Pytorch入门实战第七周：咖啡豆识别（VGG-16复现）

已于 2024-04-22 19:55:02 修改
阅读量1k 收藏 31
点赞数 22
文章标签： python
于 2024-04-22 19:08:27 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46620278/article/details/138086106
版权

目录

前言

一、前期准备

二、手动搭建VGG-16模型

2.1 VGG-16的基本介绍

2.2 手动搭建VGG-16模型

2.3 查看模型详情

三、训练模型

3.1 编写训练函数

3.2 编写测试函数

3.3 正式训练

四、结果可视化

4.1 Loss和Accuracy图

4.2 指定图片进行预测

4.3 模型评估

五、尝试

5.1 调用官方的VGG-16框架

5.2 调整使得验证集准确率达到100%

5.3 轻量化模型

总结

前言

  • 🍨 本文为[🔗365天深度学习训练营](https://mp.weixin.qq.com/s/0dvHCaOoFnW8SCp3JpzKxg) 中的学习记录博客
  • 🍖 原作者：[K同学啊](https://mtyjkh.blog.csdn.net/)

说在前面：

  • 本周学习目标：基本要求——自己搭建VGG-16网络框架、调用官方的VGG-16网络框架、如何查看模型的参数量以及相关指标；拔高要求——验证集准确率达到100%、使用PPT画出VGG-16算法框架图；探索——在不影响准确率的前提下轻量化模型(目前VGG-16的total params是134276932
  • 我的环境：Python3.8、Pycharm2020、torch1.12.1+cu113
  • 数据来源：[K同学啊](https://mtyjkh.blog.csdn.net/)）

一、前期准备

1.1 导入所需的包并设置GPU

（有GPU优先使用GPU，没有的话就使用CPU）

代码如下：

#一、前期准备
'''
1.1设置GPU
'''
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 torch.nn.functional as F
import matplotlib.pyplot as plt
from PIL import Image
from torchvision.models import vgg16
import copy

warnings.filterwarnings("ignore")        #忽略警告信息--？？？怎么突然增加一个这个

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

打印输出：cuda

1.2 导入数据

1.数据下载并设置相应的文件目录以便图片读取，将数据下载放在对应代码目录下新建的data目录

  • 数据集介绍：一共是四类的咖啡豆的照片，每类对应200张人脸图，一共是800张图片，分别放在4个子文件下，每个子文件夹即为咖啡豆的种类

导入数据的步骤：

 1）使用函数将字符串类型的文件夹路径转换为pathlib.Path对象

 2）使用glob方法获取data_dir路径下的所有文件路径，并以列表的形式存储在data_paths中

 3）利用split()函数对data_paths中的每个文件路径执行分割操作，获取各个文件所属的类别名称并储存在classNames中

数据文件导入代码如下：

'''
1.2 导入数据
'''
data_dir = './data/'
data_dir = pathlib.Path(data_dir)
data_paths = list(data_dir.glob('*'))
classNames = [str(path).split("\\")[1] for path in data_paths]
print(classNames)

打印结果为：['Dark', 'Green', 'Light', 'Medium']

1.3 图片处理

torchvision.transforms是pytorch中的图像预处理包。一般用Compose把多个步骤整合到一起 
1）Resize：将输入图片resize成统一尺寸
2）ToTensor：将PIL Image或numpy.ndarray转换为tensor，并归一化到[0,1]之间
3）Normalize：标准化处理-->转换为标准正态分布，使模型更容易收敛；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
ImageFolder类来创建一个数据集对象，total_data将是一个包含所有图像数据的数据集对象，可以用于训练神经网络模型

代码如下：

'''
1.3 图片转换
'''
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。
])

test_transform = transforms.Compose([
    transforms.Resize([224, 224]),  # 将输入图片resize成统一尺寸
    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("./data/",transform=train_transforms)
print(total_data)
print(total_data.class_to_idx)

打印如下：

Dataset ImageFolder
    Number of datapoints: 1200
    Root location: ./data/
    StandardTransform
Transform: Compose(
               Resize(size=[224, 224], interpolation=bilinear, max_size=None, antialias=warn)
               ToTensor()
               Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
           )
{'Dark': 0, 'Green': 1, 'Light': 2, 'Medium': 3}

1.4 划分数据集

取全部数据的80%作为训练集、剩下的20%作为测试集，并随机分割数据集为训练集测试集

torch.utils.data.random_split(dataset, lengths, generator=<torch._C.Generator object>)

随机将一个数据集分割成给定长度的不重叠的新数据集。可选择固定生成器以获得可复现的结果（效果同设置随机种子）。
dataset (Dataset) – 要划分的数据集。
lengths (sequence) – 要划分的长度。
generator (Generator) – 用于随机排列的生成器。

代码如下：

'''
1.4 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])
print(train_dataset, test_dataset)

输出结果：<torch.utils.data.dataset.Subset object at 0x00000155ABDFA760> <torch.utils.data.dataset.Subset object at 0x00000155ABDFA7C0>

1.5 查看一个batch_size的数据结构

torch.utils.data.DataLoader()：这是Pytorch中用于加载和管理数据的一个实用工具类，它允许以小批次的方式迭代数据集，这对于训练神经网络和其他机器学习任务非常有用。具体参数解释如下：

1）dataset（必需参数）：这是你的数据集对象，通常是 torch.utils.data.Dataset 的子类，它包含了你的数据样本。

2）batch_size（可选参数）：指定每个小批次中包含的样本数。默认值为 1。

3）shuffle（可选参数）：如果设置为 True，则在每个 epoch 开始时对数据进行洗牌，以随机打乱样本的顺序。这对于训练数据的随机性很重要，以避免模型学习到数据的顺序性。默认值为 False。

4）num_workers（可选参数）：用于数据加载的子进程数量。通常，将其设置为大于 0 的值可以加快数据加载速度，特别是当数据集很大时。默认值为 0，表示在主进程中加载数据。

5）pin_memory（可选参数）：如果设置为 True，则数据加载到 GPU 时会将数据存储在 CUDA 的锁页内存中，这可以加速数据传输到 GPU。默认值为 False。

6）drop_last（可选参数）：如果设置为 True，则在最后一个小批次可能包含样本数小于 batch_size 时，丢弃该小批次。这在某些情况下很有用，以确保所有小批次具有相同的大小。默认值为 False。

7）timeout（可选参数）：如果设置为正整数，它定义了每个子进程在等待数据加载器传递数据时的超时时间（以秒为单位）。这可以用于避免子进程卡住的情况。默认值为 0，表示没有超时限制。

8）worker_init_fn（可选参数）：一个可选的函数，用于初始化每个子进程的状态。这对于设置每个子进程的随机种子或其他初始化操作很有用

代码如下：

batch_size = 32
train_dl = torch.utils.data.DataLoader(train_dataset,
                                       batch_size=batch_size,
                                       shuffle=True,
                                       num_workers=0)
test_dl = torch.utils.data.DataLoader(test_dataset,
                                      batch_size=batch_size,
                                      shuffle=True,
                                      num_workers=0)
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

打印如下：

Shape of X [N, C, H, W]:  torch.Size([32, 3, 224, 224])
Shape of y:  torch.Size([32]) torch.int64

二、手动搭建VGG-16模型

2.1 VGG-16的基本介绍

1.简介

VGG-16（Visual Geometry Group-16）是由牛津大学视觉几何组（Visual Geometry Group）提出的一种深度卷积神经网络架构，用于图像分类和对象识别任务。VGG-16在2014年被提出，是VGG系列中的一种。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
2.模型结构分析

VGG-16一共包含了16个隐藏层（13个卷积层和3个全连接层）

13个卷积层：分别用blockX_convX表示

3个全连接层：用classifier表示

5个池化层

2.2 手动搭建VGG-16模型

代码如下：

'''
2.1 搭建模型
'''
class vgg16_diy(nn.Module):
    def __init__(self):
        super(vgg16_diy, self).__init__()
        #nn.Sequential是一个Sequential容器，模块将按照构造函数中传递的顺序添加到模块中
        #卷积块1：224*224*64
        self.conv1 = nn.Sequential(
            nn.Conv2d(3,64,kernel_size=(3,3),stride=(1, 1),padding=(1, 1)),
            nn.ReLU(),
            nn.Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)),
            nn.ReLU(), nn.MaxPool2d(kernel_size=(2, 2), stride=(2, 2)))
        #卷积块2：112*112*128
        self.conv2 = nn.Sequential(
            nn.Conv2d(64,128,kernel_size=(3,3),stride=(1, 1),padding=(1, 1)),
            nn.ReLU(),
            nn.Conv2d(128,128,kernel_size=(3,3),stride=(1, 1),padding=(1, 1)),
            nn.ReLU(), nn.MaxPool2d(kernel_size=(2, 2), stride=(2, 2)))
        #卷积块3：56*56*256
        self.conv3 = nn.Sequential(
            nn.Conv2d(128, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)),
            nn.ReLU(),
            nn.Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)),
            nn.ReLU(),
            nn.Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=(2, 2), stride=(2, 2)))
        #卷积块4：28*28*512
        self.conv4 = nn.Sequential(
            nn.Conv2d(256, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)),
            nn.ReLU(),
            nn.Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)),
            nn.ReLU(),
            nn.Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=(2, 2), stride=(2, 2)))
        # 卷积块5：14*14*512
        self.conv5 = nn.Sequential(
            nn.Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)),
            nn.ReLU(),
            nn.Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)),
            nn.ReLU(),
            nn.Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=(2, 2), stride=(2, 2)))
        #avgpool
        #self.avgpool = nn.AdaptiveAvgPool2d(output_size=(7, 7))
        #全连接层，用于分类
        self.classifier = nn.Sequential(
            nn.Linear(in_features=512*7*7, out_features=4096),
            nn.ReLU(),
            #nn.Dropout(p=0.5),
            nn.Linear(in_features=4096, out_features=4096, bias=True),
            nn.ReLU(),
            #nn.Dropout(p=0.5),
            nn.Linear(in_features=4096, out_features=4)
        )

        # 前向传播
    def forward(self, x):
        x = self.conv1(x)  # 卷积-BN-激活
        x = self.conv2(x)
        x = self.conv3(x)
        x = self.conv4(x)
        x = self.conv5(x)
        #x = self.avgpool(x)
        x = torch.flatten(x, start_dim=1)
        x = self.classifier(x)

        return x

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

model = vgg16_diy().to(device)
print(model)

模型打印如下：

Using cuda device
vgg16_diy(
  (conv1): Sequential(
    (0): Conv2d(3, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (1): ReLU()
    (2): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (3): ReLU()
    (4): MaxPool2d(kernel_size=(2, 2), stride=(2, 2), padding=0, dilation=1, ceil_mode=False)
  )
  (conv2): Sequential(
    (0): Conv2d(64, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (1): ReLU()
    (2): Conv2d(128, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (3): ReLU()
    (4): MaxPool2d(kernel_size=(2, 2), stride=(2, 2), padding=0, dilation=1, ceil_mode=False)
  )
  (conv3): Sequential(
    (0): Conv2d(128, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (1): ReLU()
    (2): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (3): ReLU()
    (4): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (5): ReLU()
    (6): MaxPool2d(kernel_size=(2, 2), stride=(2, 2), padding=0, dilation=1, ceil_mode=False)
  )
  (conv4): Sequential(
    (0): Conv2d(256, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (1): ReLU()
    (2): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (3): ReLU()
    (4): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (5): ReLU()
    (6): MaxPool2d(kernel_size=(2, 2), stride=(2, 2), padding=0, dilation=1, ceil_mode=False)
  )
  (conv5): Sequential(
    (0): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (1): ReLU()
    (2): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (3): ReLU()
    (4): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (5): ReLU()
    (6): MaxPool2d(kernel_size=(2, 2), stride=(2, 2), padding=0, dilation=1, ceil_mode=False)
  )
  (classifier): Sequential(
    (0): Linear(in_features=25088, out_features=4096, bias=True)
    (1): ReLU()
    (2): Linear(in_features=4096, out_features=4096, bias=True)
    (3): ReLU()
    (4): Linear(in_features=4096, out_features=4, bias=True)
  )
)

2.3 查看模型详情

TorchSummary提供了更详细的信息分析，包括模块信息（每一层的类型、输出shape和参数量）、模型整体的参数量、模型大小、一次前向或者反向传播需要的内存大小等

代码如下：

'''
2.2 查看模型详情
'''
#统计模型参数量以及其他指标
import torchsummary as summary
summary.summary(model, (3, 224, 224))

输出打印如下：

----------------------------------------------------------------
        Layer (type)               Output Shape         Param #
================================================================
            Conv2d-1         [-1, 64, 224, 224]           1,792
              ReLU-2         [-1, 64, 224, 224]               0
            Conv2d-3         [-1, 64, 224, 224]          36,928
              ReLU-4         [-1, 64, 224, 224]               0
         MaxPool2d-5         [-1, 64, 112, 112]               0
            Conv2d-6        [-1, 128, 112, 112]          73,856
              ReLU-7        [-1, 128, 112, 112]               0
            Conv2d-8        [-1, 128, 112, 112]         147,584
              ReLU-9        [-1, 128, 112, 112]               0
        MaxPool2d-10          [-1, 128, 56, 56]               0
           Conv2d-11          [-1, 256, 56, 56]         295,168
             ReLU-12          [-1, 256, 56, 56]               0
           Conv2d-13          [-1, 256, 56, 56]         590,080
             ReLU-14          [-1, 256, 56, 56]               0
           Conv2d-15          [-1, 256, 56, 56]         590,080
             ReLU-16          [-1, 256, 56, 56]               0
        MaxPool2d-17          [-1, 256, 28, 28]               0
           Conv2d-18          [-1, 512, 28, 28]       1,180,160
             ReLU-19          [-1, 512, 28, 28]               0
           Conv2d-20          [-1, 512, 28, 28]       2,359,808
             ReLU-21          [-1, 512, 28, 28]               0
           Conv2d-22          [-1, 512, 28, 28]       2,359,808
             ReLU-23          [-1, 512, 28, 28]               0
        MaxPool2d-24          [-1, 512, 14, 14]               0
           Conv2d-25          [-1, 512, 14, 14]       2,359,808
             ReLU-26          [-1, 512, 14, 14]               0
           Conv2d-27          [-1, 512, 14, 14]       2,359,808
             ReLU-28          [-1, 512, 14, 14]               0
           Conv2d-29          [-1, 512, 14, 14]       2,359,808
             ReLU-30          [-1, 512, 14, 14]               0
        MaxPool2d-31            [-1, 512, 7, 7]               0
           Linear-32                 [-1, 4096]     102,764,544
             ReLU-33                 [-1, 4096]               0
           Linear-34                 [-1, 4096]      16,781,312
             ReLU-35                 [-1, 4096]               0
           Linear-36                    [-1, 4]          16,388
================================================================
Total params: 134,276,932
Trainable params: 134,276,932
Non-trainable params: 0
----------------------------------------------------------------
Input size (MB): 0.57
Forward/backward pass size (MB): 218.52
Params size (MB): 512.23
Estimated Total Size (MB): 731.32

三、训练模型

3.1 编写训练函数

代码如下（示例）：

#三、训练模型
'''
3.1.训练函数
'''
def train(dataloader, model, loss_fn, optimier):
    size = len(dataloader.dataset)    #训练集的大小
    num_batches = len(dataloader)

    train_loss, train_acc =0, 0

    for X, y in dataloader:
        X, y = X.to(device), y.to(device)

        #计算预测误差
        pred = model(X)
        loss = loss_fn(pred, y)
        #反向传播
        optimier.zero_grad()   #grad属性归零
        loss.backward()        #反向传播
        optimier.step()        #每一步自动更新
        #记录acc和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

3.2 编写测试函数

代码如下：

'''
3.2 编写测试函数
'''
def test(dataloader, model, loss_fn):
    size = len(dataloader.dataset)  # 测试集的大小
    num_batches = len(dataloader)
    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

3.3 正式训练

代码如下：

'''
3.3 正式训练
'''
import copy

optimizer = torch.optim.Adam(model.parameters(), lr=1e-4)
loss_fn = nn.CrossEntropyLoss()

epochs = 40
train_loss = []
train_acc = []
test_loss = []
test_acc = []

best_acc = 0        #先设置一个最佳准确率，作为最佳模型的判别指标

for epoch in range(epochs):
    #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))
print(best_acc)
#保存最佳模型到文件中
PATH = './best_model.pth'        #保存的参数文件名
torch.save(model.state_dict(), PATH)

print('Done')

训练过程如下：

最佳结果为：test_acc=99.2%

四、结果可视化

4.1 Loss和Accuracy图

代码如下：

#四、结果可视化
'''
4.1 Loss和Accuracy图
'''
import warnings
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))     #figsize 设置图形的大小，a 为图形的宽， b 为图形的高，单位为英寸
plt.subplot(1, 2, 1)   #plt.subplot(nrows, ncols, index)，nrows：表示分割画布的行数，ncols：表示分割画布的列数，index：表示子图在画布中的索引，从左往右，从上往下编号

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.savefig('./data/loss_acc01.png')
plt.show()

打印如下：

4.2 指定图片进行预测

代码如下：

'''
4.2 指定图片进行预测
'''
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='./data/Green/green (9).png', model=model, transform=train_transforms, classes=classes)

打印输出为——预测结果是：Green（预测正确）

4.3 模型评估

代码如下：

'''
4.3 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)

结果输出：0.9916666666666667 0.0591967583168298

我们前面保存的best_acc=0.9916666666666667

两者一致，所以模型加载没有问题

五、尝试

5.1 调用官方的VGG-16框架

修改上面的2.2节为下面，来调用官方的VGG-16

#二、调用官方VGG-16模型
'''
2.1 搭建模型
'''
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

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

#修改classfier模块的第六层（即：(6):Linear(in_features=4096, out_features=2, bias=True))
#注意下面打印出来的模型
model.classifier._modules['6'] = nn.Linear(4096,len(classNames))   #修改vgg-16模型最后一层全连接层，输出目标类别个数
model.to(device)
print(model)

'''
2.2 查看模型详情
'''
#统计模型参数量以及其他指标
import torchsummary as summary
summary.summary(model, (3, 224, 224))

模型打印结果

VGG(
  (features): Sequential(
    (0): Conv2d(3, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (1): ReLU(inplace=True)
    (2): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (3): ReLU(inplace=True)
    (4): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (5): Conv2d(64, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (6): ReLU(inplace=True)
    (7): Conv2d(128, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (8): ReLU(inplace=True)
    (9): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (10): Conv2d(128, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (11): ReLU(inplace=True)
    (12): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (13): ReLU(inplace=True)
    (14): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (15): ReLU(inplace=True)
    (16): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (17): Conv2d(256, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (18): ReLU(inplace=True)
    (19): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (20): ReLU(inplace=True)
    (21): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (22): ReLU(inplace=True)
    (23): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (24): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (25): ReLU(inplace=True)
    (26): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (27): ReLU(inplace=True)
    (28): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (29): ReLU(inplace=True)
    (30): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  )
  (avgpool): AdaptiveAvgPool2d(output_size=(7, 7))
  (classifier): Sequential(
    (0): Linear(in_features=25088, out_features=4096, bias=True)
    (1): ReLU(inplace=True)
    (2): Dropout(p=0.5, inplace=False)
    (3): Linear(in_features=4096, out_features=4096, bias=True)
    (4): ReLU(inplace=True)
    (5): Dropout(p=0.5, inplace=False)
    (6): Linear(in_features=4096, out_features=5, bias=True)
  )
)

模型的参数打印如下：

      Layer (type)               Output Shape         Param #
================================================================
            Conv2d-1         [-1, 64, 224, 224]           1,792
              ReLU-2         [-1, 64, 224, 224]               0
            Conv2d-3         [-1, 64, 224, 224]          36,928
              ReLU-4         [-1, 64, 224, 224]               0
         MaxPool2d-5         [-1, 64, 112, 112]               0
            Conv2d-6        [-1, 128, 112, 112]          73,856
              ReLU-7        [-1, 128, 112, 112]               0
            Conv2d-8        [-1, 128, 112, 112]         147,584
              ReLU-9        [-1, 128, 112, 112]               0
        MaxPool2d-10          [-1, 128, 56, 56]               0
           Conv2d-11          [-1, 256, 56, 56]         295,168
             ReLU-12          [-1, 256, 56, 56]               0
           Conv2d-13          [-1, 256, 56, 56]         590,080
             ReLU-14          [-1, 256, 56, 56]               0
           Conv2d-15          [-1, 256, 56, 56]         590,080
             ReLU-16          [-1, 256, 56, 56]               0
        MaxPool2d-17          [-1, 256, 28, 28]               0
           Conv2d-18          [-1, 512, 28, 28]       1,180,160
             ReLU-19          [-1, 512, 28, 28]               0
           Conv2d-20          [-1, 512, 28, 28]       2,359,808
             ReLU-21          [-1, 512, 28, 28]               0
           Conv2d-22          [-1, 512, 28, 28]       2,359,808
             ReLU-23          [-1, 512, 28, 28]               0
        MaxPool2d-24          [-1, 512, 14, 14]               0
           Conv2d-25          [-1, 512, 14, 14]       2,359,808
             ReLU-26          [-1, 512, 14, 14]               0
           Conv2d-27          [-1, 512, 14, 14]       2,359,808
             ReLU-28          [-1, 512, 14, 14]               0
           Conv2d-29          [-1, 512, 14, 14]       2,359,808
             ReLU-30          [-1, 512, 14, 14]               0
        MaxPool2d-31            [-1, 512, 7, 7]               0
AdaptiveAvgPool2d-32            [-1, 512, 7, 7]               0
           Linear-33                 [-1, 4096]     102,764,544
             ReLU-34                 [-1, 4096]               0
          Dropout-35                 [-1, 4096]               0
           Linear-36                 [-1, 4096]      16,781,312
             ReLU-37                 [-1, 4096]               0
          Dropout-38                 [-1, 4096]               0
           Linear-39                    [-1, 5]          20,485
================================================================
Total params: 134,281,029
Trainable params: 20,485
Non-trainable params: 134,260,544
----------------------------------------------------------------
Input size (MB): 0.57
Forward/backward pass size (MB): 218.77
Params size (MB): 512.24
Estimated Total Size (MB): 731.59

对比手动搭建的模型可知，官方调用的VGG-16模型，需要训练的参数大大减少（我想是因为我们选用了预训练模型）

模型运行结果如下：

测试集上的最好Accuracy为:95.8%

5.2 调整使得验证集准确率达到100%

代码如下：

'''
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 * (0.98 ** (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.Adam(model.parameters(), lr=learn_rate)

1）设置动态学习率---初始学习率=0.001

test_acc最佳结果能达到99.6%

2）设置动态学习率---初始学习率=0.0001

test_acc的最佳结果为100%

5.3 轻量化模型

模型的轻量化是指通过各种技术手段，减少深度学习模型的参数量和计算量，以在资源受限的环境中实现更高效的部署和执行；通过查资料发现有如下几种方法

但这里由于还是实施还有些困难，暂时没有实际操作（不明确该怎么去实际操作）

也有看到之前有人是通过BatchNormalization+Dropout层+全局平均池化层代替全连接层来实现模型的轻量化

总结

  • 本周手动搭建了VGG-16模型，并且成功运行了代码，一开始的结果就能达到99.2%，识别的准确率还是很高的；同时调用了官方的VGG-16作为对比，官方的模型很奇怪没有手动搭建的好，也发现官方的VGG-16的待训练参数数量远远小于手动搭建的
  • 学会了模型的参数的查看方法
  • 尝试增加动态学习率和修改初始学习率的方法使得在测试集上的准确率达到了100%
  • 去了解了模型轻量化的相关知识，后续继续尝试实操
weixin_46620278
关注
  • 22
    点赞
  • 踩
  • 31
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【使用Pytorch实现VGG16网络模型】
vcsir的专栏
07-30 7311
VGG-Network是K.Simonyan和A.Zisserman在论文“VeryDeepConvolutionalNetworksforLarge-ScaleImageRecognition”中提出的卷积神经网络模型。该架构在ImageNet中实现了92.7%的top-5测试准确率，该网络拥有超过1400万张属于1000个类别的图像。•模型的输入是固定大小的224×224224×224RGB图像•预处理是从每个像素中减去训练集RGB值的平均值。......
VGG-11、VGG-16、VGG-19 Pytorch算法复现
03-04
基于Pytorch实现的VGG资源提供了一个方便的工具，使得用户可以轻松地使用VGG模型进行图像分类任务。通过加载预训练的VGG模型，用户可以快速地进行图像特征提取和分类。同时，Pytorch作为一个流行的深度学习框架，...
深度学习 Day18——P7咖啡豆识别
LittleRuby的博客
12-14 1123
关键字： 增加Dropout层，全局平均池化层代替全连接层(模型轻量化)
深度学习第七周：VGG-16复现——咖啡豆识别
qq1273882425的博客
04-13 1040
深度学习入门：VGG16复现和优化器
基于Pytorch框架构建VGG-16模型
最新发布
2301_78972534的博客
06-25 717
前向传播函数接收输入x，首先通过特征提取部分self.features，然后将特征图展开为一维向量，最后通过分类器部分self.classifier得到最终的分类结果
深度学习Day-07：实现咖啡豆识别（VGG-16复现）
m0_51359915的博客
02-26 796
深度学习pytorch
pytorch实战3：基于pytorch复现VGG16
weixin_46676835的博客
01-18 4911
pytorch实战3：基于pytorch复现VGG16
Pytorch使用VGG16模型进行预测猫狗二分类
qq_43649937的博客
07-31 3511
pytorch python
vgg-face:使用pytorch加载vgg-face预训练的caffe模型
05-14
在PyTorch框架中加载VGG-Face的预训练Caffe模型，可以方便地进行人脸特征提取和识别。下面将详细介绍这个过程以及相关技术。 首先，VGG-Face模型是基于VGG网络结构的，该结构由Simonyan和Zisserman在2014年提出，以...
VGG-16.rar_vgg_vgg-16_vgg网络_图像识别_深度学习
09-24
3. 加载预训练权重：VGG-16模型已经在ImageNet数据集上预训练过，因此可以直接加载这些权重以提高模型的初始化性能。 4. 模型编译：设置损失函数（如交叉熵）、优化器（如SGD或Adam）和评估指标（如准确率）。 5. ...
VGG-PyTorch-master_vgg16模型_VGG16pytorch_vgg16pytorchcode_
10-01
1. **模型架构**：VGG16由多个卷积块（Convolutional Blocks）和全连接层（ Fully-Connected Layers）组成。每个卷积块包含连续的卷积层，通常后面跟着一个最大池化层。在最后，有几个全连接层用于分类。 2. **卷...
超简单！pytorch入门教程（五）：训练和测试CNN-附件资源
03-05
超简单！pytorch入门教程（五）：训练和测试CNN-附件资源
pytorch——使用VGG-16实现cifar-10多分类，准确率90.97%
qq_28383747的博客
12-02 1万+
刚入门卷积神经网络，在cifar-10数据集上复现了LeNet、AlexNet和VGG-16网络，发现VGG-16网络分类准确率最高，之后以VGG-16网络为基础疯狂调参，最终达到了90.97%的准确率。（继续进行玄学调参，可以更高）二、VGG-16网络介绍VGG-16论文该模型在2014年的ILSVRC中取得了分类任务第二、定位任务第一的优异成绩。VGG网络架构。
使用pytorch实现VGG16模型(小白学习,详细注释)
热门推荐
m0_50127633的博客
05-19 3万+
VGG16的模型 首先我们可以看到VGG一共有六个模型,每个模型根据卷积层和全连接层的层数进行分类,第二张图就是VGG16的基本模型. 代码实现 Vgg16Net.py from torch import nn class Vgg16_net(nn.Module): def __init__(self): super(Vgg16_net, self).__init__() self.layer1=nn.Sequential( nn.C
Pytorch之VGG16图像分类
风间琉璃的博客
09-26 4295
VGG是Oxford的VisualGeometryGroup的组提出的。该网络是在ILSVRC 2014上的相关工作，主要工作是证明了增加网络的深度能够在一定程度上影响网络最终的性能。斩获该年ImageNet竞赛中Localization Task（定位任务）第一名和Classification Task（分类任务）第二名。
pytorch实现VGG16 (2)
m0_50127633的博客
05-19 1371
VGG16Net.py from torch import nn class Vgg16_net(nn.Module): def __init__(self): super(Vgg16_net, self).__init__() self.layer1=nn.Sequential( nn.Conv2d(in_channels=3,out_channels=64,kernel_size=3,stride=1,padding=1), #(32
咖啡豆识别
qq_66033623的博客
05-19 134
本文为🔗中的学习记录博客我的环境：1.语言：python3.72.编译器：pycharm3.
pytorch逐行搭建CNN系列（二）VGG16
nszzzzdr的博客
03-21 580
[注]上图是从百度图片中截取的，感谢这位作者！ ———————————————————————————————————————————接下来对每一层进行梳理： ——————————————————————————————————————————— ——————————————————————————————————————————— ——————————————————————————————————————————— ———————————————————————————————————————————
Pytorch入门实战第六周：VGG-16算法-Pytorch实现人脸识别
weixin_46620278的博客
04-19 1377
🍨 本文为[🔗365天深度学习训练营](https://mp.weixin.qq.com/s/0dvHCaOoFnW8SCp3JpzKxg) 中的学习记录博客**🍖 原作者：[K同学啊](https://mtyjkh.blog.csdn.net/)说在前面本周学习目标：保存训练过程中的最佳模型权重，调用官方的VGG-16网络框架；拔高——使得测试集准确率达到60%(难度稍微有些大)，手动搭建VGG-16网络框架我的环境：Python3.8、Pycharm2020、torch1.12.1+cu113。
vgg16 pytorch复现
08-27
要在PyTorch中复现VGG16模型，你可以按照以下步骤进行操作： 首先，导入所需的模块，包括torch和nn模块。 然后，按照VGG16模型的介绍和构建步骤进行操作。可以参考上面提到的文章目录中关于VGG16模型的介绍和构建部分。 总结一下，复现VGG16模型的步骤包括导入所需的模块和按照VGG16模型的介绍和构建步骤进行操作。这样就可以手动搭建VGG16网络了。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [【深度学习】VGG16网络结构复现 | pytorch |](https://blog.csdn.net/weixin_46274756/article/details/127850060)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [pytorch实战3：基于pytorch复现VGG16](https://blog.csdn.net/weixin_46676835/article/details/128730174)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值