PyTorch 之 基于经典网络架构训练图像分类模型
Posted 虚心求知的熊
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PyTorch 之 基于经典网络架构训练图像分类模型相关的知识，希望对你有一定的参考价值。
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 torchvision
from torchvision import transforms, models, datasets
#https://pytorch.org/docs/stable/torchvision/index.html
import 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。
with open('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。
def im_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 in range (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()
if not 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。
def set_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。
def initialize_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
def train_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 in range(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 :.0fm :.0fs'.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 :.0fm :.0fs'.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_ft4. 使用预训练的PyTorch网络进行图像分类