鞋子，靴子，拖鞋傻傻分不清楚 pytorch实现分类入门小案例

Posted 2022-12-05 小王不头秃

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了鞋子，靴子，拖鞋傻傻分不清楚 pytorch实现分类入门小案例相关的知识，希望对你有一定的参考价值。

鞋子，靴子，拖鞋傻傻分不清楚 pytorch入门

前言
方法
代码实现
- 图片加字
- 神经网络
总结

前言

从入学到现在已经两个多月了，看了一个多月的论文不知道学到了啥

正好最近看了看pytorch的入门，像休息休息，就想着写个分类玩玩吧，但不知道写啥，突然见看到一个数据集网站，有一个鞋子的数据集

这对我这种非常like鞋的人来说很有吸引力，那来整个鞋子分类吧。

方法

网络

这里我们选用的网络是DenseNet，相比于普通的CNN来说，Densenet可以使用各层提取的特征，从而避免特征的丢失，同样，我们再进行分类也希望尽可能多的特征为我们所用，Densenet的网络结构如下

优化器

使用的是随机梯度下降优化器，其中学习率设置为0.001，动量为0.5
具体的内容可以参考该博客详解随机梯度下降法（Stochastic Gradient Descent，SGD）

损失函数

使用的是交叉熵损失函数

这里多说几句，最开始我看到这个损失的时候一脸懵逼，咋着，一个数还能和一个向量比较一下子

直到后面我看到b站的讲解，好吧，可能！

这就是b站里给到的公式

这里的x是指图像真实的类别，class是指图像在该类别的得分，x[j]是指所有类别在预测后的得分

以我们要介绍的网络为例，因为要判断的只有三类，鞋子，靴子和凉鞋，则我们最终的输出维度是3，即最终会输出一个向量，这个向量有三个值，分别代表分为鞋子，靴子和凉鞋的概率得分，越大就表示图片属于这一类的可能性越大。

例如我们输出的结果为[0.1 , 0.2, 0.8]

假如我们要输入的图片类别是第2类（从0开始算），那么带入上面公式就是

-2*0.8+log(e(0.1)+e(0.2)+e(0.3))

则当上面公式越小时，越接近真实结果

总体方法

这样就很简单了，就是利用我们现有的1.5万照片去训练该网络（这里做的比较糙，没有设置验证集和测试集），采用随机梯度下降的方式进行训练，每次训练的图片数量为10，所有图片被作为输入训练一次后为一个epoch，总共训练50个epoch，训练结束后就是我们需要的模型了。

代码实现

图片加字

在判断类别后在图片上加上类别，方便看

from PIL import ImageFont, ImageDraw, Image
import numpy as np
import cv2


def settags(info, img):
    url = img
    img_cv = cv2.imread(img)
    img = Image.fromarray(img_cv)
    font1 = ImageFont.truetype("./simsun.ttc", 100)
    draw = ImageDraw.Draw(img)
    draw.text((10, 10), info, font=font1, fill=(0, 0, 255))
    img1 = np.array(img)
    cv2.imwrite('r' + url, img1)

神经网络

卷积层


class ConvLayer(torch.nn.Module):
    def __init__(self, in_channels, out_channels, kernel_size, stride, is_last=False):
        super(ConvLayer, self).__init__()
        reflection_padding = int(np.floor(kernel_size / 2))
        self.reflection_pad = nn.ReflectionPad2d(reflection_padding)
        self.conv2d = nn.Conv2d(in_channels, out_channels, kernel_size, stride)
        self.dropout = nn.Dropout2d(p=0.5)
        self.is_last = is_last

    def forward(self, x):
        # 图片进行填充 保证输出都是相同大小，从而才能使后面的层也使用前面的特征
        out = self.reflection_pad(x)
        out = self.conv2d(out)
        if self.is_last is False:
            out = F.leaky_relu(out, inplace=True)
        return out

单个densenet

# Dense convolution unit
class DenseConv2d(torch.nn.Module):
    def __init__(self, in_channels, out_channels, kernel_size, stride, is_Last=False):
        super(DenseConv2d, self).__init__()
        self.dense_conv = ConvLayer(in_channels, out_channels, kernel_size, stride, is_Last)
        self.is_last = is_Last

    def forward(self, x):
        out = self.dense_conv(x)
        if self.is_last == False:
            # 按第二个维度进行拼接    为了实现densenet
            out = torch.cat([x, out], 1)
        return out

所有DenseNet

out_channels_def = 16
        denseblock = []
        # densenet
        denseblock += [DenseConv2d(in_channels, out_channels_def, kernel_size, stride),
                       DenseConv2d(in_channels + out_channels_def, out_channels_def, kernel_size, stride),
                       DenseConv2d(in_channels + out_channels_def * 2, out_channels_def, kernel_size, stride),
                       DenseConv2d(in_channels + out_channels_def * 3, out_channels_def, kernel_size, stride),
                       DenseConv2d(in_channels + out_channels_def * 4, out_channels_def, kernel_size, stride),
                       DenseConv2d(in_channels + out_channels_def * 5, out_channels_def, kernel_size, stride),
                       DenseConv2d(in_channels + out_channels_def * 6, out_channels_def, kernel_size, stride, True)
                       ]
        self.denseblock = nn.Sequential(*denseblock)

训练

def train():
    net = Net(3, 3, 1)
    net.cuda()
    net.train()
    # 训练
    cirterion = nn.CrossEntropyLoss()
    optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.5)
    for epoch in range(50):
        running_loss = 0.0
        for i, data in enumerate(train_loader, 0):
            inputs, labels = data
            inputs, labels = Variable(inputs), Variable(labels)
            inputs = torch.tensor(inputs)
            labels = torch.tensor(labels)
            inputs = inputs.cuda()
            labels = labels.cuda()
            optimizer.zero_grad()  # 优化器清零
            outputs = net(inputs)
            loss = cirterion(outputs, labels)
            loss.backward()
            optimizer.step()  # 优化
            running_loss += loss.item()
            if i % 5 == 0:
                print('[%d %5d] loss: %.3f' % (epoch + 1, i + 1, running_loss / 200))
                running_loss = 0.0
        # 每个epoch存储一个模型
        torch.save(net, 'shoenet' + epoch.__str__() + '.pth')
    torch.save(net, 'shoenet.pth')