"""随机初始化"""
# 对于线性层和卷积层,我们用的是xavier_uniform来做随机初始化
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):
# apply训练的增广和测试的增广
train_iter = load_cifar10(True, train_augs, batch_size)
test_iter = load_cifar10(False, test_augs, batch_size)
loss = nn.CrossEntropyLoss(reduction="none") # loss
# Adam优化器算是一个比较平滑的SGD,它对学习率调参不是很敏感
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)
我们可以看到,loss在每一次的迭代之后会下降一下, 这也是与我们怎么计算loss是相关的。训练的准确度是0.936,测试的精度是0.835,每秒钟大概能出来4600个样本,性能还可以。
另外,还是有一定的的过拟合在里面的。