要求分析
- 建立一个模型,用25000张标记好的猫狗图片训练模型,最后用125000张猫狗图片进行测试,
- 最终目标是能够让模型有更好的正确识别率(期望值:>=80%)
- 模型需要选用VGG模型
- 本次测试和训练的图片数量较小,如果没有GPU,依靠CPU也可以完成任务
分步构建网络
1.检测是否存在GPU设备
这一步骤的目的是查看当前环境下是否有GPU设备可以用于加速训练
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15import 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()) 复制代码
小福利:领完再看!迪迦给大家准备的250G人工智能学习资料礼包(内含:两大Pytorch、TensorFlow实战框架视频、图像识别、OpenCV、计算机视觉、深度学习与神经网络等等等视频、代码、PPT以及深度学习书籍)
只需要你点个关注,然后扫码添加助手小姐姐VX即可无套路领取!
扫码添加即可
2.下载测试用的数据集
继续往下看!
此处为Jeremy Howard的数据集,链接似乎已经失效了
在Jeremy Howard提供的数据集当中,猫狗被分别放入了不同的文件夹当中
此处为我的老师提供的数据集,链接任有效
此处为Colab的安装指令
1wget http://fenggao-image.stor.sinaapp.com/dogscats.zip
记得解压
1unzip dogscats.zip
在我的老师所提供的数据集当中分别有用于训练的Train文件夹,与用于测试的Vaild,两个文件夹当中又分别包含dogs与cats两个子文件夹,两个子文件夹分别有900张图片
如果是在colab或者算力不足的环境下对模型进行训练、测试可以优先考虑我的老师所提供的文件夹,训练时长与数据集的大小有比较紧密的练习
观察文件夹中的图片可以发现,不少的图片的主体当中并非只有单纯的猫与狗,还有一些其他的元素比如人脸等,这一类图片可以可以增强模型的训练效果,减少模型无法识别出识别主体较小或是模糊的图片
2.对数据进行预处理
VGG模型对数据有有尺寸要求:图片需要为224x224x3的格式
故此我们需要对数据进行预处理,保证我们的图片符合VGG模型的要求
在进行本步骤的时候我们采用了torchvision当中的包datasets,这样可以通过多线程读取图片加速图片的装载速度,以mini-batch的方式向训练中的网络输送图片,同时torchvison可以对数据集当中的图片进行各种预处理(ormalization, cropping, flipping, jitterin)
[此处为torchvision.transforms的官方文档](torchvision.transforms — Torchvision 0.11.0 documentation (pytorch.org))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15normalize = 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, ]) data_dir = './dogscats' dsets = {x: datasets.ImageFolder(os.path.join(data_dir, x), vgg_format) for x in ['train', 'valid']} dset_sizes = {x: len(dsets[x]) for x in ['train', 'valid']} dset_classes = dsets['train'].classes
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19loader_train = torch.utils.data.DataLoader(dsets['train'], batch_size=64, shuffle=True, num_workers=6) loader_valid = torch.utils.data.DataLoader(dsets['valid'], 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_valid: print(count, end='n') if count == 1: inputs_try,labels_try = data count +=1 print(labels_try) print(inputs_try.shape)
1
2
3
4
5
6
7
8
9
10
11
12# 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
1
2
3# 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.构建VGG模型
torchvision集合了imageNet上约120万张的训练数据,在本次的作业中我们可以直接使用预先训练好的的VGG模型,同时也可以额外添加imageNet1000个类的jason文件
1
2wget https://s3.amazonaws.com/deep-learning-models/image-models/imagenet_class_index.json 复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31model_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()]) 复制代码
4.修改模型的最后一层
在本次训练当中我们只需要判断猫和狗,所以我们要将全连接的最后一层改写为nn.Linera(4096,2)
此处为了冻结前面层的参数,可以设置required_grad=False,这样先前权重不会自动更新
1
2
3
4
5
6
7
8
9
10
11
12
13print(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) 复制代码
5.训练并测试全链接层
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49''' 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)
6.可视化模型测试结果
此处我们采用主观分析,其实就是把预测的结果和相应的测试图像输出出来,主要有一下5种方法
-
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
1
2
3
4
5
6
7
8
9
10
11
12
13
14# 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])
7.将模型套用到猫狗大战中
此处我们采用了AI研习社的猫狗大战
先下载数据集合
! wget https://static.leiphone.com/cat_dog.rar ! unrar x cat_dog.rar
解压一下
unrar x cat_dog.rar
进行预测
1predictions, all_proba, all_classes = test_model(model_vgg_new,loader_test,size=dset_sizes['test'])
输出csv,务必注意切片顺序,笔者在这里被卡住了很久
1
2
3
4
5
6
7
8
9import csv with open('./dogscats/1.csv','w',newline="")as f: writer = csv.writer(f) for index,cls in enumerate(predictions): path = datasets.ImageFolder(os.path.join(data_dir,'test'),vgg_format).imgs[index][0] l = path.split("/") img_name = l[-1] order = int(img_name.split(".")[0]) writer.writerow([order,int(predictions[index])])
记得要排序一下,这样才能符合数据格式要求
最终结果
测试后可得图片通过
作者:k11
链接:https://juejin.cn/post/7022487383039803422
来源:稀土掘金
最后
以上就是彩色飞鸟最近收集整理的关于直呼惊艳,熬夜几天完成的实战模型:猫狗大战,附资料的全部内容,更多相关直呼惊艳,熬夜几天完成内容请搜索靠谱客的其他文章。
发表评论 取消回复