pytorch画网络结构（PyTorch 之 基于经典网络架构训练图像分类模型）
导读：本文参加新星计划人工智能(Pytorch 赛道：https://bbs.csdn.net/topics/613989052...
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 + /valid1. 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_name3. 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_ft2. 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_size3. 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_ft4. 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 {:.0f}m {:.0f}s.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 {:.0f}m {:.0f}s.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_ft, num_epochs=20, is_inception=(model_name=="inception")) 再次继续训练所有层 。 for param in model_ft.parameters(): param.requires_grad = True #再继续训练所有的参数 ，学习率调小一点 optimizer = optim.Adam(params_to_update, lr=1e-4) scheduler = optim.lr_scheduler.StepLR(optimizer_ft, step_size=7, gamma=0.1) #损失函数 criterion = nn.NLLLoss() #Load the checkpoint checkpoint = torch.load(filename) best_acc = checkpoint[best_acc] model_ft.load_state_dict(checkpoint[state_dict]) optimizer.load_state_dict(checkpoint[optimizer]) #model_ft.class_to_idx = checkpoint[mapping] model_ft, val_acc_history, train_acc_history, valid_losses, train_losses, LRs = train_model(model_ft, dataloaders, criterion, optimizer, num_epochs=10, is_inception=(model_name=="inception"))6. 测试模型效果
输入一张测试图像 ，看看网络的返回结果： probs, classes = predict(image_path, model) print(probs) print(classes) #[ 0.01558163 0.01541934 0.01452626 0.01443549 0.01407339] #[70, 3, 45, 62, 55] 这里需要注意的是 ，预处理方法需相同 。 然后 ，我们加载训练好的模型 。 model_ft, input_size = initialize_model(model_name, 102, feature_extract, use_pretrained=True) #GPU模式 model_ft = model_ft.to(device) #保存文件的名字 filename=seriouscheckpoint.pth #加载模型 checkpoint = torch.load(filename) best_acc = checkpoint[best_acc] model_ft.load_state_dict(checkpoint[state_dict]) 测试数据处理方法需要跟训练时一直才可以 。 crop 操作的目的是保证输入的大小是一致的 。 标准化操作也是必须的 ，用跟训练数据相同的 mean 和 std ，但是需要注意一点训练数据是在 0-1 上进行标准化 ，所以测试数据也需要先归一化 。 PyTorch 中颜色通道是第一个维度 ，跟很多工具包都不一样 ，需要转换 。 def process_image(image_path): # 读取测试数据 img = Image.open(image_path) # Resize,thumbnail方法只能进行缩小 ，所以进行了判断 if img.size[0] > img.size[1]: img.thumbnail((10000, 256)) else: img.thumbnail((256, 10000)) # Crop操作 left_margin = (img.width-224)/2 bottom_margin = (img.height-224)/2 right_margin = left_margin + 224 top_margin = bottom_margin + 224 img = img.crop((left_margin, bottom_margin, right_margin, top_margin)) # 相同的预处理方法 img = np.array(img)/255 mean = np.array([0.485, 0.456, 0.406]) #provided mean std = np.array([0.229, 0.224, 0.225]) #provided std img = (img - mean)/std # 注意颜色通道应该放在第一个位置 img = img.transpose((2, 0, 1)) return img 在数据测试完成后 ，我们需要对测试数据进行展示 ，也就是需要进行还原操作 。 def imshow(image, ax=None, title=None): """展示数据""" if ax is None: fig, ax = plt.subplots() # 颜色通道还原 image = np.array(image).transpose((1, 2, 0)) # 预处理还原 mean = np.array([0.485, 0.456, 0.406]) std = np.array([0.229, 0.224, 0.225]) image = std * image + mean image = np.clip(image, 0, 1) ax.imshow(image) ax.set_title(title) return ax image_path = image_06621.jpg img = process_image(image_path) imshow(img) 之后进行预测结果的展示 。 fig=plt.figure(figsize=(20, 20)) columns =4 rows = 2 for idx in range (columns*rows): ax = fig.add_subplot(rows, columns, idx+1, xticks=[], yticks=[]) plt.imshow(im_convert(images[idx])) ax.set_title("{} ({})".format(cat_to_name[str(preds[idx])], cat_to_name[str(labels[idx].item())]), color=("green" if cat_to_name[str(preds[idx])]==cat_to_name[str(labels[idx].item())] else "red")) plt.show()
声明：本站所有文章 ，如无特殊说明或标注 ，均为本站原创发布 。任何个人或组织 ，在未征得本站同意时 ，禁止复制 、盗用 、采集 、发布本站内容到任何网站 、书籍等各类媒体平台 。如若本站内容侵犯了原著者的合法权益 ，可联系我们进行处理 。
创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！