ResNet-50模型图像分类示例

ResNet-50模型图像分类示例
概述
计算机视觉是当前深度学习研究最广泛、落地最成熟的技术领域,在手机拍照、智能安防、自动驾驶等场景有广泛应用。从2012年AlexNet在ImageNet比赛夺冠以来,深度学习深刻推动了计算机视觉领域的发展,当前最先进的计算机视觉算法几乎都是深度学习相关的。深度神经网络可以逐层提取图像特征,并保持局部不变性,被广泛应用于分类、检测、分割、检索、识别、提升、重建等视觉任务中。
本文结合图像分类任务,介绍MindSpore如何应用于计算机视觉场景。
图像分类
图像分类是最基础的计算机视觉应用,属于有监督学习类别。给定一张数字图像,判断图像所属的类别,如猫、狗、飞机、汽车等等。用函数来表示这个过程如下:
def classify(image):
label = model(image)
return label
选择合适的model是关键。这里的model一般指的是深度卷积神经网络,如AlexNet、VGG、GoogLeNet、ResNet等等。
MindSpore实现了典型的卷积神经网络,开发者可以参考model_zoo。
MindSpore当前支持的图像分类网络包括:典型网络LeNet、AlexNet、ResNet。
任务描述及准备
在这里插入图片描述

图1:CIFAR-10数据集[1]
如图1所示,CIFAR-10数据集共包含10类、共60000张图片。其中,每类图片6000张,50000张是训练集,10000张是测试集。每张图片大小为32*32。
图像分类的训练指标通常是精度(Accuracy),即正确预测的样本数占总预测样本数的比值。
接下来介绍利用MindSpore解决图片分类任务,整体流程如下:

  1. 下载CIFAR-10数据集
  2. 数据加载和预处理
  3. 定义卷积神经网络,本例采用ResNet-50网络
  4. 定义损失函数和优化器
  5. 调用Model高阶API进行训练和保存模型文件
  6. 加载保存的模型进行推理
    本例面向Ascend 910 AI处理器硬件平台,你可以在这里下载完整的样例代码:https://gitee.com/mindspore/docs/tree/r1.1/tutorials/tutorial_code/resnet
    下面对任务流程中各个环节及代码关键片段进行解释说明。
    下载CIFAR-10数据集
    先从CIFAR-10数据集官网上下载CIFAR-10数据集。本例中采用binary格式的数据,Linux环境可以通过下面的命令下载:
    wget https://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz
    接下来需要解压数据集,解压命令如下:
    tar -zvxf cifar-10-binary.tar.gz
    数据预加载和预处理
  7. 加载数据集
    数据加载可以通过内置数据集格式Cifar10Dataset接口完成。
    Cifar10Dataset,读取类型为随机读取,内置CIFAR-10数据集,包含图像和标签,图像格式默认为uint8,标签数据格式默认为uint32。更多说明请查看API中Cifar10Dataset接口说明。
    数据加载代码如下,其中data_home为数据存储位置:
    cifar_ds = ds.Cifar10Dataset(data_home)
  8. 数据增强
    数据增强主要是对数据进行归一化和丰富数据样本数量。常见的数据增强方式包括裁剪、翻转、色彩变化等等。MindSpore通过调用map方法在图片上执行增强操作:
    resize_height = 224
    resize_width = 224
    rescale = 1.0 / 255.0
    shift = 0.0

define map operations

random_crop_op = C.RandomCrop((32, 32), (4, 4, 4, 4)) # padding_mode default CONSTANT
random_horizontal_op = C.RandomHorizontalFlip()
resize_op = C.Resize((resize_height, resize_width)) # interpolation default BILINEAR
rescale_op = C.Rescale(rescale, shift)
normalize_op = C.Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010))
changeswap_op = C.HWC2CHW()
type_cast_op = C2.TypeCast(mstype.int32)

c_trans = []
if training:
c_trans = [random_crop_op, random_horizontal_op]
c_trans += [resize_op, rescale_op, normalize_op, changeswap_op]

apply map operations on images

cifar_ds = cifar_ds.map(operations=type_cast_op, input_columns=“label”)
cifar_ds = cifar_ds.map(operations=c_trans, input_columns=“image”)
3. 数据混洗和批处理
最后通过数据混洗(shuffle)随机打乱数据的顺序,并按batch读取数据,进行模型训练:

apply shuffle operations

cifar_ds = cifar_ds.shuffle(buffer_size=10)

apply batch operations

cifar_ds = cifar_ds.batch(batch_size=args_opt.batch_size, drop_remainder=True)

apply repeat operations

cifar_ds = cifar_ds.repeat(repeat_num)
定义卷积神经网络
卷积神经网络已经是图像分类任务的标准算法了。卷积神经网络采用分层的结构对图片进行特征提取,由一系列的网络层堆叠而成,比如卷积层、池化层、激活层等等。
ResNet通常是较好的选择。首先,它足够深,常见的有34层,50层,101层。通常层次越深,表征能力越强,分类准确率越高。其次,可学习,采用了残差结构,通过shortcut连接把低层直接跟高层相连,解决了反向传播过程中因为网络太深造成的梯度消失问题。此外,ResNet网络的性能很好,既表现为识别的准确率,也包括它本身模型的大小和参数量。
MindSpore Model Zoo中已经实现了ResNet模型,可以采用ResNet-50。调用方法如下:
network = resnet50(class_num=10)
定义损失函数和优化器
接下来需要定义损失函数(Loss)和优化器(Optimizer)。损失函数是深度学习的训练目标,也叫目标函数,可以理解为神经网络的输出(Logits)和标签(Labels)之间的距离,是一个标量数据。
常见的损失函数包括均方误差、L2损失、Hinge损失、交叉熵等等。图像分类应用通常采用交叉熵损失(CrossEntropy)。
优化器用于神经网络求解(训练)。由于神经网络参数规模庞大,无法直接求解,因而深度学习中采用随机梯度下降算法(SGD)及其改进算法进行求解。MindSpore封装了常见的优化器,如SGD、ADAM、Momemtum等等。本例采用Momentum优化器,通常需要设定两个参数,动量(moment)和权重衰减项(weight decay)。
MindSpore中定义损失函数和优化器的代码样例如下:

loss function definition

ls = SoftmaxCrossEntropyWithLogits(sparse=True, reduction=“mean”)

optimization definition

opt = Momentum(filter(lambda x: x.requires_grad, net.get_parameters()), 0.01, 0.9)
调用Model高阶API进行训练和保存模型文件
完成数据预处理、网络定义、损失函数和优化器定义之后,就可以进行模型训练了。模型训练包含两层迭代,数据集的多轮迭代(epoch)和一轮数据集内按分组(batch)大小进行的单步迭代。其中,单步迭代指的是按分组从数据集中抽取数据,输入到网络中计算得到损失函数,然后通过优化器计算和更新训练参数的梯度。
为了简化训练过程,MindSpore封装了Model高阶接口。用户输入网络、损失函数和优化器完成Model的初始化,然后调用train接口进行训练,train接口参数包括迭代次数(epoch)和数据集(dataset)。
模型保存是对训练参数进行持久化的过程。Model类中通过回调函数(callback)的方式进行模型保存,如下面代码所示。用户通过CheckpointConfig设置回调函数的参数,其中,save_checkpoint_steps指每经过固定的单步迭代次数保存一次模型,keep_checkpoint_max指最多保存的模型个数。
‘’’
network, loss, optimizer are defined before.
batch_num, epoch_size are training parameters.
‘’’
model = Model(net, loss_fn=ls, optimizer=opt, metrics={‘acc’})

CheckPoint CallBack definition

config_ck = CheckpointConfig(save_checkpoint_steps=batch_num, keep_checkpoint_max=35)
ckpoint_cb = ModelCheckpoint(prefix=“train_resnet_cifar10”, directory="./", config=config_ck)

LossMonitor is used to print loss value on screen

loss_cb = LossMonitor()
model.train(epoch_size, dataset, callbacks=[ckpoint_cb, loss_cb])
加载保存的模型,并进行验证
训练得到的模型文件(如resnet.ckpt)可以用来预测新图像的类别。首先通过load_checkpoint加载模型文件。然后调用Model的eval接口预测新图像类别。
param_dict = load_checkpoint(args_opt.checkpoint_path)
load_param_into_net(net, param_dict)
eval_dataset = create_dataset(training=False)
res = model.eval(eval_dataset)
print("result: ", res)
参考文献
[1] https://www.cs.toronto.edu/~kriz/cifar.html

已标记关键词 清除标记
相关推荐
TensorFlow是由Google开发的深度学习框架,被广泛应用于各类机器学习算法的编程实现,无论你是专家还是初学者,它都可以帮助你轻松构建和部署机器学习模型。作为当下最为热门的机器学习框架,TensorFlow具有非常完整的生态系统,可以帮助你使用机器学习解决各种棘手的现实问题,并随时随地进行可靠的机器学习生产,英特尔、AIRBUS、中国移动、小米等一大批知名企业都在使用TensorFlow进行开发。 <p> <br /> </p> <p> <b><span style="background-color:#FFE500;">【超实用课程内容】</span></b> </p> <p> 本课程将从实战的角度出发,手把手教你使用TensorFlow实现各类深度学习算法——图像分类、语义分割、姿态估算等,全面提升学员的深度学习开发水平,帮助你在人工智能的浪潮之中创造属于自己的新天地 </p> <p style="font-family:Helvetica;color:#3A4151;font-size:14px;background-color:#FFFFFF;"> <b><br /> </b> </p> <p style="font-family:Helvetica;color:#3A4151;font-size:14px;background-color:#FFFFFF;"> <b><span style="background-color:#FFE500;">【课程如何观看?】</span></b> </p> <p style="font-family:Helvetica;color:#3A4151;font-size:14px;background-color:#FFFFFF;"> PC端:<a href="https://edu.csdn.net/course/detail/26277"><span id="__kindeditor_bookmark_start_21__"></span></a><a href="https://edu.csdn.net/course/detail/26956">https://edu.csdn.net/course/detail/26956</a> </p> <p style="font-family:Helvetica;color:#3A4151;font-size:14px;background-color:#FFFFFF;"> 移动端:CSDN 学院APP(注意不是CSDN APP哦) </p> <p style="font-family:Helvetica;color:#3A4151;font-size:14px;background-color:#FFFFFF;"> 本课程为录播课,课程永久有效观看时长,但是大家可以抓紧时间学习后一起讨论哦~ </p> <p> <br /> </p>
©️2020 CSDN 皮肤主题: 深蓝海洋 设计师:CSDN官方博客 返回首页