pytorch空间变换网络
pytorch空间变换网络

本文将学习如何使用称为空间变换器网络的视觉注意机制来扩充网络。可以在DeepMind paper 阅读更多有关空间变换器网络的内容。
空间变换器网络是对任何空间变换的差异化关注的概括。空间变换器网络(简称STN)允许神经网络学习如何在输入图像上执行空间变换, 以增强模型的几何不变性。例如,它可以裁剪感兴趣的区域,缩放并校正图像的方向。而这可能是一种有用的机制,因为CNN对于旋转和 缩放以及更一般的仿射变换并不是不变的。
STN的最棒的事情之一,能够简单地将其插入任何现有的CNN,而且只需很少的修改。
from __future__ import print_function
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
import torchvision
from torchvision import datasets, transforms
import matplotlib.pyplot as plt
import numpy as np
plt.ion() # 交互模式
1.加载数据
尝试了经典的 MNIST 数据集。使用标准卷积网络增强空间变换器网络。
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
# 训练数据集
train_loader = torch.utils.data.DataLoader(
datasets.MNIST(root='.', train=True, download=True,
transform=transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))
])), batch_size=64, shuffle=True, num_workers=4)
# 测试数据集
test_loader = torch.utils.data.DataLoader(
datasets.MNIST(root='.', train=False, transform=transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))
])), batch_size=64, shuffle=True, num_workers=4)
- 输出结果
Downloading http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz to ./MNIST/raw/train-images-idx3-ubyte.gz
Extracting ./MNIST/raw/train-images-idx3-ubyte.gz
Downloading http://yann.lecun.com/exdb/mnist/train-labels-idx1-ubyte.gz to ./MNIST/raw/train-labels-idx1-ubyte.gz
Extracting ./MNIST/raw/train-labels-idx1-ubyte.gz
Downloading http://yann.lecun.com/exdb/mnist/t10k-images-idx3-ubyte.gz to ./MNIST/raw/t10k-images-idx3-ubyte.gz
Extracting ./MNIST/raw/t10k-images-idx3-ubyte.gz
Downloading http://yann.lecun.com/exdb/mnist/t10k-labels-idx1-ubyte.gz to ./MNIST/raw/t10k-labels-idx1-ubyte.gz
Extracting ./MNIST/raw/t10k-labels-idx1-ubyte.gz
Processing...
Done!
2.什么是空间变换网络?
空间变换器网络归结为三个主要组成部分:
- 本地网络(Localisation Network)是常规CNN,其对变换参数进行回归。不会从该数据集中明确地学习转换,而是网络自动学习增强全局准确性的空间变换。
- 网格生成器( Grid Genator)在输入图像中生成与输出图像中的每个像素相对应的坐标网格。
- 采样器(Sampler)使用变换的参数并将其应用于输入图像。

注意:使用最新版本的Pytorch,它应该包含affine_grid和grid_sample模块。
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.conv1 = nn.Conv2d(1, 10, kernel_size=5)
self.conv2 = nn.Conv2d(10, 20, kernel_size=5)
self.conv2_drop = nn.Dropout2d()
self.fc1 = nn.Linear(320, 50)
self.fc2 = nn.Linear(50, 10)
# 空间变换器定位 - 网络
self.localization = nn.Sequential(
nn.Conv2d(1, 8, kernel_size=7),
nn.MaxPool2d(2, stride=2),
nn.ReLU(True),
nn.Conv2d(8, 10, kernel_size=5),
nn.MaxPool2d(2, stride=2),
nn.ReLU(True)
)
# 3 * 2 affine矩阵的回归量
self.fc_loc = nn.Sequential(
nn.Linear(10 * 3 * 3, 32),
nn.ReLU(True),
nn.Linear(32, 3 * 2)
)
# 使用身份转换初始化权重/偏差
self.fc_loc[2].weight.data.zero_()
self.fc_loc[2].bias.data.copy_(torch.tensor([1, 0, 0, 0, 1, 0], dtype=torch.float))
# 空间变换器网络转发功能
def stn(self, x):
xs = self.localization(x)
xs = xs.view(-1, 10 * 3 * 3)
theta = self.fc_loc(xs)
theta = theta.view(-1, 2, 3)
grid = F.affine_grid(theta, x.size())
x = F.grid_sample(x, grid)
return x
def forward(self, x):
# transform the input
x = self.stn(x)
# 执行一般的前进传递
x = F.relu(F.max_pool2d(self.conv1(x), 2))
x = F.relu(F.max_pool2d(self.conv2_drop(self.conv2(x)), 2))
x = x.view(-1, 320)
x = F.relu(self.fc1(x))
x = F.dropout(x, training=self.training)
x = self.fc2(x)
return F.log_softmax(x, dim=1)
model = Net().to(device)
3.训练模型
训练模型
使用 SGD(随机梯度下降)算法来训练模型。网络正在以有监督的方式学习分类任务。同时,该模型以端到端的方式自动学习STN。
optimizer = optim.SGD(model.parameters(), lr=0.01)
def train(epoch):
model.train()
for batch_idx, (data, target) in enumerate(train_loader):
data, target = data.to(device), target.to(device)
optimizer.zero_grad()
output = model(data)
loss = F.nll_loss(output, target)
loss.backward()
optimizer.step()
if batch_idx % 500 == 0:
print('Train Epoch: {} [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format(
epoch, batch_idx * len(data), len(train_loader.dataset),
100. * batch_idx / len(train_loader), loss.item()))
#
# 一种简单的测试程序,用于测量STN在MNIST上的性能。.
#
def test():
with torch.no_grad():
model.eval()
test_loss = 0
correct = 0
for data, target in test_loader:
data, target = data.to(device), target.to(device)
output = model(data)
# 累加批量损失
test_loss += F.nll_loss(output, target, size_average=False).item()
# 获取最大对数概率的索引
pred = output.max(1, keepdim=True)[1]
correct += pred.eq(target.view_as(pred)).sum().item()
test_loss /= len(test_loader.dataset)
print('\nTest set: Average loss: {:.4f}, Accuracy: {}/{} ({:.0f}%)\n'
.format(test_loss, correct, len(test_loader.dataset),
100. * correct / len(test_loader.dataset)))
4.可视化 STN 结果
检查学习的视觉注意机制的结果。
定义了一个小辅助函数,以便在训练时可视化变换。
def convert_image_np(inp):
"""Convert a Tensor to numpy image."""
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 = std * inp + mean
inp = np.clip(inp, 0, 1)
return inp
# 我们想要在训练之后可视化空间变换器层的输出
# 我们使用STN可视化一批输入图像和相应的变换批次。
def visualize_stn():
with torch.no_grad():
# Get a batch of training data
data = next(iter(test_loader))[0].to(device)
input_tensor = data.cpu()
transformed_input_tensor = model.stn(data).cpu()
in_grid = convert_image_np(
torchvision.utils.make_grid(input_tensor))
out_grid = convert_image_np(
torchvision.utils.make_grid(transformed_input_tensor))
# Plot the results side-by-side
f, axarr = plt.subplots(1, 2)
axarr[0].imshow(in_grid)
axarr[0].set_title('Dataset Images')
axarr[1].imshow(out_grid)
axarr[1].set_title('Transformed Images')
for epoch in range(1, 20 + 1):
train(epoch)
test()
# 在某些输入批处理上可视化STN转换
visualize_stn()
plt.ioff()
plt.show()
- 输出结果

Train Epoch: 1 [0/60000 (0%)] Loss: 2.336866
Train Epoch: 1 [32000/60000 (53%)] Loss: 0.841600
Test set: Average loss: 0.2624, Accuracy: 9212/10000 (92%)
Train Epoch: 2 [0/60000 (0%)] Loss: 0.527656
Train Epoch: 2 [32000/60000 (53%)] Loss: 0.428908
Test set: Average loss: 0.1176, Accuracy: 9632/10000 (96%)
Train Epoch: 3 [0/60000 (0%)] Loss: 0.305364
Train Epoch: 3 [32000/60000 (53%)] Loss: 0.263615
Test set: Average loss: 0.1099, Accuracy: 9677/10000 (97%)
Train Epoch: 4 [0/60000 (0%)] Loss: 0.169776
Train Epoch: 4 [32000/60000 (53%)] Loss: 0.408683
Test set: Average loss: 0.0861, Accuracy: 9734/10000 (97%)
Train Epoch: 5 [0/60000 (0%)] Loss: 0.286635
Train Epoch: 5 [32000/60000 (53%)] Loss: 0.122162
Test set: Average loss: 0.0817, Accuracy: 9743/10000 (97%)
Train Epoch: 6 [0/60000 (0%)] Loss: 0.331074
Train Epoch: 6 [32000/60000 (53%)] Loss: 0.126413
Test set: Average loss: 0.0589, Accuracy: 9822/10000 (98%)
Train Epoch: 7 [0/60000 (0%)] Loss: 0.109780
Train Epoch: 7 [32000/60000 (53%)] Loss: 0.172199
Test set: Average loss: 0.0629, Accuracy: 9814/10000 (98%)
Train Epoch: 8 [0/60000 (0%)] Loss: 0.078934
Train Epoch: 8 [32000/60000 (53%)] Loss: 0.156452
Test set: Average loss: 0.0563, Accuracy: 9839/10000 (98%)
Train Epoch: 9 [0/60000 (0%)] Loss: 0.063500
Train Epoch: 9 [32000/60000 (53%)] Loss: 0.186023
Test set: Average loss: 0.0713, Accuracy: 9799/10000 (98%)
Train Epoch: 10 [0/60000 (0%)] Loss: 0.199808
Train Epoch: 10 [32000/60000 (53%)] Loss: 0.083502
Test set: Average loss: 0.0528, Accuracy: 9850/10000 (98%)
Train Epoch: 11 [0/60000 (0%)] Loss: 0.092909
Train Epoch: 11 [32000/60000 (53%)] Loss: 0.204410
Test set: Average loss: 0.0471, Accuracy: 9857/10000 (99%)
Train Epoch: 12 [0/60000 (0%)] Loss: 0.078322
Train Epoch: 12 [32000/60000 (53%)] Loss: 0.041391
Test set: Average loss: 0.0634, Accuracy: 9796/10000 (98%)
Train Epoch: 13 [0/60000 (0%)] Loss: 0.061228
Train Epoch: 13 [32000/60000 (53%)] Loss: 0.137952
Test set: Average loss: 0.0654, Accuracy: 9802/10000 (98%)
Train Epoch: 14 [0/60000 (0%)] Loss: 0.068635
Train Epoch: 14 [32000/60000 (53%)] Loss: 0.084583
Test set: Average loss: 0.0515, Accuracy: 9853/10000 (99%)
Train Epoch: 15 [0/60000 (0%)] Loss: 0.263158
Train Epoch: 15 [32000/60000 (53%)] Loss: 0.127036
Test set: Average loss: 0.0493, Accuracy: 9851/10000 (99%)
Train Epoch: 16 [0/60000 (0%)] Loss: 0.083642
Train Epoch: 16 [32000/60000 (53%)] Loss: 0.028274
Test set: Average loss: 0.0461, Accuracy: 9867/10000 (99%)
Train Epoch: 17 [0/60000 (0%)] Loss: 0.076734
Train Epoch: 17 [32000/60000 (53%)] Loss: 0.034796
Test set: Average loss: 0.0409, Accuracy: 9864/10000 (99%)
Train Epoch: 18 [0/60000 (0%)] Loss: 0.122501
Train Epoch: 18 [32000/60000 (53%)] Loss: 0.152187
Test set: Average loss: 0.0474, Accuracy: 9860/10000 (99%)
Train Epoch: 19 [0/60000 (0%)] Loss: 0.050512
Train Epoch: 19 [32000/60000 (53%)] Loss: 0.270055
Test set: Average loss: 0.0416, Accuracy: 9878/10000 (99%)
Train Epoch: 20 [0/60000 (0%)] Loss: 0.073357
Train Epoch: 20 [32000/60000 (53%)] Loss: 0.017542
Test set: Average loss: 0.0713, Accuracy: 9816/10000 (98%)
脚本的总运行时间:1分48.736秒
pytorch空间变换网络的更多相关文章
- 纯干货:深度学习实现之空间变换网络-part2
https://www.jianshu.com/p/854d111670b6 纯干货:深度学习实现之空间变换网络-part1 在第一部分中,我们主要介绍了两个非常重要的概念:仿射变换和双线性插值,并了 ...
- 论文笔记:空间变换网络(Spatial Transformer Networks)
2015, NIPS Max Jaderberg, Karen Simonyan, Andrew Zisserman, Koray Kavukcuoglu Google DeepMind 为什么提出( ...
- 空间变换网络(STN)原理+2D图像空间变换+齐次坐标系讲解
空间变换网络(STN)原理+2D图像空间变换+齐次坐标系讲解 2018年11月14日 17:05:41 Rosemary_tu 阅读数 1295更多 分类专栏: 计算机视觉 版权声明:本文为博主原 ...
- STN空间变换网络
STN的主要思想是通过网络学习一个变化参数,然后计算出新图在原图上对应的坐标,再通过某种填充方法填充新图. 使得得到的新图很好的适应nn训练.可以理解为是拿来把不规范的图像变换为标准形式的图像. 网络 ...
- PyTorch 系列教程之空间变换器网络
在本教程中,您将学习如何使用称为空间变换器网络的视觉注意机制来扩充您的网络.你可以在DeepMind paper 阅读更多有关空间变换器网络的内容. 空间变换器网络是对任何空间变换的差异化关注的概括. ...
- Spatial Transformer Networks(空间变换神经网络)
Reference:Spatial Transformer Networks [Google.DeepMind]Reference:[Theano源码,基于Lasagne] 闲扯:大数据不如小数据 这 ...
- OpenGL 的空间变换(上):矩阵在空间几何中的应用
在使用 OpenGL 的应用程序中,当我们指定了模型的顶点后,顶点依次会变换到不同的 OpenGL 空间中,最后才会被显示到屏幕上.在变换的过程中,通过使用矩阵,我们更高效地来完成这些变换工作. 本篇 ...
- OpenGL 的空间变换(下):空间变换
通过本文的上篇 OpenGL 的空间变换(上):矩阵在空间几何中的应用 ,我们了解到矩阵的基础概念.并且掌握了矩阵在空间几何中的应用.接下来,我们将结合矩阵来了解 OpenGL 的空间变换. 在使用 ...
- MINIST深度学习识别:python全连接神经网络和pytorch LeNet CNN网络训练实现及比较(三)
版权声明:本文为博主原创文章,欢迎转载,并请注明出处.联系方式:460356155@qq.com 在前两篇文章MINIST深度学习识别:python全连接神经网络和pytorch LeNet CNN网 ...
随机推荐
- Pyqt5 combobox
起因 combobox的使用和介绍 两个combobox 联动 开始 介绍 Combobox是Qt中的下拉复选框, 注意:在添加列表选项时,可以一个个添加,也可以直接使用列表一次性添加多个: 添加多个 ...
- HDU 1430 关系映射 + 打表 .
题意是中文的不解释.(http://acm.hdu.edu.cn/showproblem.php?pid=1430) 思路: 这个题目直接BFS会超时的(我一开始超时了) ,如果 ...
- DVWA之File Upload (文件上传漏洞)
目录 Low: Medium: 方法一:抓包修改文件的type 方法二:00截断 High: Impossible : Low: 源代码: <?php if( isset( $_POST[ 'U ...
- hdu4888 最大流(构造矩阵)
题意: 让你构造一个矩阵,满足每一行的和,和每一列的和都等于他给的,还要判断答案是否唯一,还有一点就是矩阵内所有的数字都是[0,k]范围的. 思路: 这个题目看完就让我想起了h ...
- POJ1789简单小生成树
题意: 给你一些车牌号,然后另一两个车牌号之间的权值就是这两个字符串之间相同位置不同字母的个数,然后求最小生成树. 思路: 裸题,不解释了. #include<stdio ...
- 【】maven 配置启动tomcat版本,修改默认的6.x.x版本
<build> <plugins> <!-- 配置Tomcat插件 ,用于启动项目 --> <plugin> <groupId>org.ap ...
- SecureCRT 基本设置
1:字体与大小 Lucida Console 四号 2:声音关闭 Terminal-->Audio bell不勾选 默认网络工程师常用: Terminal-->Emulation--& ...
- ES6新增常用方法
字符串新增方法 padStart.padEnd 如果原字符串不够指定长度,则会在左侧(右侧)填充字符串,用以补全 padStart( length: number, fillStr?: string ...
- Windows进程间通讯(IPC)----共享内存
Windows中同一个EXE文件多次加载过程 Windows中EXE文件加载是基于内存映射文件的. 当EXE文件第一次被加载. 首先系统会先创建一个进程内核对象,并创建一个新的进程地址空间. 系统调用 ...
- 在其他程序集访问internal类
前言 本文将介绍如何在其他程序集访问internal类的方法 首先我们新建一个解决方案,其中同时新建两个类库FooALibray和FooALibray,如下: 其中FooA类代码如下: intern ...