（机器学习深度学习常用库框架|Pytorch篇）第三节：Pytorch之torchvision详解

Posted 2023-01-20 快乐江湖

文章目录

• 一：torchvision概述
• 二：torchvision.datasets
• • （1）官方数据集
  • （2）自定义数据集类
  • （3）ImageFolder手动实现
• 三：torchvision.transforms
• 四：torchvision.models

一：torchvision概述

torchvision：torchvision是Pytorch的一个图形库，主要用来构建计算机视觉模型，torchvision由以下四个部分构成

• torchvision.datasets：包括一些加载数据的函数和常用的数据集接口
• torchvision.models：包含常用的模型结构（含预训练模型），例如AlexNet、ResNet等等
• torchvision.transforms：包含一些常见的图片变换，例如裁剪、旋转等等
• torchvision.utils：其他用法

二：torchvision.datasets

torchvision.datasets：该模块下既有官方提供的数据集，也有自定义数据集的类，两者都是torch.utils.data.Dataset的子类，因此可以直接输入到torch.utils.data.DataLoader中去

（1）官方数据集

torchvision.datasets中提供的官方数据如下，这些数据集详细介绍见此文：数据集介绍

MNIST
Fashion-MNIST
KMNIST
EMNIST
FakeData
COCO
Captions
Detection
LSUN
​ImageFolder
DatasetFolder
Imagenet-12
CIFAR
STL10
SVHN
PhotoTour
SBU
Flickr
VOC
Cityscapes
...

这里我们以MNIST数据集为例，演示一下这些官方数据集如何加载，其余数据集的加载和MNIST一致

如下，使用torchvision.datasets.MNIST加载MNIST数据集

train_data = dataset.MNIST(root='./mnist/',
                           train=True,
                           transform=transforms.ToTensor(),
                           download=True)
test_data = dataset.MNIST(root='./mnist/',
                           train=False,
                           transform=transforms.ToTensor(),
                           download=False)

• root：表示数据集待存放的目录
• train：如果为true将会使用训练集的数据集（training.pt），如果为false将会使用测试集数据集（test.pt）
• download：如果为true将会从网络上下载并放入root中，如果数据集已下载则不会再次下载
• transform：接受PIL图片并返回转换后的图片，常用的就是转换为tensor（这里便会调用torchvision.transform）

数据集加载成功后，文件布局如下

（2）自定义数据集类

这里的自定义数据集类指的主要是torchvision.datasets.ImageFolder()，它继承自 torchvision.datasets.DatasetFolder()，后者又继承自 torchvision.datasets.VisionDataset()，而VisionDataset 则是 torch.utils.data.Dataset 的子类

以torchvision.datasets.CIFAR数据集为例说明如何使用torchvision.datasets.ImageFolder()，这里的torchvision.datasets.CIFAR我已经将其转换为png格式存储

• 下载链接
• CIFAR10有60000张图片，共分为10个类别，其中50000张为训练图片（每个类别5000张），10000张为测试图片（每个类别1000张）

图片文件布局如下，torchvision.datasets.ImageFolder()要求你的图片数据必须按照以下方式进行组织

torchvision.datasets.ImageFoler参数说明

• root：图片存储的根目录，即各类别文件夹所在目录的上一级目录
• transform：对图片进行预处理的操作(函数)，原始图片作为输入，返回一个转换后的图片
• target_transform：对图片类别进行预处理的操作，输入为 target，输出对其的转换。如果不传该参数，即对 target 不做任何转换，返回的顺序索引 0,1, 2…
• loader：表示数据集加载方式，通常默认加载方式即可

torchvision.datasets.ImageFolder(root,transform,target_transform,loader)

如下，使用torchvision.datasets.ImageFoler对前面的图片进行加载

• 注意：transforms部分可暂时忽略

train_transforms = transforms.Compose([
    transforms.RandomResizedCrop((28, 28)),
    transforms.RandomHorizontalFlip(),
    transforms.RandomVerticalFlip(),
    transforms.RandomRotation(90),
    transforms.RandomGrayscale(0.1),
    transforms.ColorJitter(0.3, 0.3, 0.3, 0.3),
    transforms.ToTensor()
])

train_dataset = torchvision.datasets.ImageFolder(root='./data/train', transform=train_transforms)
test_dataset = torchvision.datasets.ImageFolder(root='./data/test', transform=transforms.ToTensor)
print(len(train_dataset))
print(len(test_dataset))

同时，通过torchvision.datasets.ImageFolder生成的train_dataset和test_dataset还有如下3个成员变量

• self.classes：使用一个list保存类别名称
• self.class_to_idx：类别对应的索引
• self.imgs：是一个list，每个元素是一个tuple，每个tuple保存的是（img-path, class）

print(train_dataset.classes[: 5])
print("-"*30)
print(train_dataset.class_to_idx)
print("-"*30)
print(train_dataset.imgs[: 5])

（3）ImageFolder手动实现

仍然以上述CIFAR10数据集为例，我们手动实现一下ImageFolder，这对你理解它大有帮助

import torchvision.datasets
from torchvision import transforms
from torch.utils.data import DataLoader, Dataset
import os
from PIL import Image
import numpy as np
import glob


# 类别名字
label_name = [
    "airplane",
    "automobile",
    "bird",
    "cat",
    "deer",
    "dog",
    "frog",
    "horse",
    "ship",
    "truck"
]
# 类比名字映射索引
label_dict = 
for idx, name in enumerate(label_name):
    label_dict[name] = idx


def default_loader(path):
    return Image.open(path).convert("RGB")

train_transforms = transforms.Compose([
    transforms.RandomResizedCrop((28, 28)),
    transforms.RandomHorizontalFlip(),
    transforms.RandomVerticalFlip(),
    transforms.RandomRotation(90),
    transforms.RandomGrayscale(0.1),
    transforms.ColorJitter(0.3, 0.3, 0.3, 0.3),
    transforms.ToTensor()
])

class MyDataset(Dataset):
    """
        im_list：是一个列表，每一个元素是图片路径
        transform：对图片进行增强
        loader：使用PIL对图片进行加载
    """
    def __init__(self, im_list, transform=None, loader=default_loader):
        super(MyDataset, self).__init__()
        # imgs为二维列表，每一个子列表中第一个元素存储im_list，第二个通过label_dict映射为索引
        imgs = []

        for im_item in im_list:
            # 路径'./data/test/airplane/aeroplane_s_000002.png'中倒数第二个是标签名
            im_label_name = im_item.split("\\\\")[-2]
            imgs.append([im_item, label_dict[im_label_name]])

        self.imgs = imgs
        self.transform = transform
        self.loader = loader

    def __getitem__(self, index):
        im__path, im_label = self.imgs[index]

        # 会调用PIL加载图片数据
        im_data = self.loader(im__path)
        # 如果给了transoform那么就对图片进行增强
        if self.transform is not None:
            im_data = self.transform(im_data)

        return im_data, im_label

    def __len__(self):
        return len(self.imgs)


if __name__ == '__main__':
    im_train_list = glob.glob(r'./data/train/*/*.png')
    im_test_list = glob.glob(r'./data/test/*/*.png')

    train_dataset = MyDataset(im_train_list, transform=train_transforms)
    test_dataset = MyDataset(im_test_list, transform=transforms.ToTensor())
    print(len(train_dataset))
    print(len(test_dataset))

    train_loader = DataLoader(dataset=train_dataset, batch_size=6, shuffle=True, num_workers=0)
    test_loader = DataLoader(dataset=test_dataset, batch_size=6, shuffle=False, num_workers=0)

三：torchvision.transforms

torchvision.transforms：该模块是Pytorch中的图像预处理包，包含了一些常用的图像变换，主要实现对数据集的预处理、数据增强，转化为tensor等操作

使用时如果有很多变换，那么一般会使用Compose将这些步骤给整合到一起

train_transforms = transforms.Compose([
    transforms.RandomResizedCrop((28, 28)),
    transforms.RandomHorizontalFlip(),
    transforms.RandomVerticalFlip(),
    transforms.RandomRotation(90),
    transforms.RandomGrayscale(0.1),
    transforms.ColorJitter(0.3, 0.3, 0.3, 0.3),
    transforms.ToTensor()
])

train_dataset = torchvision.datasets.ImageFolder(root='./data/train', transform=train_transforms

如果变换时只有一种，那么一般会直接给到形参，比如最常使用到的ToTensor

test_dataset = torchvision.datasets.ImageFolder(root='./data/test', transform=transforms.ToTensor)

torchvision.transforms涉及变换主要有以下4类

• 裁剪：

  • 中心裁剪：transforms.CenterCrop
  • 随机裁剪：transforms.RandomCrop
  • 随机长宽比裁剪：transforms.RandomResizedCrop
  • 上下左右中心裁剪：transforms.FiveCrop
  • 上下左右中心裁剪后翻转：transforms.TenCrop

• 翻转和旋转

  • 依概率p水平翻转：transforms.RandomHorizontalFlip(p=0.5)
  • 依概率p垂直翻转：transforms.RandomVerticalFlip(p=0.5)
  • 随机旋转：transforms.RandomRotation

• 图像变换和转换

  • 变换为某一尺寸：transforms.Resize
  • 标准化：transforms.Normalize
  • 转化为tensor并归一化：transforms.ToTensor
  • 填充：transforms.Pad
  • 修改亮度、对比度和饱和度：transforms.ColorJitter
  • 转化为灰度图：transforms.Grayscale
  • 线性变化：transforms.LinearTransformation
  • 仿射变换：transforms.RandomAffine
  • 依概率p转化为灰度图：transforms.RandomGrayscale
  • 将数据转化为PILImage：transforms.ToPILImage

• 其他操作

  • 对transforms操作使数据增强更灵活：transforms.RandomChoice(transforms)
  • 从给定的一系列transforms中选定一个操作：transforms.RandomApply(transforms, p=0.5)
  • 给一个transform加上概率进行操作：transforms.RandomOrder

四：torchvision.models

torchvision.models：该模块提供了很多图像处理中的常用模型，并且提供了预训练版本，使用时导入如下包

from torchvision import models

在models中定义有如下模型

from .alexnet import *
from .convnext import *
from .densenet import *
from .efficientnet import *
from .googlenet import *
from .inception import *
from .mnasnet import *
from .mobilenet import *
from .regnet import *
from .resnet import *
from .shufflenetv2 import *
from .squeezenet import *
from .vgg import *
from .vision_transformer import *
from .swin_transformer import *
from .maxvit import *
from . import detection, optical_flow, quantization, segmentation, video
from ._api import get_model, get_model_builder, get_model_weights, get_weight, list_models

如何使用这些模型，以及如何修改，请参照下面的这批文章

• 链接

总之我们对模型的修改可能主要集中在全连接层，比如原始模型最后全连接格式为

(fc): Linear(in_features=512, out_features=1000, bias=True)

如果处理的是cifar10数据集，那么out_features应该是10，所以可以这样改

resnet = models.resnet18()
resnet.fc = nn.Linear(resnet.fc.in_features, 10)