Pytorch学习--编程实战：猫和狗二分类
Posted shuimuqingyang
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学习--编程实战：猫和狗二分类相关的知识，希望对你有一定的参考价值。
Pytorch学习系列（一）至（四）均摘自《深度学习框架PyTorch入门与实践》陈云
目录：
1.程序的主要功能
2.文件组织架构
3. 关于`__init__.py`
4.数据处理
5.模型定义
6.工具函数
7.配置文件
8.main.py
9.使用
1.程序的主要功能：
模型定义
数据加载
训练和测试
2.文件组织架构：
```
├── checkpoints/
├── data/
│ ├── __init__.py
│ ├── dataset.py
│ └── get_data.sh
├── models/
│ ├── __init__.py
│ ├── AlexNet.py
│ ├── BasicModule.py
│ └── ResNet34.py
└── utils/
│ ├── __init__.py
│ └── visualize.py
├── config.py
├── main.py
├── requirements.txt
├── README.md
```
其中：
- `checkpoints/`： 用于保存训练好的模型，可使程序在异常退出后仍能重新载入模型，恢复训练
- `data/`：数据相关操作，包括数据预处理、dataset实现等
- `models/`：模型定义，可以有多个模型，例如上面的AlexNet和ResNet34，一个模型对应一个文件
- `utils/`：可能用到的工具函数，在本次实验中主要是封装了可视化工具
- `config.py`：配置文件，所有可配置的变量都集中在此，并提供默认值
- `main.py`：主文件，训练和测试程序的入口，可通过不同的命令来指定不同的操作和参数
- `requirements.txt`：程序依赖的第三方库
- `README.md`：提供程序的必要说明
3. 关于`__init__.py`
可以看到，几乎每个文件夹下都有`__init__.py`，一个目录如果包含了`__init__.py` 文件，那么它就变成了一个包（package）。
`__init__.py`可以为空，也可以定义包的属性和方法，但其必须存在，其它程序才能从这个目录中导入相应的模块或函数。
例如在`data/`文件夹下有`__init__.py`，则在`main.py` 中就可以`from data.dataset import DogCat`。而如果在`__init__.py`中写入`from .dataset import DogCat`，则在main.py中就可以直接写为：`from data import DogCat`，或者`import data; dataset = data.DogCat`，相比于`from data.dataset import DogCat`更加便捷。
4.数据处理
数据的相关处理主要保存在`data/dataset.py`中。
关于数据加载的相关操作，其基本原理就是使用`Dataset`提供数据集的封装，再使用`Dataloader`实现数据并行加载。
Kaggle提供的数据包括训练集和测试集，而我们在实际使用中，还需专门从训练集中取出一部分作为验证集。对于这三类数据集，其相应操作也不太一样，而如果专门写三个`Dataset`，则稍显复杂和冗余，因此这里通过加一些判断来区分。对于训练集，我们希望做一些数据增强处理，如随机裁剪、随机翻转、加噪声等，而验证集和测试集则不需要。下面看`dataset.py`的代码：
#coding:utf8
import os
from PIL import Image
from torch.utils import data
import numpy as np
from torchvision import transforms as T
class DogCat(data.Dataset):
def __init__(self,root,transforms=None,train=True,test=False):
‘‘‘
主要目标： 获取所有图片的地址，并根据训练，验证，测试划分数据
‘‘‘
self.test = test
imgs = [os.path.join(root,img) for img in os.listdir(root)]
# test1: data/test1/8973.jpg
# train: data/train/cat.10004.jpg
if self.test:
imgs = sorted(imgs,key=lambda x:int(x.split(‘.‘)[-2].split(‘/‘)[-1]))
else:
imgs = sorted(imgs,key=lambda x:int(x.split(‘.‘)[-2]))
imgs_num = len(imgs)
if self.test:
self.imgs = imgs
elif train:
self.imgs = imgs[:int(0.7*imgs_num)]
else :
self.imgs = imgs[int(0.7*imgs_num):]
if transforms is None:
normalize = T.Normalize(mean = [0.485, 0.456, 0.406],
std = [0.229, 0.224, 0.225])
if self.test or not train:
self.transforms = T.Compose([
T.Scale(224),
T.CenterCrop(224),
T.ToTensor(),
normalize
])
else :
self.transforms = T.Compose([
T.Scale(256),
T.RandomSizedCrop(224),
T.RandomHorizontalFlip(),
T.ToTensor(),
normalize
])
def __getitem__(self,index):
‘‘‘
一次返回一张图片的数据
‘‘‘
img_path = self.imgs[index]
if self.test: label = int(self.imgs[index].split(‘.‘)[-2].split(‘/‘)[-1])
else: label = 1 if ‘dog‘ in img_path.split(‘/‘)[-1] else 0
data = Image.open(img_path)
data = self.transforms(data)
return data, label
def __len__(self):
return len(self.imgs)
5.模型定义
模型的定义主要保存在`models/`目录下，其中`BasicModule`是对`nn.Module`的简易封装，提供快速加载和保存模型的接口。
#coding:utf8
import torch as t
import time
class BasicModule(t.nn.Module):
‘‘‘
封装了nn.Module,主要是提供了save和load两个方法
‘‘‘
def __init__(self):
super(BasicModule,self).__init__()
self.model_name=str(type(self))# 默认名字
def load(self, path):
‘‘‘
可加载指定路径的模型
‘‘‘
self.load_state_dict(t.load(path))
def save(self, name=None):
‘‘‘
保存模型，默认使用“模型名字+时间”作为文件名
‘‘‘
if name is None:
prefix = ‘checkpoints/‘ + self.model_name + ‘_‘
name = time.strftime(prefix + ‘%m%d_%H:%M:%S.pth‘)
t.save(self.state_dict(), name)
return name
class Flat(t.nn.Module):
‘‘‘
把输入reshape成（batch_size,dim_length）
‘‘‘
def __init__(self):
super(Flat, self).__init__()
#self.size = size
def forward(self, x):
return x.view(x.size(0), -1)
6.工具函数
在项目中，我们可能会用到一些helper方法，这些方法可以统一放在`utils/`文件夹下，需要使用时再引入。在本例中主要是封装了可视化工具visdom的一些操作，其代码如下，在本次实验中只会用到`plot`方法，用来统计损失信息。
#coding:utf8
import visdom
import time
import numpy as np
class Visualizer(object):
‘‘‘
封装了visdom的基本操作，但是你仍然可以通过`self.vis.function`
调用原生的visdom接口
‘‘‘
def __init__(self, env=‘default‘, **kwargs):
self.vis = visdom.Visdom(env=env, **kwargs)
# 画的第几个数，相当于横座标
# 保存（’loss‘,23） 即loss的第23个点
self.index = {}
self.log_text = ‘‘
def reinit(self,env=‘default‘,**kwargs):
‘‘‘
修改visdom的配置
‘‘‘
self.vis = visdom.Visdom(env=env,**kwargs)
return self
def plot_many(self, d):
‘‘‘
一次plot多个
@params d: dict (name,value) i.e. (‘loss‘,0.11)
‘‘‘
for k, v in d.items():
self.plot(k, v)
def img_many(self, d):
for k, v in d.items():
self.img(k, v)
def plot(self, name, y,**kwargs):
‘‘‘
self.plot(‘loss‘,1.00)
‘‘‘
x = self.index.get(name, 0)
self.vis.line(Y=np.array([y]), X=np.array([x]),
win=name,
opts=dict(title=name),
update=None if x == 0 else ‘append‘,
**kwargs
)
self.index[name] = x + 1
def img(self, name, img_,**kwargs):
‘‘‘
self.img(‘input_img‘,t.Tensor(64,64))
self.img(‘input_imgs‘,t.Tensor(3,64,64))
self.img(‘input_imgs‘,t.Tensor(100,1,64,64))
self.img(‘input_imgs‘,t.Tensor(100,3,64,64),nrows=10)
！！！don‘t ~~self.img(‘input_imgs‘,t.Tensor(100,64,64),nrows=10)~~！！！
‘‘‘
self.vis.images(img_.cpu().numpy(),
win=name,
opts=dict(title=name),
**kwargs
)
def log(self,info,win=‘log_text‘):
‘‘‘
self.log({‘loss‘:1,‘lr‘:0.0001})
‘‘‘
self.log_text += (‘[{time}] {info} <br>‘.format(
time=time.strftime(‘%m%d_%H%M%S‘),
info=info))
self.vis.text(self.log_text,win)
def __getattr__(self, name):
return getattr(self.vis, name)
7.配置文件
在模型定义、数据处理和训练等过程都有很多变量，这些变量应提供默认值，并统一放置在配置文件中，这样在后期调试、修改代码或迁移程序时会比较方便，在这里我们将所有可配置项放在`config.py`中。
#coding:utf8
import warnings
class DefaultConfig(object):
env = ‘default‘ # visdom 环境
model = ‘ResNet34‘ # 使用的模型，名字必须与models/__init__.py中的名字一致
train_data_root = ‘./data/train/‘ # 训练集存放路径
test_data_root = ‘./data/test1‘ # 测试集存放路径
load_model_path = ‘checkpoints/model.pth‘ # 加载预训练的模型的路径，为None代表不加载
batch_size = 128 # batch size
use_gpu = True # user GPU or not
num_workers = 4 # how many workers for loading data
print_freq = 20 # print info every N batch
debug_file = ‘/tmp/debug‘ # if os.path.exists(debug_file): enter ipdb
result_file = ‘result.csv‘
max_epoch = 10
lr = 0.1 # initial learning rate
lr_decay = 0.95 # when val_loss increase, lr = lr*lr_decay
weight_decay = 1e-4 # 损失函数
def parse(self,kwargs):
‘‘‘
根据字典kwargs 更新 config参数
‘‘‘
for k,v in kwargs.items():
if not hasattr(self,k):
warnings.warn("Warning: opt has not attribut %s" %k)
setattr(self,k,v)
print(‘user config:‘)
for k,v in self.__class__.__dict__.items():
if not k.startswith(‘__‘):
print(k,getattr(self,k))
DefaultConfig.parse = parse
opt =DefaultConfig()
# opt.parse = parse
8.main.py
在讲解主程序`main.py`之前，我们先来看看2017年3月谷歌开源的一个命令行工具`fire`[^3] ，通过`pip install fire`即可安装。下面来看看`fire`的基础用法，假设`example.py`文件内容如下：
import fire
def add(x, y):
return x + y
def mul(**kwargs):
a = kwargs[‘a‘]
b = kwargs[‘b‘]
return a * b
if __name__ == ‘__main__‘:
fire.Fire()
python example.py add 1 2 # 执行add(1, 2)
python example.py mul --a=1 --b=2 # 执行mul(a=1, b=2), kwargs={‘a‘:1, ‘b‘:2}
python example.py add --x=1 --y==2 # 执行add(x=1, y=2)
在主程序`main.py`中，主要包含四个函数，其中三个需要命令行执行，`main.py`的代码组织结构如下：
def train(**kwargs):
‘‘‘
训练
‘‘‘
pass
def val(model, dataloader):
‘‘‘
计算模型在验证集上的准确率等信息，用以辅助训练
‘‘‘
pass
def test(**kwargs):
‘‘‘
测试（inference）
‘‘‘
pass
def help():
‘‘‘
打印帮助的信息
‘‘‘
print(‘help‘)
if __name__==‘__main__‘:
import fire
fire.Fire()
训练
训练的主要步骤如下：
- 定义网络
- 定义数据
- 定义损失函数和优化器
- 计算重要指标
- 开始训练
- 训练网络
- 可视化各种指标
- 计算在验证集上的指标
def train(**kwargs):
opt.parse(kwargs)
vis = Visualizer(opt.env)
# step1: configure model
model = getattr(models, opt.model)()
if opt.load_model_path:
model.load(opt.load_model_path)
if opt.use_gpu: model.cuda()
# step2: data
train_data = DogCat(opt.train_data_root,train=True)
val_data = DogCat(opt.train_data_root,train=False)
train_dataloader = DataLoader(train_data,opt.batch_size,
shuffle=True,num_workers=opt.num_workers)
val_dataloader = DataLoader(val_data,opt.batch_size,
shuffle=False,num_workers=opt.num_workers)
# step3: criterion and optimizer
criterion = t.nn.CrossEntropyLoss()
lr = opt.lr
optimizer = t.optim.Adam(model.parameters(),lr = lr,weight_decay = opt.weight_decay)
# step4: meters
loss_meter = meter.AverageValueMeter()
confusion_matrix = meter.ConfusionMeter(2)
previous_loss = 1e100
# train
for epoch in range(opt.max_epoch):
loss_meter.reset()
confusion_matrix.reset()
for ii,(data,label) in enumerate(train_dataloader):
# train model
input = Variable(data)
target = Variable(label)
if opt.use_gpu:
input = input.cuda()
target = target.cuda()
optimizer.zero_grad()
score = model(input)
loss = criterion(score,target)
loss.backward()
optimizer.step()
# meters update and visualize
loss_meter.add(loss.data[0])
confusion_matrix.add(score.data, target.data)
if ii%opt.print_freq==opt.print_freq-1:
vis.plot(‘loss‘, loss_meter.value()[0])
# 进入debug模式
if os.path.exists(opt.debug_file):
import ipdb;
ipdb.set_trace()
model.save()
# validate and visualize
val_cm,val_accuracy = val(model,val_dataloader)
vis.plot(‘val_accuracy‘,val_accuracy)
vis.log("epoch:{epoch},lr:{lr},loss:{loss},train_cm:{train_cm},val_cm:{val_cm}".format(
epoch = epoch,loss = loss_meter.value()[0],val_cm = str(val_cm.value()),train_cm=str(confusion_matrix.value()),lr=lr))
# update learning rate
if loss_meter.value()[0] > previous_loss:
lr = lr * opt.lr_decay
# 第二种降低学习率的方法:不会有moment等信息的丢失
for param_group in optimizer.param_groups:
param_group[‘lr‘] = lr
previous_loss = loss_meter.value()[0]
验证
验证相对来说比较简单，但要注意需将模型置于验证模式(`model.eval()`)，验证完成后还需要将其置回为训练模式(`model.train()`)，这两句代码会影响`BatchNorm`和`Dropout`等层的运行模式。验证模型准确率的代码如下。
def val(model,dataloader):
‘‘‘
计算模型在验证集上的准确率等信息
‘‘‘
model.eval()
confusion_matrix = meter.ConfusionMeter(2)
for ii, data in enumerate(dataloader):
input, label = data
val_input = Variable(input, volatile=True)
val_label = Variable(label.type(t.LongTensor), volatile=True)
if opt.use_gpu:
val_input = val_input.cuda()
val_label = val_label.cuda()
score = model(val_input)
confusion_matrix.add(score.data.squeeze(), label.type(t.LongTensor))
model.train()
cm_value = confusion_matrix.value()
accuracy = 100. * (cm_value[0][0] + cm_value[1][1]) / (cm_value.sum())
return confusion_matrix, accuracy
测试
测试时，需要计算每个样本属于狗的概率，并将结果保存成csv文件。测试的代码与验证比较相似，但需要自己加载模型和数据。
def test(**kwargs):
opt.parse(kwargs)
import ipdb;
ipdb.set_trace()
# configure model
model = getattr(models, opt.model)().eval()
if opt.load_model_path:
model.load(opt.load_model_path)
if opt.use_gpu: model.cuda()
# data
train_data = DogCat(opt.test_data_root,test=True)
test_dataloader = DataLoader(train_data,batch_size=opt.batch_size,shuffle=False,num_workers=opt.num_workers)
results = []
for ii,(data,path) in enumerate(test_dataloader):
input = t.autograd.Variable(data,volatile = True)
if opt.use_gpu: input = input.cuda()
score = model(input)
probability = t.nn.functional.softmax(score)[:,0].data.tolist()
# label = score.max(dim = 1)[1].data.tolist()
batch_results = [(path_,probability_) for path_,probability_ in zip(path,probability) ]
results += batch_results
write_csv(results,opt.result_file)
return results
帮助函数
为了方便他人使用, 程序中还应当提供一个帮助函数，用于说明函数是如何使用。程序的命令行接口中有众多参数，如果手动用字符串表示不仅复杂，而且后期修改config文件时，还需要修改对应的帮助信息，十分不便。这里使用了Python标准库中的inspect方法，可以自动获取config的源代码。help的代码如下:
def help():
‘‘‘
打印帮助的信息： python file.py help
‘‘‘
print(‘‘‘
usage : python file.py <function> [--args=value]
<function> := train | test | help
example:
python {0} train --env=‘env0701‘ --lr=0.01
python {0} test --dataset=‘path/to/dataset/root/‘
python {0} help
avaiable args:‘‘‘.format(__file__))
from inspect import getsource
source = (getsource(opt.__class__))
print(source)
9.使用
正如`help`函数的打印信息所述，可以通过命令行参数指定变量名.下面是三个使用例子，fire会将包含`-`的命令行参数自动转层下划线`_`，也会将非数值的值转成字符串。所以`--train-data-root=data/train`和`--train_data_root=‘data/train‘`是等价的。
```
# 训练模型
python main.py train
--train-data-root=data/train/
--load-model-path=‘checkpoints/resnet34_16:53:00.pth‘
--lr=0.005
--batch-size=32
--model=‘ResNet34‘
--max-epoch = 20
# 测试模型
python main.py test
--test-data-root=data/test1
--load-model-path=‘checkpoints/resnet34_00:23:05.pth‘
--batch-size=128
--model=‘ResNet34‘
--num-workers=12
# 打印帮助信息
python main.py help
---------------------
作者：寻找如意
来源：CSDN
原文：https://blog.csdn.net/qq_34447388/article/details/79541824
版权声明：本文为博主原创文章，转载请附上博文链接！
以上是关于Pytorch学习--编程实战：猫和狗二分类的主要内容，如果未能解决你的问题，请参考以下文章
深度学习keras + tensorflow 实现猫和狗图像分类