PyTorch 数据增强耗时过长

Posted 2023-02-16

【中文标题】PyTorch 数据增强耗时过长

【英文标题】：PyTorch Data Augmentation is taking too long

【发布时间】：2020-02-27 13:55:01

【问题描述】：

对于涉及回归的任务，我需要训练我的模型从 RGB 图像生成密度图。为了增加我的数据集，我决定水平翻转所有图像。就此而言，我还必须翻转我的地面实况图像，并且我这样做了。

dataset_for_augmentation.listDataset(train_list,
                        shuffle=True,
                        transform=transforms.Compose([
                            transforms.RandomHorizontalFlip(p=1),
                            transforms.ToTensor(),
                            transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
                        ]),
                        target_transform=transforms.Compose([
                            transforms.RandomHorizontalFlip(p=1),
                            transforms.ToTensor()
                        ]),
                        train=True,
                        resize=4,
                        batch_size=args.batch_size,
                        num_workers=args.workers),

但问题是：出于某种原因，PyTorch transforms.RandomHorizo​​ntalFlip 函数仅将 PIL 图像（不允许使用 numpy）作为输入。所以我决定将类型转换为 PIL Image。

img_path = self.lines[index]

img, target = load_data(img_path, self.train, resize=self.resize)

if type(target[0][0]) is np.float64:
    target = np.float32(target)

img = Image.fromarray(img)
target = Image.fromarray(target)

if self.transform is not None:
    img = self.transform(img)
    target = self.target_transform(target)

return img, target

是的，这个操作需要大量的时间。考虑到我需要对数千张图像执行此操作，每批 23 秒（最多应该不到半秒）是不能容忍的。

2019-11-01 16:29:02,497 - INFO - Epoch: [0][0/152]  Time 27.095 (27.095)    Data 23.150 (23.150)    Loss 93.7401 (93.7401)

如果有任何建议可以加快我的增强过程，我将不胜感激

【参考方案1】：

@Berriel 答案的更多补充。

水平翻转

您正在为X 和y 图像使用transforms.RandomHorizontalFlip(p=1)。在您的情况下，使用p=1，这些转换将完全相同，但您错过了数据增强点，因为网络只会看到翻转的图像（而不仅仅是原始图像）。您应该选择低于 1 且高于 0 的概率（通常为 0.5），以获得图像版本的高度可变性。

如果是这种情况 (p=0.5)，您可以肯定会发生这样一种情况：X 被翻转，y 没有。

我建议使用 albumentations 库，它是 albumentations.augmentations.transforms.HorizontalFlip 以相同的方式对两个图像进行翻转。

标准化

您可以找到 normalization 和 ImageNet 手段，并且在那里也已经设置了标准。

缓存

此外，为了加快速度，您可以使用torchdata 第三方库（免责声明我是作者）。在您的情况下，您可以在磁盘上使用albumentations、cache 将图像从PIL 转换为Tensor、Normalize，或者在使用torchdata 进行这些转换之后在RAM 图像中甚至更好，最后应用您的转换。这种方式将允许您仅在初始时期后将HorizontalFlips 应用于您的图像和目标，之前的步骤将被预先计算。

【讨论】：

谢谢，预先计算增强步骤是我最初的计划，但后来我迷失了这个特定的步骤。我一定会努力落实您的建议。

顺便说一句，我假设在 RandomHorizo​​ntalFlip 中将 p 设置为 1 是不正确的？我想了解为什么在这种情况下 x 和 y 的转换方式会有所不同。

@3yanlis1bos 更新了我关于翻转的答案。是的，您将获得完全相同的转换，但您不会以这种方式扩充数据集，因为 所有图像 会被翻转。增强通常会增加数据集的大小和它的可变性，在这里它会保持完全相同。

是的，这是我的错误。我希望通过这些转换来扩大我的数据集！ :d 原来我要问的不是我的主要问题。这使您的回答更加有价值，谢谢。

【参考方案2】：

您无需更改 DataLoader 即可执行此操作。你可以使用ToPILImage():

transform=transforms.Compose([
    transforms.ToPILImage(),  # check mode assumption in the documentation
    transforms.RandomHorizontalFlip(p=1),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
])

无论如何，我会避免转换为 PIL。这似乎完全没有必要。如果你想翻转所有图像，那为什么不只使用 NumPy 来做呢？

img_path = self.lines[index]

img, target = load_data(img_path, self.train, resize=self.resize)

if type(target[0][0]) is np.float64:
    target = np.float32(target)

# assuming width axis=1 -- see my comment below
img = np.flip(img, axis=1)
target = np.flip(target, axis=1)

if self.transform is not None:
    img = self.transform(img)
    target = self.target_transform(target)

return img, target

然后从Compose 中删除transforms.RandomHorizontalFlip(p=1)。因为ToTensor(...) 也处理ndarray，所以你很高兴。

注意：我假设宽度轴等于 1，因为 ToTensor 期望它在那里。

来自docs：

转换 PIL 图像或 numpy.ndarray (H x W x C) ...

【讨论】：

嗨，我使用转换的目的是执行数据增强。换句话说，我同时需要翻转和未翻转的图像，因为我想将数据集的大小加倍。但现在我发现这并没有像我尝试的那样奏效。

ToPILImage 在我的情况下不起作用，因为我的目标是二维图像，它与 H x W x C 结构不匹配。

@3yanlis1bos 我不明白。在步骤t，您是否希望数据加载器同时提供翻转图像和原始图像（img 和target）？告诉我。

@3yanlis1bos 你可能想要img 和target 在时间步t。这就是通常进行增强的方式，网络看到原始示例一次，第二次转换案例，因此它不会过度拟合。您确定要同时提供两个版本，而不是像通常那样按顺序提供吗？

@3yanlis1bos 完全正确 :) 并且您获得了不必存储 2 * 数据库的好处。