《pytorch深度学习实战》学习笔记第2章

最新推荐文章于 2024-08-10 16:02:20 发布

我闻如是

最新推荐文章于 2024-08-10 16:02:20 发布

阅读量1k

点赞数 24

分类专栏： PyTorch深度学习实战文章标签：深度学习 pytorch 人工智能

本文链接：https://blog.csdn.net/xfsong2012/article/details/137182852

版权

PyTorch深度学习实战专栏收录该内容

2 篇文章 0 订阅

订阅专栏

第2章预训练网络

讨论3种常用的预训练模型：

1、根据内容对图像进行标记（识别）

2、从真实图像中生成新图像（GAN）

3、使用正确的英语句子来描述图像内容（自然语言）

2.1 获取一个预训练好的网络用于图像识别

ImageNet数据集，用于大规模视觉识别挑战赛。

所有预训练好的模型都在TorchVision中。

2.1.1 导入已有的模型

所有模型都在torchvison的models中。导入并查看。

from torchvision import models
dir(models)

输出的是所有torchvison里面集成的模型框架。其中首字母大写的是一些流行的模型。小写的名字是快捷函数，返回实例化模型函数。

1.1.1 AlexNet模型

实例化AlexNet。

alexnet=models.AlexNet()
alexnet

可以像函数一样调用它。给alexnet输入数据，就会通过正向传播（forward pass）得到输出。比如output=alexnet(input)。由于网络没有初始化，没有经过训练。所以一般先要将模型从头训练或者加载训练好的网络。然后再调用。

1.1.2 Resnet模型

（1）加载在ImageNet数据集上训练好的权重，来实例化ResNet101

resnet=models.resnet101(pretrained=True)
resnet

然后就开始下载，下载完成后查看resnet101的结构。

神经网络由许多模块构成，包含过滤器和非线性函数，fc层结束，输出每个类的分数。

预训练好的模型可以跟函数一样调用，并输入图片实现预测。

（2）定义预处理函数：

from torchvision import transforms
preprocess = transforms.Compose([
    transforms.Resize(256),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    transforms.Normalize(
        mean=[0.485,0.456,0.406],
        std=[0.229,0.224,0.225]
    )
])

预处理包括：图像缩放到256*256像素，围绕中心裁剪到224*224像素，转为张量，归一化处理，使用定义的均值和标准差。

（3）导入图片并进行预处理

导入一张狗的照片并显示

from PIL import Image
img = Image.open('bobby.jpg')
img

待用预处理函数对图片进行预处理。

img_t=preprocess(img)
img_t.shape

输出为一个3维的张量。

给张量前面再增加一个维度。

import torch
batch_t = torch.unsqueeze(img_t,0)#加一个维度，数字0代表增加在第0维前面，如果为1就代表维度1前面
batch_t.shape

输出在第0维前面增加了一个1.

（4）运行模型

在新数据上运行训练过的模型的过程被称为推理（inference），为了推理需要先将网络放到eval模式。执行代码：

resnet.eval()

进行推理：

out=resnet(batch_t)
out

产生了一个1000分类的向量，每个ImageNet对应一个分数。

（5）查看预测结果

加载定义好的ImageNet标签。

with open('imagenet_classes.txt') as f:
    labels = [line.strip() for line in f.readlines()]

需要找出out输出在labels标签中的索引。可以利用max()函数输出张量中最大值以及最大值的索引。代码如下：

_,index=torch.max(out,1)
index

输出的索引不是一个数字，而是一个一维张量。

使用index[0]获得实际的数字作为标签列表的索引，用torch.nn.functional.softmax()将输出归一化到[0,1]，然后除以总和。可以求出模型在预测中的置信度。

代码：

percentage = torch.nn.functional.softmax(out,dim=1)[0]*100
labels[index[0]],percentage[index[0]].item()

输出：('golden retriever', 96.29335021972656)

分类结果维金毛犬，置信度为96%。

也可以对预测结果的其它值进行排序输出。比如输出前5个。

_,indices = torch.sort(out,descending=True)
[(labels[idx],percentage[idx].item()) for idx in indices[0][:5]]

输出：

2.2 一个足以以假乱真的预训练模型

GAN是生成式对抗网络（generative adversarial network）的缩写。

cycleGAN是循环生成式对抗网络的缩写，可以将一个领域的图像转换为另一个领域的图像。

2.2.1 将马变为斑马的网络

CycleGAN从ImageNet数据集中提取的马和斑马的数据集进行训练。该网络学习获取一匹或多匹马的图像，并将它们全部变成斑马，图像的其余部分尽可能不被修改。

使用预训练好的CycleGAN将使我们有机会更进一步了解网络是如何实现的，对于本例就是生成器。

（1）以ResNet为例，定义一个ResNetGenerator类。

import torch
import torch.nn as nn

class ResNetBlock(nn.Module): # <1>

    def __init__(self, dim):
        super(ResNetBlock, self).__init__()
        self.conv_block = self.build_conv_block(dim)

    def build_conv_block(self, dim):
        conv_block = []

        conv_block += [nn.ReflectionPad2d(1)]

        conv_block += [nn.Conv2d(dim, dim, kernel_size=3, padding=0, bias=True),
                       nn.InstanceNorm2d(dim),
                       nn.ReLU(True)]

        conv_block += [nn.ReflectionPad2d(1)]

        conv_block += [nn.Conv2d(dim, dim, kernel_size=3, padding=0, bias=True),
                       nn.InstanceNorm2d(dim)]

        return nn.Sequential(*conv_block)

    def forward(self, x):
        out = x + self.conv_block(x) # <2>
        return out


class ResNetGenerator(nn.Module):

    def __init__(self, input_nc=3, output_nc=3, ngf=64, n_blocks=9): # <3> 

        assert(n_blocks >= 0)
        super(ResNetGenerator, self).__init__()

        self.input_nc = input_nc
        self.output_nc = output_nc
        self.ngf = ngf

        model = [nn.ReflectionPad2d(3),
                 nn.Conv2d(input_nc, ngf, kernel_size=7, padding=0, bias=True),
                 nn.InstanceNorm2d(ngf),
                 nn.ReLU(True)]

        n_downsampling = 2
        for i in range(n_downsampling):
            mult = 2**i
            model += [nn.Conv2d(ngf * mult, ngf * mult * 2, kernel_size=3,
                                stride=2, padding=1, bias=True),
                      nn.InstanceNorm2d(ngf * mult * 2),
                      nn.ReLU(True)]

        mult = 2**n_downsampling
        for i in range(n_blocks):
            model += [ResNetBlock(ngf * mult)]

        for i in range(n_downsampling):
            mult = 2**(n_downsampling - i)
            model += [nn.ConvTranspose2d(ngf * mult, int(ngf * mult / 2),
                                         kernel_size=3, stride=2,
                                         padding=1, output_padding=1,
                                         bias=True),
                      nn.InstanceNorm2d(int(ngf * mult / 2)),
                      nn.ReLU(True)]

        model += [nn.ReflectionPad2d(3)]
        model += [nn.Conv2d(ngf, output_nc, kernel_size=7, padding=0)]
        model += [nn.Tanh()]

        self.model = nn.Sequential(*model)

    def forward(self, input): # <3>
        return self.model(input)

（2）实例化

netG = ResNetGenerator()

权重为随机权重。

（3）将预训练好的权重添加到ReNet Generator中。

model_path='horse2zebra_0.4.0.pth'
model_data = torch.load(model_path)
netG.load_state_dict(model_data)

执行后，netG就获得了训练中需要的所有知识。

（4）推理

netG.eval()

输出：

程序是将一匹或多匹马逐像素修改。

导入随机马的图像进行测试。

导入需要的库：

from PIL import Image
from torchvision import transforms

定义预处理函数：

preprocess = transforms.Compose([
    transforms.Resize(256),
    transforms.ToTensor()
])

导入马的图片：

img = Image.open('horse.jpg')
img

对图片预处理：

img_t = preprocess(img)
batch_t = torch.unsqueeze(img_t,0)

将变量传递给模型：

batch_out = netG(batch_t)

将生成器的输出转换为图像。

out_t = (batch_out.data.squeeze()+1.0)/2.0
out_img = transforms.ToPILImage()(out_t)
out_img

2.6 练习题

1.将金毛猎犬的图像输入马-斑马模型中。

参考资料：

1. 预训练网络 · 深度学习与PyTorch（中文版） (paper2fox.github.io)

4. PyTorch深度学习 Deep Learning with PyTorch ch.2, p2_哔哩哔哩_bilibili