文章目录
本文参加新星计划人工智能(Pytorch)赛道：https://bbs.csdn.net/topics/613989052
一、 模块简单介绍
- 我们可以进入 pytorch 的官方网站，对模型的基本架构和训练好的参数进行直接调用，具体链接如下 https://pytorch.org/。
1. 数据预处理部分
- （1） 数据增强通过 torchvision 中 transforms 模块的自带功能实现，比较实用。
- （2） 数据预处理通过 torchvision 中 transforms 也帮我们实现好了，直接调用即可。
- （3） DataLoader 模块可以直接读取 batch 数据。
2. 网络模块设置
- （1） 加载预训练模型，torchvision 中有很多经典网络架构，调用起来十分方便，并且可以用人家训练好的权重参数来继续训练，也就是所谓的迁移学习。
- （2） 需要注意的是别人训练好的任务跟咱们的可不是完全一样，需要把最后的 head 层改一改，一般也就是最后的全连接层，改成咱们自己的任务。
- （3） 训练时可以全部重头训练，也可以只训练最后咱们任务的层，因为前几层都是做特征提取的，本质任务目标是一致的。
3. 网络模型保存与测试
- （1） 模型保存的时候可以带有选择性，例如在验证集中如果当前效果好则保存。
- （2） 读取模型进行实际测试。
import os
import matplotlib.pyplot as plt
%matplotlib inline
import numpy as np
import torch
from torch import nn
import torch.optim as optim
import torchvision
#pip install torchvisionfrom torchvision import transforms, models, datasets
#https://pytorch.org/docs/stable/torchvision/index.htmlimport imageio
import time
import warnings
import random
import sys
import copy
import json
from PIL import Image
二、数据读取与预处理操作
- 在最开始，我们先进行训练集和测试集的数据读取。
data_dir ='./flower_data/'
train_dir = data_dir +'/train'
valid_dir = data_dir +'/valid'
1. 制作数据源
- 由于整体数据集较少，因此，我们通过 data_transforms 进行数据增强，指定所有图像预处理操作，包括旋转，裁剪，水平翻转、垂直翻转等等。
- 需要注意的是，这里分为训练集和数据集两部分。
data_transforms ={'train': transforms.Compose([transforms.RandomRotation(45),#随机旋转，-45到45度之间随机选
transforms.CenterCrop(224),#从中心开始裁剪
transforms.RandomHorizontalFlip(p=0.5),#随机水平翻转 选择一个概率概率
transforms.RandomVerticalFlip(p=0.5),#随机垂直翻转
transforms.ColorJitter(brightness=0.2, contrast=0.1, saturation=0.1, hue=0.1),#参数1为亮度，参数2为对比度，参数3为饱和度，参数4为色相
transforms.RandomGrayscale(p=0.025),#概率转换成灰度率，3通道就是R=G=B
transforms.ToTensor(),
transforms.Normalize([0.485,0.456,0.406],[0.229,0.224,0.225])#均值，标准差]),'valid': transforms.Compose([transforms.Resize(256),
transforms.CenterCrop(224),
transforms.ToTensor(),
transforms.Normalize([0.485,0.456,0.406],[0.229,0.224,0.225])]),}
- 在数据加强完后，我们将单次传递给程序用以训练的数据也就是样本的个数设置为 8。
- 在传入数据集的时候，第一个参数是我们原始数据的路径，第二个参数是我们的数据增强方法。
batch_size =8
image_datasets ={x: datasets.ImageFolder(os.path.join(data_dir, x), data_transforms[x])for x in['train','valid']}
dataloaders ={x: torch.utils.data.DataLoader(image_datasets[x], batch_size=batch_size, shuffle=True)for x in['train','valid']}
dataset_sizes ={x:len(image_datasets[x])for x in['train','valid']}
class_names = image_datasets['train'].classes
- 接下来，我们读取数据集的基本信息，包括训练集中的数据个数，存储路径等等信息，测试集也是相同的。
image_datasets
#{'train': Dataset ImageFolder# Number of datapoints: 6552# Root location: ./flower_data/train# StandardTransform# Transform: Compose(# RandomRotation(degrees=(-45, 45), resample=False, expand=False)# CenterCrop(size=(224, 224))# RandomHorizontalFlip(p=0.5)# RandomVerticalFlip(p=0.5)# ColorJitter(brightness=[0.8, 1.2], contrast=[0.9, 1.1], saturation=[0.9, 1.1], #hue=[-0.1, 0.1])# RandomGrayscale(p=0.025)# ToTensor()# Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])# ), 'valid': Dataset ImageFolder# Number of datapoints: 818# Root location: ./flower_data/valid# StandardTransform# Transform: Compose(# Resize(size=256, interpolation=PIL.Image.BILINEAR)# CenterCrop(size=(224, 224))# ToTensor()# Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])# )}
- 我们也可以打印 dataloaders 中的信息，包含训练集和测试集两个。
dataloaders
#{'train': <torch.utils.data.dataloader.DataLoader at 0x21c5388b2b0>,# 'valid': <torch.utils.data.dataloader.DataLoader at 0x21c539a80b8>}
- 查看 dataset 中的数据数量，其中训练集包含 6552 个样本，测试集中包含 818 个样本。
dataset_sizes
#{'train': 6552, 'valid': 818}
2. 读取标签对应的实际名字
- 在我们的文件当中，包含一个 json 文件，这中间包含了基本的标签信息，每个数字对应一种花的种类，在此，我们对这些信息进行读取。
withopen('cat_to_name.json','r')as f:
cat_to_name = json.load(f)
cat_to_name
3. 展示数据
- 在展示数据时，需要注意 tensor 的数据需要转换成 numpy 的格式，而且还需要还原回标准化的结果。
- 由于现在的数据都是已经处理完成后的数据，因此，如果我们想要展示的话需要对这些数据进行还原。
defim_convert(tensor):""" 展示数据"""
image = tensor.to("cpu").clone().detach()
image = image.numpy().squeeze()
image = image.transpose(1,2,0)
image = image * np.array((0.229,0.224,0.225))+ np.array((0.485,0.456,0.406))
image = image.clip(0,1)
return image
- 在还原完成后，我们只需要对其中的数据进行读取即可，这里展示 8 个数据为例。
fig=plt.figure(figsize=(20,12))
columns =4
rows =2
dataiter =iter(dataloaders['valid'])
inputs, classes = dataiter.next()
for idx inrange(columns*rows):
ax = fig.add_subplot(rows, columns, idx+1, xticks=[], yticks=[])
ax.set_title(cat_to_name[str(int(class_names[classes[idx]]))])
plt.imshow(im_convert(inputs[idx]))
plt.show()
三、模型构建与实现
1. 加载 models 中提供的模型，并且直接用训练的好权重当做初始化参数
- 第一次执行需要下载，可能会比较慢，大家不必担心。
model_name ='resnet'#可选的比较多 ['resnet', 'alexnet', 'vgg', 'squeezenet', 'densenet', 'inception']
- 在下载完成后，通过设置 feature_extract 为 True 或 False，决定是否用人家训练好的特征来做，这里直接使用人家训练好的特征，也就是设置为 True。
feature_extract =True
- 之后，我们决定是否用 GPU 进行训练。
train_on_gpu = torch.cuda.is_available()
ifnot train_on_gpu:print('CUDA is not available. Training on CPU ...')else:print('CUDA is available! Training on GPU ...')
device = torch.device("cuda:0"if torch.cuda.is_available()else"cpu")#CUDA is available! Training on GPU ...
- 进行模型架构的打印。
defset_parameter_requires_grad(model, feature_extracting):if feature_extracting:for param in model.parameters():
param.requires_grad =False
model_ft = models.resnet152()
model_ft
2. 参考 pytorch 官网例子
- 选择合适的模型，不同模型的初始化方法稍微有点区别，具体的代码如下所示。
definitialize_model(model_name, num_classes, feature_extract, use_pretrained=True):
model_ft =None
input_size =0
if model_name =="resnet":""" Resnet152
"""
model_ft = models.resnet152(pretrained=use_pretrained)
set_parameter_requires_grad(model_ft, feature_extract)
num_ftrs = model_ft.fc.in_features
model_ft.fc = nn.Sequential(nn.Linear(num_ftrs,102),
nn.LogSoftmax(dim=1))
input_size =224
elif model_name =="alexnet":""" Alexnet
"""
model_ft = models.alexnet(pretrained=use_pretrained)
set_parameter_requires_grad(model_ft, feature_extract)
num_ftrs = model_ft.classifier[6].in_features
model_ft.classifier[6]= nn.Linear(num_ftrs,num_classes)
input_size =224
elif model_name =="vgg":""" VGG11_bn
"""
model_ft = models.vgg16(pretrained=use_pretrained)
set_parameter_requires_grad(model_ft, feature_extract)
num_ftrs = model_ft.classifier[6].in_features
model_ft.classifier[6]= nn.Linear(num_ftrs,num_classes)
input_size =224
elif model_name =="squeezenet":""" Squeezenet
"""
model_ft = models.squeezenet1_0(pretrained=use_pretrained)
set_parameter_requires_grad(model_ft, feature_extract)
model_ft.classifier[1]= nn.Conv2d(512, num_classes, kernel_size=(1,1), stride=(1,1))
model_ft.num_classes = num_classes
input_size =224
elif model_name =="densenet":""" Densenet
"""
model_ft = models.densenet121(pretrained=use_pretrained)
set_parameter_requires_grad(model_ft, feature_extract)
num_ftrs = model_ft.classifier.in_features
model_ft.classifier = nn.Linear(num_ftrs, num_classes)
input_size =224
elif model_name =="inception":""" Inception v3
Be careful, expects (299,299) sized images and has auxiliary output
"""
model_ft = models.inception_v3(pretrained=use_pretrained)
set_parameter_requires_grad(model_ft, feature_extract)# Handle the auxilary net
num_ftrs = model_ft.AuxLogits.fc.in_features
model_ft.AuxLogits.fc = nn.Linear(num_ftrs, num_classes)# Handle the primary net
num_ftrs = model_ft.fc.in_features
model_ft.fc = nn.Linear(num_ftrs,num_classes)
input_size =299
else:print("Invalid model name, exiting...")
exit()
return model_ft, input_size
3. 设置哪些层需要训练
- 在关于哪些层需要训练，首先导入模型的名字，把最终的输出结果 102 导入进去，然后选择是否动那些层，是否使用人家的模型参数。
model_ft, input_size = initialize_model(model_name,102, feature_extract, use_pretrained=True)
- 使用 GPU 进行计算。
model_ft = model_ft.to(device)
- 将我们训练完成后的模型保存到指定路径之下。
filename='checkpoint.pth'
- 是否训练所有层。
params_to_update = model_ft.parameters()print("Params to learn:")if feature_extract:
params_to_update =[]for name,param in model_ft.named_parameters():if param.requires_grad ==True:
params_to_update.append(param)print("\t",name)else:for name,param in model_ft.named_parameters():if param.requires_grad ==True:print("\t",name)#Params to learn:# fc.0.weight# fc.0.bias#model_ft
4. 优化器设置
- 进行学习率衰减。
optimizer_ft = optim.Adam(params_to_update, lr=1e-2)
scheduler = optim.lr_scheduler.StepLR(optimizer_ft, step_size=7, gamma=0.1)#学习率每7个epoch衰减成原来的1/10#最后一层已经LogSoftmax()了，所以不能nn.CrossEntropyLoss()来计算了，nn.CrossEntropyLoss()相当于logSoftmax()和nn.NLLLoss()整合
criterion = nn.NLLLoss()
5. 训练模块
deftrain_model(model, dataloaders, criterion, optimizer, num_epochs=25, is_inception=False,filename=filename):
since = time.time()
best_acc =0"""
checkpoint = torch.load(filename)
best_acc = checkpoint['best_acc']
model.load_state_dict(checkpoint['state_dict'])
optimizer.load_state_dict(checkpoint['optimizer'])
model.class_to_idx = checkpoint['mapping']
"""
model.to(device)
val_acc_history =[]
train_acc_history =[]
train_losses =[]
valid_losses =[]
LRs =[optimizer.param_groups[0]['lr']]
best_model_wts = copy.deepcopy(model.state_dict())
for epoch inrange(num_epochs):print('Epoch {}/{}'.format(epoch, num_epochs -1))print('-'*10)
# 训练和验证for phase in['train','valid']:if phase =='train':
model.train()# 训练else:
model.eval()# 验证
running_loss =0.0
running_corrects =0
# 把数据都取个遍for inputs, labels in dataloaders[phase]:
inputs = inputs.to(device)
labels = labels.to(device)
# 清零
optimizer.zero_grad()# 只有训练的时候计算和更新梯度with torch.set_grad_enabled(phase =='train'):if is_inception and phase =='train':
outputs, aux_outputs = model(inputs)
loss1 = criterion(outputs, labels)
loss2 = criterion(aux_outputs, labels)
loss = loss1 +0.4*loss2
else:#resnet执行的是这里
outputs = model(inputs)
loss = criterion(outputs, labels)
_, preds = torch.max(outputs,1)
# 训练阶段更新权重if phase =='train':
loss.backward()
optimizer.step()
# 计算损失
running_loss += loss.item()* inputs.size(0)
running_corrects += torch.sum(preds == labels.data)
epoch_loss = running_loss /len(dataloaders[phase].dataset)
epoch_acc = running_corrects.double()/len(dataloaders[phase].dataset)
time_elapsed = time.time()- since
print('Time elapsed {:.0f}m {:.0f}s'.format(time_elapsed //60, time_elapsed %60))print('{} Loss: {:.4f} Acc: {:.4f}'.format(phase, epoch_loss, epoch_acc))
# 得到最好那次的模型if phase =='valid'and epoch_acc > best_acc:
best_acc = epoch_acc
best_model_wts = copy.deepcopy(model.state_dict())
state ={'state_dict': model.state_dict(),'best_acc': best_acc,'optimizer': optimizer.state_dict(),}
torch.save(state, filename)if phase =='valid':
val_acc_history.append(epoch_acc)
valid_losses.append(epoch_loss)
scheduler.step(epoch_loss)if phase =='train':
train_acc_history.append(epoch_acc)
train_losses.append(epoch_loss)print('Optimizer learning rate : {:.7f}'.format(optimizer.param_groups[0]['lr']))
LRs.append(optimizer.param_groups[0]['lr'])print()
time_elapsed = time.time()- since
print('Training complete in {:.0f}m {:.0f}s'.format(time_elapsed //60, time_elapsed %60))print('Best val Acc: {:4f}'.format(best_acc))
# 训练完后用最好的一次当做模型最终的结果
model.load_state_dict(best_model_wts)return model, val_acc_history, train_acc_history, valid_losses, train_losses, LRs
model_ft, val_acc_history, train_acc_history, valid_losses, train_losses, LRs = train_model(model_ft, dataloaders, criterion, optimizer_ft, num_epochs=20, is_inception=(model_name=="inception"))
- 再次继续训练所有层。
for param in model_ft.parameters():
param.requires_grad =True
#再继续训练所有的参数，学习率调小一点
optimizer = optim.Adam(params_to_update, lr=1e-4)
scheduler = optim.lr_scheduler.StepLR(optimizer_ft, step_size=7, gamma=0.1)
#损失函数
criterion = nn.NLLLoss()#Load the checkpoint
checkpoint = torch.load(filename)
best_acc = checkpoint['best_acc']
model_ft.load_state_dict(checkpoint['state_dict'])
optimizer.load_state_dict(checkpoint['optimizer'])#model_ft.class_to_idx = checkpoint['mapping']
model_ft, val_acc_history, train_acc_history, valid_losses, train_losses, LRs = train_model(model_ft, dataloaders, criterion, optimizer, num_epochs=10, is_inception=(model_name=="inception"))
6. 测试模型效果
- 输入一张测试图像，看看网络的返回结果：
probs, classes = predict(image_path, model)print(probs)print(classes)#[ 0.01558163 0.01541934 0.01452626 0.01443549 0.01407339]#['70', '3', '45', '62', '55']
- 这里需要注意的是，预处理方法需相同。
- 然后，我们加载训练好的模型。
model_ft, input_size = initialize_model(model_name,102, feature_extract, use_pretrained=True)
#GPU模式
model_ft = model_ft.to(device)
#保存文件的名字
filename='seriouscheckpoint.pth'
#加载模型
checkpoint = torch.load(filename)
best_acc = checkpoint['best_acc']
model_ft.load_state_dict(checkpoint['state_dict'])
- 测试数据处理方法需要跟训练时一直才可以。
- crop 操作的目的是保证输入的大小是一致的。
- 标准化操作也是必须的，用跟训练数据相同的 mean 和 std，但是需要注意一点训练数据是在 0-1 上进行标准化，所以测试数据也需要先归一化。
- PyTorch 中颜色通道是第一个维度，跟很多工具包都不一样，需要转换。
defprocess_image(image_path):# 读取测试数据
img = Image.open(image_path)# Resize,thumbnail方法只能进行缩小，所以进行了判断if img.size[0]> img.size[1]:
img.thumbnail((10000,256))else:
img.thumbnail((256,10000))# Crop操作
left_margin =(img.width-224)/2
bottom_margin =(img.height-224)/2
right_margin = left_margin +224
top_margin = bottom_margin +224
img = img.crop((left_margin, bottom_margin, right_margin,
top_margin))# 相同的预处理方法
img = np.array(img)/255
mean = np.array([0.485,0.456,0.406])#provided mean
std = np.array([0.229,0.224,0.225])#provided std
img =(img - mean)/std
# 注意颜色通道应该放在第一个位置
img = img.transpose((2,0,1))return img
- 在数据测试完成后，我们需要对测试数据进行展示，也就是需要进行还原操作。
defimshow(image, ax=None, title=None):"""展示数据"""if ax isNone:
fig, ax = plt.subplots()# 颜色通道还原
image = np.array(image).transpose((1,2,0))# 预处理还原
mean = np.array([0.485,0.456,0.406])
std = np.array([0.229,0.224,0.225])
image = std * image + mean
image = np.clip(image,0,1)
ax.imshow(image)
ax.set_title(title)return ax
image_path ='image_06621.jpg'
img = process_image(image_path)
imshow(img)
- 之后进行预测结果的展示。
fig=plt.figure(figsize=(20,20))
columns =4
rows =2
for idx inrange(columns*rows):
ax = fig.add_subplot(rows, columns, idx+1, xticks=[], yticks=[])
plt.imshow(im_convert(images[idx]))
ax.set_title("{} ({})".format(cat_to_name[str(preds[idx])], cat_to_name[str(labels[idx].item())]),
color=("green"if cat_to_name[str(preds[idx])]==cat_to_name[str(labels[idx].item())]else"red"))
plt.show()
本文转载自: https://blog.csdn.net/weixin_45891612/article/details/129728678
版权归原作者 虚心求知的熊 所有， 如有侵权，请联系我们删除。
版权归原作者 虚心求知的熊 所有， 如有侵权，请联系我们删除。