alexnet论文代码复现

一、环境配置
opencv-python 4.1.2.30
Pillow 8.1.2
tensorboard 2.4.1
torch 1.4.0+cuda10.1
torchsummary 1.5.1
torchvision 0.5.0+cuda10.1
numpy 1.20.1
二、项目结构
预训练模型下载链接
https://download.pytorch.org/models/alexnet-owt-4df8aa71.pth
数据集
链接：https://pan.baidu.com/s/1FUiLsw91DW8ssmnbmrxv5Q
提取码：0fgw

alexnet_inference.py：1000类Alexnet测试
alexnet_visualization.py：alexnet卷积核可视化 ，特征图可视化
train_alexnet.py：猫狗数据集上训练Alexnet
三、关键代码

1、torch.topk

torch.topk(input, k, dim=None, largest=True，sorted=True, out=None)

功能：找出前k大的数据，及其索引序号
• input：张量
• k：决定选取k个值
• dim：索引维度
返回：
• Tensor：前k大的值
• LongTensor：前k大的值所在的位置（找分类名称）
2、FiveCrop TenCrop

transforms.FiveCrop(size)
transforms.TenCrop(size, vertical_flip=False)

功能：在图像的上下左右以及中心裁剪出尺
寸为size的5张图片，TenCrop对这5张图片进行水平或者垂直镜像获得10张图片
• size：所需裁剪图片尺寸
• vertical_flip：是否垂直翻转

3、torchvision.utils.make_grid

make_grid(tensor, nrow=8, padding=2, normalize=False, range=None, scale_each=False, pad_value=0)

功能：制作网格图像（可视化使用）
• tensor：图像数据, BCH*W形式
• nrow：行数（列数自动计算：B/行数）
• padding：图像间距（像素单位）
• normalize：是否将像素值标准化(0-1)—>[0.255]
• range：标准化范围
• scale_each：是否单张图维度标准化
• pad_value：padding的像素值
模型model.eval()作用是为了固定BN和dropout层，使得偏置参数不随着发生变化。因为当batchsize小时，如果没有固定，会对图像的失真有很大的影响

四、代码结构（详细代码见底部）
1、alexnet_inference.py
注意：模型接收4D张量、弃用LRN、 增加AdaptiveAvgPool2d、卷积核数量有所改变
1） 加载图片

img_tensor, img_rgb = process_img(path_img)

2）加载模型

alexnet_model = get_model(path_state_dict,True)

3）模型预测

outputs = alexnet_model(img_tensor)

4)获取类别
5)分类结果可视化
2. alexnet_visualizaton.py
1）卷积核可视化
2） 特征图可视化
3. train_alexnet.py
1） 构建DataLoader
2）构建模型
3）构建损失函数
4）构建优化器
5） 迭代训练

五、详细代码
1、alexnet_inference.py

import os
os.environ['NLS_LANG'] = 'SIMPLIFIED CHINESE_CHINA.UTF8'
import time
import json
import torch.nn as nn
import torch
import torchvision.transforms as transforms
from PIL import Image
from matplotlib import pyplot as plt
import torchvision.models as models
#BASE_DIR = os.path.dirname(os.path.abspath(__file__))#返回路径 path 的父目录名称
BASE_DIR = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")


def img_transform(img_rgb, transform=None):
    """
    将数据转换为模型读取的形式
    :param img_rgb: PIL Image
    :param transform: torchvision.transform
    :return: tensor
    """

    if transform is None:
        raise ValueError("找不到transform！必须有transform对img进行处理")

    img_t = transform(img_rgb)
    return img_t


def load_class_names(p_clsnames, p_clsnames_cn):
    """
    加载标签名
    :param p_clsnames:
    :param p_clsnames_cn:
    :return:
    """
    with open(p_clsnames, "r") as f:
        class_names = json.load(f)
    with open(p_clsnames_cn, encoding='UTF-8') as f:  # 设置文件对象
        class_names_cn = f.readlines()
    return class_names, class_names_cn


def get_model(path_state_dict, vis_model=False):
    """
    创建模型，加载参数
    :param path_state_dict:
    :return:
    """
    model = models.alexnet()       #模型的构建
    pretrained_state_dict = torch.load(path_state_dict)  #加载预训练模型
    model.load_state_dict(pretrained_state_dict)   #把预训练模型的参数放到模型上
    model.eval()

    if vis_model:     #模型数据流的情况
        from torchsummary import summary   #观察模型数据流的情况
        summary(model, input_size=(3, 224, 224), device="cpu")  #生成虚拟的数据去模型中foward，记录foward中每一步网络层特征图的大小

    model.to(device)
    return model


def process_img(path_img):

    # hard code
    norm_mean = [0.485, 0.456, 0.406]
    norm_std = [0.229, 0.224, 0.225]
    inference_transform = transforms.Compose([
        transforms.Resize(256),
        transforms.CenterCrop((224, 224)),
        transforms.ToTensor(),   #把[0-255]->[0-1]
        transforms.Normalize(norm_mean, norm_std),
    ])

    # path --> img
    img_rgb = Image.open(path_img).convert('RGB')

    # img --> tensor
    img_tensor = img_transform(img_rgb, inference_transform)
    img_tensor.unsqueeze_(0<