使用VGG模型进行猫狗大战
在本教程中，我们将建一个模型来完成 Kaggle 中的猫狗大战竞赛题目。在这个比赛中，有25000张标记好的猫和狗的图片用做训练，有12500张图片用做测试。
import numpy as np import matplotlib.pyplot as plt import os import torch import torch.nn as nn import torchvision from torchvision import models,transforms,datasets import time import json # 判断是否存在GPU设备 device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") print('Using gpu: %s ' % torch.cuda.is_available())
1、下载数据
基于重新整理的数据，制作了新的数据集，训练集包含1800张图(猫的图片900张，狗的图片900张)，测试集包含2000张图。下载地址为：http://fenggao-image.stor.sinaapp.com/dogscats.zip
! wget https://static.leiphone.com/cat_dog.rar
! unrar x cat_dog.rar
2、数据处理
datasets 是 torchvision 中的一个包，可以用做加载图像数据。它可以以多线程（multi-thread）的形式从硬盘中读取数据，使用 mini-batch 的形式，在网络训练中向 GPU 输送。在使用CNN处理图像时，需要进行预处理。图片将被整理成 224×224×3 的大小，同时还将进行归一化处理。
torchvision 支持对输入数据进行一些复杂的预处理/变换 （normalization, cropping, flipping, jittering 等）。具体可以参照 torchvision.tranforms 的官方文档说明。
normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) vgg_format = transforms.Compose([ transforms.CenterCrop(224), transforms.ToTensor(), normalize, ]) #这里进行了修改，包括训练数据、验证数据、以及测试数据，分别在三个目录train/val/test import shutil data_dir = './cat_dog' os.mkdir("./cat_dog/train/cat") os.mkdir("./cat_dog/train/dog") os.mkdir("./cat_dog/val/cat") os.mkdir("./cat_dog/val/dog") for i in range(10000): cat_name = './cat_dog/train/cat_'+str(i)+'.jpg'; dog_name = './cat_dog/train/dog_'+str(i)+'.jpg'; shutil.move(cat_name,"./cat_dog/train/cat") shutil.move(dog_name,"./cat_dog/train/dog") for i in range(1000): cat_name = './cat_dog/val/cat_'+str(i)+'.jpg'; dog_name = './cat_dog/val/dog_'+str(i)+'.jpg'; shutil.move(cat_name,"./cat_dog/val/cat") shutil.move(dog_name,"./cat_dog/val/dog") #读取测试问题的数据集 test_path = "./cat_dog/test/dogs_cats" os.mkdir(test_path) #移动到test_path for i in range(2000): name = './cat_dog/test/'+str(i)+'.jpg' shutil.move(name,"./cat_dog/test/dogs_cats") file_list=os.listdir("./cat_dog/test/dogs_cats") #将图片名补全，防止读取顺序不对 for file in file_list: #填充0后名字总共10位，包括扩展名 filename = file.zfill(10) new_name =''.join(filename) os.rename(test_path+'/'+file,test_path+'/'+new_name) #将所有图片数据放到dsets内 dsets = {x: datasets.ImageFolder(os.path.join(data_dir, x), vgg_format) for x in ['train','val','test']} dset_sizes = {x: len(dsets[x]) for x in ['train','val','test']} dset_classes = dsets['train'].classes
# 通过下面代码可以查看 dsets 的一些属性 print(dsets['train'].classes) print(dsets['train'].class_to_idx) print(dsets['train'].imgs[:10]) print('dset_sizes: ', dset_sizes) #可以看到test数据集的读取顺序已经变为原来的数字顺序了 print(dsets['test'].imgs[:10])
loader_train = torch.utils.data.DataLoader(dsets['train'], batch_size=64, shuffle=True, num_workers=6) loader_valid = torch.utils.data.DataLoader(dsets['val'], batch_size=5, shuffle=False, num_workers=6) #加入测试集 loader_test = torch.utils.data.DataLoader(dsets['test'], batch_size=5,shuffle=False, num_workers=6) ''' valid 数据一共有2000张图，每个batch是5张，因此，下面进行遍历一共会输出到 400 同时，把第一个 batch 保存到 inputs_try, labels_try，分别查看 ''' count = 1 for data in loader_test: print(count, end=',') if count%50==0: print() if count == 1: inputs_try,labels_try = data count +=1 print(labels_try) print(inputs_try.shape)
# 显示图片的小程序 def imshow(inp, title=None): # Imshow for Tensor. inp = inp.numpy().transpose((1, 2, 0)) mean = np.array([0.485, 0.456, 0.406]) std = np.array([0.229, 0.224, 0.225]) inp = np.clip(std * inp + mean, 0,1) plt.imshow(inp) if title is not None: plt.title(title) plt.pause(0.001) # pause a bit so that plots are updated # 显示 labels_try 的5张图片，即valid里第一个batch的5张图片 out = torchvision.utils.make_grid(inputs_try) imshow(out, title=[dset_classes[x] for x in labels_try])
3. 创建 VGG Model
torchvision中集成了很多在 ImageNet （120万张训练数据） 上预训练好的通用的CNN模型，可以直接下载使用。
在本课程中，我们直接使用预训练好的 VGG 模型。同时，为了展示 VGG 模型对本数据的预测结果，还下载了 ImageNet 1000 个类的 JSON 文件。
在这部分代码中，对输入的5个图片利用VGG模型进行预测，同时，使用softmax对结果进行处理，随后展示了识别结果。可以看到，识别结果是比较非常准确的。
!wget https://s3.amazonaws.com/deep-learning-models/image-models/imagenet_class_index.json
model_vgg = models.vgg16(pretrained=True) with open('./imagenet_class_index.json') as f: class_dict = json.load(f) dic_imagenet = [class_dict[str(i)][1] for i in range(len(class_dict))] inputs_try , labels_try = inputs_try.to(device), labels_try.to(device) model_vgg = model_vgg.to(device) outputs_try = model_vgg(inputs_try) print(outputs_try) print(outputs_try.shape) ''' 可以看到结果为5行，1000列的数据，每一列代表对每一种目标识别的结果。 但是我也可以观察到，结果非常奇葩，有负数，有正数， 为了将VGG网络输出的结果转化为对每一类的预测概率，我们把结果输入到 Softmax 函数 ''' m_softm = nn.Softmax(dim=1) probs = m_softm(outputs_try) vals_try,pred_try = torch.max(probs,dim=1) print( 'prob sum: ', torch.sum(probs,1)) print( 'vals_try: ', vals_try) print( 'pred_try: ', pred_try) print([dic_imagenet[i] for i in pred_try.data]) imshow(torchvision.utils.make_grid(inputs_try.data.cpu()), title=[dset_classes[x] for x in labels_try.data.cpu()])
4. 修改最后一层，冻结前面层的参数
VGG 模型如下图所示，注意该网络由三种元素组成：
卷积层（CONV）是发现图像中局部的 pattern 全连接层（FC）是在全局上建立特征的关联 池化（Pool）是给图像降维以提高特征的 invariance VGG
我们的目标是使用预训练好的模型，因此，需要把最后的 nn.Linear 层由1000类，替换为2类。为了在训练中冻结前面层的参数，需要设置 required_grad=False。这样，反向传播训练梯度时，前面层的权重就不会自动更新了。训练中，只会更新最后一层的参数。
print(model_vgg) model_vgg_new = model_vgg; for param in model_vgg_new.parameters(): param.requires_grad = False model_vgg_new.classifier._modules['6'] = nn.Linear(4096, 2) model_vgg_new.classifier._modules['7'] = torch.nn.LogSoftmax(dim = 1) model_vgg_new = model_vgg_new.to(device) print(model_vgg_new.classifier)
5. 训练并测试全连接层
包括三个步骤：第1步，创建损失函数和优化器；第2步，训练模型；第3步，测试模型
''' 第一步：创建损失函数和优化器 损失函数 NLLLoss() 的 输入 是一个对数概率向量和一个目标标签. 它不会为我们计算对数概率，适合最后一层是log_softmax()的网络. ''' criterion = nn.NLLLoss() # 学习率 lr = 0.001 # 随机梯度下降 optimizer_vgg = torch.optim.SGD(model_vgg_new.classifier[6].parameters(),lr = lr) ''' 第二步：训练模型 ''' def train_model(model,dataloader,size,epochs=1,optimizer=None): model.train() for epoch in range(epochs): running_loss = 0.0 running_corrects = 0 count = 0 for inputs,classes in dataloader: inputs = inputs.to(device) classes = classes.to(device) outputs = model(inputs) loss = criterion(outputs,classes) optimizer = optimizer optimizer.zero_grad() loss.backward() optimizer.step() _,preds = torch.max(outputs.data,1) # statistics running_loss += loss.data.item() running_corrects += torch.sum(preds == classes.data) count += len(inputs) print('Training: No. ', count, ' process ... total: ', size) epoch_loss = running_loss / size epoch_acc = running_corrects.data.item() / size print('Loss: {:.4f} Acc: {:.4f}'.format( epoch_loss, epoch_acc)) # 模型训练 train_model(model_vgg_new,loader_train,size=dset_sizes['train'], epochs=1, optimizer=optimizer_vgg)
#下面几段代码是用来保存模型的，这段代码是用来连接到小组的Google云端硬盘硬盘的 #运行之后点击链接，把验证码复制回来，回车就可以验证身份了 from google.colab import drive drive.mount('/content/drive')
#恢复模型 checkpoint=torch.load(PATH) torch.model.load_state_dict(checkpoint)
def test_model(model,dataloader,size): model.eval() predictions = np.zeros(size) all_classes = np.zeros(size) all_proba = np.zeros((size,2)) i = 0 running_loss = 0.0 running_corrects = 0 for inputs,classes in dataloader: inputs = inputs.to(device) classes = classes.to(device) outputs = model(inputs) loss = criterion(outputs,classes) _,preds = torch.max(outputs.data,1) # statistics running_loss += loss.data.item() running_corrects += torch.sum(preds == classes.data) predictions[i:i+len(classes)] = preds.to('cpu').numpy() all_classes[i:i+len(classes)] = classes.to('cpu').numpy() all_proba[i:i+len(classes),:] = outputs.data.to('cpu').numpy() i += len(classes) print('validing: No. ', i, ' process ... total: ', size) epoch_loss = running_loss / size epoch_acc = running_corrects.data.item() / size print('Loss: {:.4f} Acc: {:.4f}'.format( epoch_loss, epoch_acc)) return predictions, all_proba, all_classes predictions, all_proba, all_classes = test_model(model_vgg_new,loader_valid,size=dset_sizes['val'])
def result_model(model,dataloader,size): model.eval() predictions=np.zeros((size,2),dtype='int') i = 0 for inputs,classes in dataloader: inputs = inputs.to(device) outputs = model(inputs) #_表示的就是具体的value，preds表示下标，1表示在行上操作取最大值，返回类别 _,preds = torch.max(outputs.data,1) predictions[i:i+len(classes),1] = preds.to('cpu').numpy(); predictions[i:i+len(classes),0] = np.linspace(i,i+len(classes)-1,len(classes)) #可在过程中看到部分结果 print(predictions[i:i+len(classes),:]) i += len(classes) print('creating: No. ', i, ' process ... total: ', size) return predictions result = result_model(model_vgg_new,loader_test,size=dset_sizes['test']) print(result) np.savetxt("./cat_dog/result.csv",result,fmt="%d",delimiter=",")
预测结果：0为猫，1为狗，每五个为一组进行展示结果
6. 可视化模型预测结果（主观分析）
主观分析就是把预测的结果和相对应的测试图像输出出来看看，一般有四种方式：
随机查看一些预测正确的图片
随机查看一些预测错误的图片
预测正确，同时具有较大的probability的图片
预测错误，同时具有较大的probability的图片
最不确定的图片，比如说预测概率接近0.5的图片
# 单次可视化显示的图片个数 n_view = 8 correct = np.where(predictions==all_classes)[0] from numpy.random import random, permutation idx = permutation(correct)[:n_view] print('random correct idx: ', idx) loader_correct = torch.utils.data.DataLoader([dsets['valid'][x] for x in idx], batch_size = n_view,shuffle=True) for data in loader_correct: inputs_cor,labels_cor = data # Make a grid from batch out = torchvision.utils.make_grid(inputs_cor) imshow(out, title=[l.item() for l in labels_cor]) print(all_classes) # 类似的思路，可以显示错误分类的图片，这里不再重复代码
7. 结论
在我们这个代码示例中，sledge hammer 是在 ImageNet 上预训练好的 VGG 模型，在这个数据集中，有大量猫和狗的图片。同时，我们也发现，即使不修改网络，模型也可以非常准确的识别猫和狗。
我们学习了冻结前面层，只训练最后的一个 linear layer 中的 8194 个参数 （bias 2×4096+2）。这么一个简单的任务，使用 CPU 训练也是完全可以的。
这个代码示例是非常有启发意义的（instructive），这个实验相当 instructive ，因为它展示的是如何在工程问题中使用深度学习：首先准备待解决问题的数据，然后下载预训练好的网络，接着用准备好的数据来 fine-tune 预训练好的网络。这些步骤在任何深度学习工程项目中都是如此。
最后运行向AI研习社上传result.csv 的得分：
浙公网安备 33010602011771号