深度学习 PyTorch_Week2【任务1】数据预处理transforms模块机制

今天学习pytorch图像预处理模块——transforms

一、transforms运行机制

在下载pytorch时，我们下载两个安装包，一个是torch，一个是torchvision，torchvision是计算机视觉工具包，它有三个主要的模块。
torchvision. transforms：常用的图像预处理方法
torchvision.datasets：常用数据集的dataset实现，MNIST，CIFAR-10，ImageNet等
torchvision.model：常用的模型预训练，AlexNet， VGG，ResNet, GoogLeNet等

torchvision.transforms：常用的图像预处理方法

• 数据中心化
• 数据标准化
• 缩放
• 裁剪
• 旋转
• 翻转
• 填充
• 噪声添加
• 灰度变换
• 线性变换
• 仿射变换
• 亮度、饱和度及对比度变换

我们知道深度学习是由数据驱动的，而数据的数量以及分布对模型的优劣是起到决定性作用的。所以，我们需要对数据进行一定的预处理以及数据增强，用来提升模型的泛化能力，如下方这张图，里面有64张图片，这些图片都来自于一张图像，由这张图像经过一系列的缩放平移旋转等这些操作的组合生成。打个比方，我们高中熟悉的练习册五年高考三年模拟，其中五年高考的真实卷相当于训练数据，三年模拟相当于做一些数据增强，去丰富训练数据。加入在三年模拟的试卷当中出现了当年的高考题，恰恰你又做个过，那么我们的分数自然有所提高。同样的，如果我们做数据增强的时候，生成了一些与测试样本很相似的图片，那么我们模型的泛化能力自然就会得到提高，这就是我们做数据增强的原因。
通过代码学习transforms运行机制，用到之前人民币二分类程序，具体调试过程略。其中transforms.Compose是将一系列transforms方法进行有序的组合、包装，在具体实现的时候，会依次的、按顺序的将这些方法对图像进行操作。

在流程图中加入transforms，在getitem中调用transforms，我们在getitem中读取一张图片，然后对这一张图片进行一系列预处理，然后返回我们的图片以及标签。

二、数据标准化——transforms.normalize

transforms. Normalize

功能：逐channel的对图像进行标准化（将数据的均值变为0，标准差变为1）

output = (input -mean) / std

• mean：各通道的均值
• std：各通道的标准差
• inplace：是否原地操作
  

可进行代码调试查看函数如何运行。

为什么要对数据进行标准化？因为标准化后可加快模型收敛。为理解这一过程，回顾之前逻辑回归模型的实现。通过修改逻辑回归模型的训练数据观察normalize的使用。

import torch
import torch.nn as nn
import matplotlib.pyplot as plt
import numpy as np
torch.manual_seed(10)

lr = 0.01  # 学习率

# 生成虚拟数据
sample_nums = 100
mean_value = 1.7
bias = 1         # 5
n_data = torch.ones(sample_nums, 2)
x0 = torch.normal(mean_value * n_data, 1) + bias      # 类别0 数据 shape=(100, 2)
y0 = torch.zeros(sample_nums)                         # 类别0 标签 shape=(100, 1)
x1 = torch.normal(-mean_value * n_data, 1) + bias     # 类别1 数据 shape=(100, 2)
y1 = torch.ones(sample_nums)                          # 类别1 标签 shape=(100, 1)
train_x = torch.cat((x0, x1), 0)
train_y = torch.cat((y0, y1), 0)


# 定义模型
class LR(nn.Module):
    def __init__(self):
        super(LR, self).__init__()
        self.features = nn.Linear(2, 1)
        self.sigmoid = nn.Sigmoid()

    def forward(self, x):
        x = self.features(x)
        x = self.sigmoid(x)
        return x


lr_net = LR()

# 定义损失函数与优化器
loss_fn = nn.BCELoss()
optimizer = torch.optim.SGD(lr_net.parameters(), lr=0.01, momentum=0.9)

for iteration in range(1000):

    # 前向传播
    y_pred = lr_net(train_x)

    # 计算 MSE loss
    loss = loss_fn(y_pred, train_y)

    # 反向传播
    loss.backward()

    # 更新参数
    optimizer.step()

    # 清空梯度
    optimizer.zero_grad()

    # 绘图
    if iteration % 40 == 0:

        mask = y_pred.ge(0.5).float().squeeze()  # 以0.5为阈值进行分类
        correct = (mask == train_y).sum()  # 计算正确预测的样本个数
        acc = correct.item() / train_y.size(0)  # 计算精度

        plt.scatter(x0.data.numpy()[:, 0], x0.data.numpy()[:, 1], c='r', label='class 0')
        plt.scatter(x1.data.numpy()[:, 0], x1.data.numpy()[:, 1], c='b', label='class 1')

        w0, w1 = lr_net.features.weight[0]
        w0, w1 = float(w0.item()), float(w1.item())
        plot_b = float(lr_net.features.bias[0].item())
        plot_x = np.arange(-6, 6, 0.1)
        plot_y = (-w0 * plot_x - plot_b) / w1

        plt.xlim(-5, 10)
        plt.ylim(-7, 10)
        plt.plot(plot_x, plot_y)

        plt.text(-5, 5, 'Loss=%.4f' % loss.data.numpy(), fontdict={'size': 20, 'color': 'red'})
        plt.title("Iteration: {}\nw0:{:.2f} w1:{:.2f} b: {:.2f} accuracy:{:.2%}".format(iteration, w0, w1, plot_b, acc))
        plt.legend()

        plt.show()
        plt.pause(0.5)

        if acc > 0.99:
            break

bias=1时结果图：

我们发现数据的均值差不多在(0,0)附近，迭代到400次时，准确率达到99.5%，Loss值也比较低，为0.0479。

当我们修改一下数据分布，使数据均值远离我们的(0,0)，即让其没有零均值的分布；将bias值改为5，即将数据向上和右都移动4个单位，再次观察迭代训练过程。

bias=5时结果：

我们看到数据的均值大概在5这个位置，距离零点比较远，但是迭代到960次时，准确率才达到99%，没有达到99.5%，它的Loss值也比较高，为0.1488，和之前比提高了太多。

前面的数据分布比较好，几乎是一个零均值的分布，就可以很快的收敛，很快达到一个比较低的Loss值。后面的数据分布就不好，均值距离0比较远，我们的模型在初始时是一般是零均值的，现在需要模型逐渐去靠近比较远的最优分界平面，它的迭代更过程比较慢。