第四次作业：猫狗大战挑战赛

（一）使用VGG模型进行猫狗大战
判断是否存在GPU设备

1、下载数据

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 $224\times 224 \times 3$ 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）。






3、创建VGG Model
使用预训练好的 VGG 模型。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，识别结果是非常准确的。

4、修改最后一层，冻结前面层的参数
VGG 模型如下图所示，该网络由三种元素组成：
（1）卷积层（CONV）是发现图像中局部的 pattern
（2）全连接层（FC）是在全局上建立特征的关联
（3）池化（Pool）是给图像降维以提高特征的 invariance
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。

结果如下：



5、训练并测试全连接层
（1）创建损失函数和优化器

（2）训练模型

（3）测试模型

结果如下：




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：
（1）随机查看一些预测正确的图片
（2）随机查看一些预测错误的图片
（3）预测正确，同时具有较大的probability的图片
（4）预测错误，同时具有较大的probability的图片
（5）最不确定的图片，比如说预测概率接近0.5的图片


个人想法：在这一次的代码学习中，我学会了在工程问题中使用深度学习，总共分为三步：（1）准备待解决问题的数据（2）下载预训练好的网络（3）用准备好的数据来fine-tune预训练好的网络。通过实验不难看出，模型可以非常准确的识别猫和狗。同时我对VGG有了更加深入的了解，VGG有三个全连接层。VGGNet的结构非常简洁，整个网络都使用了同样大小的卷积核尺寸（3x3）和最大池化尺寸（2x2）。但VGG耗费更多计算资源，并且使用了更多的参数，导致更多的内存占用，其中绝大多数参数都来自于第一个全连接层。
（二）测评
1、测试结果

在网站中下载的cat_dog.rar解压后不可以直接使用，应该先在train数据集和val数据集中创建cats和dogs子文件夹，方便ImageFolder的读取。其中训练模型及代码同之前样例代码相似。代码解读可参照前文。同时对于优化，首先用于训练的数据可以进行优化，包括训练数据的使用量以及数据的处理。其次是模型的选用，不同的模型在不同的情况下各有利弊。 最后模型的训练方式不同，也会影响模型的准确性。