https://blog.csdn.net/hb_learing/article/details/110411532
https://blog.csdn.net/Pl_Sun/article/details/106975414
本文基于六种鸟类的分类问题,以小数据集为例,带领读者从总体上了解一个从零开始的图像分类问题,陆续会写一些具体的问题,如本人在跑这个小项目中遇到的所有问题以及解决方法,重点在于掌握图像分类这一基本问题中数据集的分割、读取、封装的基本思想,接着会详细的介绍构建的模型,以及针对小数据集而使用的k折交叉验证的方法,还有使用到的网络,损失函数,优化器,等涉及到图像分类问题的所有的基本内容。
我们的小数据集共有654张照片,共六类鸟,每一类放在了一个文件夹下。不使用K折交叉验证的话,是不需要分割训练集和数据集的,因此只需要把所有的数据写入一份文件里,然后再打乱顺序),分为K折,依次取每一折作为测试集、剩下的作为训练集。接着就可以把txt文本送入Pytorch的torch.utils.data.Dataset类中,因为笔者想把内部的原理搞的透一点,故自己定义了一个torch.utils.data.Dataset的一个子类,来深入理解此类的内部对数据集读取的原理,到这数据集封装完成,最后就可以直接使用torch.utils.data.DataLoader类生成可迭代的数据集了!
将所有的数据集读入txt文本;
#本段代码为“k折交叉验证”提供了数据集中每张图片的的路径与标签信息
import glob
import os
import numpy as np
base_path = "/data2/houb/K_fold/data/"
image_path=[]
for i in os.listdir(base_path):
image_path.append(os.path.join(base_path,i))
sum=0
img_path=[]
#遍历上面的路径,依次把信息追加到img_path列表中
for label,p in enumerate(image_path):
image_dir=glob.glob(p+"/"+"*.JPG")#返回路径下的所有图片详细的路径
sum+=len(image_dir)
print(len(image_dir))
for image in image_dir:
img_path.append((image,str(label)))
#print(img_path[0])
print("%d 个图像信息已经加载到txt文本!!!"%(sum))
np.random.shuffle(img_path)
print(img_path[0])
file=open("shuffle_data.txt","w",encoding="utf-8")
for img in img_path:
file.write(img[0]+','+img[1]+'\n')
file.close()
写入后的文件内容:图片路径+对应label
2.为k折交叉验证做分割数据集的准备,把数据集分成K份,每一份都要作为一次测试集,剩下的作为训练集。代码如下(该函数将会被调用k次);
def get_k_fold_data(k, k1, image_dir):
# 返回第i折交叉验证时所需要的训练和验证数据
assert k > 1##K折交叉验证K大于1
file = open(image_dir, 'r', encoding='utf-8',newline="")
reader = csv.reader(file)
imgs_ls = []
for line in reader:
imgs_ls.append(line)
#print(len(imgs_ls))
file.close()
avg = len(imgs_ls) // k
f1 = open('./train_k.txt', 'w',newline='')
f2 = open('./test_k.txt', 'w',newline='')
writer1 = csv.writer(f1)
writer2 = csv.writer(f2)
for i, row in enumerate(imgs_ls):
#print(row)
if (i // avg) == k1:
writer2.writerow(row)
else:
writer1.writerow(row)
f1.close()
f2.close()
3.数据集的读取
class MyDataset(torch.utils.data.Dataset): # 创建自己的类:MyDataset,这个类是继承的torch.utils.data.Dataset
def __init__(self, is_train,root): # 初始化一些需要传入的参数
super(MyDataset, self).__init__()
fh = open(root, 'r',newline='') # 按照传入的路径和txt文本参数,打开这个文本,并读取内容
fh_reader = csv.reader(fh)
imgs = [] # 创建一个名为img的空列表,一会儿用来装东西
for line in fh_reader: # 按行循环txt文本中的内容
#print(line)
imgs.append((line[0], int(line[1]))) # 把txt里的内容读入imgs列表保存,具体是words几要看txt内容而定
self.imgs = imgs
self.is_train = is_train
if self.is_train:
self.train_tsf = torchvision.transforms.Compose([
torchvision.transforms.RandomResizedCrop(524, scale=(0.1, 1), ratio=(0.5, 2)),
torchvision.transforms.ToTensor()
])
else:
self.test_tsf = torchvision.transforms.Compose([
torchvision.transforms.Resize(size=524),
torchvision.transforms.CenterCrop(size=500),
torchvision.transforms.ToTensor()])
def __getitem__(self, index): # 这个方法是必须要有的,用于按照索引读取每个元素的具体内容
feature, label = self.imgs[index] # fn是图片path #fn和label分别获得imgs[index]也即是刚才每行中word[0]和word[1]的信息
feature = Image.open(feature).convert('RGB') # 按照path读入图片from PIL import Image # 按照路径读取图片
if self.is_train:
feature = self.train_tsf(feature)
else:
feature = self.test_tsf(feature)
return feature, label
def __len__(self): # 这个函数也必须要写,它返回的是数据集的长度,也就是多少张图片,要和loader的长度作区分
return len(self.imgs)
3.封装:
train_data = MyDataset(is_train=True, root=train_k)
test_data = MyDataset(is_train=False, root=test_k)
4.使用torch.utils.data.DataLoader类对数据集进行可迭代化处理;
train_loader = torch.utils.data.DataLoader(dataset=train_data, batch_size=10, shuffle=True, num_workers=5)
test_loader = torch.utils.data.DataLoader(dataset=test_data, batch_size=10, shuffle=True, num_workers=5)
至此,数据集处理工作到此完成!
网络模型部分
因为Efficient-Net网络的预训练模型下载不方便,不易于学习、故网络替换为了比较深的网络densenet161网络,使用非常简单,仅需要掌握对网络层的理解,以及微调的基本知识,就可以轻松上手。
1.首先要安装torchvision(pip install torchvision)
2.导入已经训练过的网络
from torchvision.models import densenet161
net = densenet161(pretrained=True, progress=True)
3.对下载后的网络模型进行调整,并加载优化器
net.classifier = nn.Linear(2208, 6)
output_params = list(map(id, net.classifier.parameters()))
feature_params = filter(lambda p: id(p) not in output_params, net.parameters())
lr = 0.01
optimizer = optim.SGD([{'params': feature_params},
{'params': net.classifier.parameters(), 'lr': lr * 10}], lr=lr, weight_decay=0.001)
由于该网络是在很大的ImageNet数据集上预训练的,所以参数已经足够好,因此一般只需使用较小的学习率来微调这些参数,而fc中的随机初始化参数一般需要更大的学习率从头训练。
4.因为我是在Linux服务器上的跑的程序,用到了多块GPU,所以代码如下:
net=net.cuda()
net = torch.nn.DataParallel(net)
至此,网络层部分到此结束。
训练函数部分
def train(i,train_iter, test_iter, net, loss, optimizer, device, num_epochs):
net = net.to(device)
print("training on ", device)
start = time.time()
test_acc_max_l = []
train_acc_max_l = []
train_l_min_l=[]
test_acc_max = 0
for epoch in range(num_epochs): #迭代100次
batch_count = 0
train_l_sum, train_acc_sum, test_acc_sum, n = 0.0, 0.0, 0.0, 0
for X, y in train_iter:
X = X.to(device)
y = y.to(device)
y_hat = net(X)
l = loss(y_hat, y)
optimizer.zero_grad()
l.backward()
optimizer.step()
train_l_sum += l.cpu().item()
train_acc_sum += (y_hat.argmax(dim=1) == y).sum().cpu().item()
n += y.shape[0]
batch_count += 1
#至此,每个epoches完成
test_acc_sum= evaluate_accuracy(test_iter, net)
train_l_min_l.append(train_l_sum/batch_count)
train_acc_max_l.append(train_acc_sum/n)
test_acc_max_l.append(test_acc_sum)
print('fold %d epoch %d, loss %.4f, train acc %.3f, test acc %.3f'
% (i+1,epoch + 1, train_l_sum / batch_count, train_acc_sum / n, test_acc_sum))
###保存
if test_acc_max_l[-1] > test_acc_max:
test_acc_max = test_acc_max_l[-1]
torch.save(net.module.state_dict(), "./K{:}_bird_model_best.pt".format(i+1))
print("saving K{:}_bird_model_best.pt ".format(i))
####选择测试准确率最高的那一个epoch对应的数据,打印并写入文件
index_max=test_acc_max_l.index(max(test_acc_max_l))
f = open("./results.txt", "a")
if i==0:
f.write("fold"+" "+"train_loss"+" "+"train_acc"+" "+"test_acc")
f.write('\n' +"fold"+str(i+1)+":"+str(train_l_min_l[index_max]) + " ;" + str(train_acc_max_l[index_max]) + " ;" + str(test_acc_max_l[index_max]))
f.close()
print('fold %d, train_loss_min %.4f, train acc max%.4f, test acc max %.4f, time %.1f sec'
% (i + 1, train_l_min_l[index_max], train_acc_max_l[index_max], test_acc_max_l[index_max], time.time() - start))
return train_l_min_l[index_max],train_acc_max_l[index_max],test_acc_max_l[index_max]
k折交叉验证部分
def k_fold(k,image_dir,num_epochs,device,batch_size):
train_k = './train_k.txt'
test_k = './test_k.txt'
#loss_acc_sum,train_acc_sum, test_acc_sum = 0,0,0
Ktrain_min_l = []
Ktrain_acc_max_l = []
Ktest_acc_max_l = []
for i in range(k):
net, optimizer = get_net_optimizer()
loss = get_loss()
get_k_fold_data(k, i, image_dir)
train_data = MyDataset(is_train=True, root=train_k)
test_data = MyDataset(is_train=False, root=test_k)
train_loader = torch.utils.data.DataLoader(dataset=train_data, batch_size=batch_size, shuffle=True, num_workers=5)
test_loader = torch.utils.data.DataLoader(dataset=test_data, batch_size=batch_size, shuffle=True, num_workers=5)
# 修改train函数,使其返回每一批次的准确率,tarin_ls用列表表示
loss_min,train_acc_max,test_acc_max=train(i,train_loader,test_loader, net, loss, optimizer, device, num_epochs)
Ktrain_min_l.append(loss_min)
Ktrain_acc_max_l.append(train_acc_max)
Ktest_acc_max_l.append(test_acc_max)
return sum(Ktrain_min_l)/len(Ktrain_min_l),sum(Ktrain_acc_max_l)/len(Ktrain_acc_max_l),sum(Ktest_acc_max_l)/len(Ktest_acc_max_l)
我对k折交叉验证的理解,只不过是再train训练函数外又套了k层循环,使训练次数由原来的一次变为k次!且每一次仍会对不同的训练集、测试集训练、测试num_epoches次!即相当于原来的train函数由只执行一次变为执行了k次,极为重要的是每一折都是独立的。
最终结果部分
第五折里的最后一部分
每一折里选取的标准是测试准确率最高的那一个epoch的相关信息
由于我们的数据集比较小而且相机的分辨率很高,再加上网络很深,可看到每一折的训练效果还可以。 解决问题的方法有很多,如果读者有任何问题以及不同的见解,欢迎留言评论,一起交流,一起进步! 最后感谢指导老师沈龙风老师,为我们小组提供细致的指导,以及提供的鸟类数据集,在深度学习成长的路上能得到良师的指导,感到很幸运!自己也会坚持下去的!希望21年在所研究的细粒度图像识别领域发表一篇论文。 本篇博客为作者原创,转载请注明出处,谢谢!
完整代码
附:完整代码