[深度应用]·实战掌握PyTorch图片分类简明教程

个人网站--> http://www.yansongsong.cn/

项目GitHub地址--> https://github.com/xiaosongshine/image_classifier_PyTorch/

1.引文

深度学习的比赛中,图片分类是很常见的比赛,同时也是很难取得特别高名次的比赛,因为图片分类已经被大家研究的很透彻,一些开源的网络很容易取得高分。如果大家还掌握不了使用开源的网络进行训练,再慢慢去模型调优,很难取得较好的成绩。

我们在[PyTorch小试牛刀]实战六·准备自己的数据集用于训练讲解了如何制作自己的数据集用于训练,这个教程在此基础上,进行训练与应用。

2.数据介绍

数据 下载地址

这次的实战使用的数据是交通标志数据集,共有62类交通标志。其中训练集数据有4572张照片(每个类别大概七十个),测试数据集有2520张照片(每个类别大概40个)。数据包含两个子目录分别train与test:

为什么还需要测试数据集呢?这个测试数据集不会拿来训练,是用来进行模型的评估与调优。

train与test每个文件夹里又有62个子文件夹,每个类别在同一个文件夹内:

我从中打开一个文件间,把里面图片展示出来:

其中每张照片都类似下面的例子,100*100*3的大小。100是照片的照片的长和宽,3是什么呢?这其实是照片的色彩通道数目,RGB。彩色照片存储在计算机里就是以三维数组的形式。我们送入网络的也是这些数组。

3.网络构建

1.导入Python包,定义一些参数

import torch as t
import torchvision as tv
import os
import time
import numpy as np
from tqdm import tqdm class DefaultConfigs(object): data_dir = "./traffic-sign/"
data_list = ["train","test"] lr = 0.001
epochs = 10
num_classes = 62
image_size = 224
batch_size = 40
channels = 3
gpu = "0"
train_len = 4572
test_len = 2520
use_gpu = t.cuda.is_available() config = DefaultConfigs()

  

2.数据准备,采用PyTorch提供的读取方式(具体内容参考[PyTorch小试牛刀]实战六·准备自己的数据集用于训练

注意一点Train数据需要进行随机裁剪,Test数据不要进行裁剪了

normalize = tv.transforms.Normalize(mean = [0.485, 0.456, 0.406],
std = [0.229, 0.224, 0.225]
) transform = {
config.data_list[0]:tv.transforms.Compose(
[tv.transforms.Resize([224,224]),tv.transforms.CenterCrop([224,224]),
tv.transforms.ToTensor(),normalize]#tv.transforms.Resize 用于重设图片大小
) ,
config.data_list[1]:tv.transforms.Compose(
[tv.transforms.Resize([224,224]),tv.transforms.ToTensor(),normalize]
)
} datasets = {
x:tv.datasets.ImageFolder(root = os.path.join(config.data_dir,x),transform=transform[x])
for x in config.data_list
} dataloader = {
x:t.utils.data.DataLoader(dataset= datasets[x],
batch_size=config.batch_size,
shuffle=True
)
for x in config.data_list
}

  

3.构建网络模型(使用resnet18进行迁移学习,训练参数为最后一个全连接层 t.nn.Linear(512,num_classes)) 

def get_model(num_classes):

    model = tv.models.resnet18(pretrained=True)
for parma in model.parameters():
parma.requires_grad = False
model.fc = t.nn.Sequential(
t.nn.Dropout(p=0.3),
t.nn.Linear(512,num_classes)
)
return(model)

  

如果电脑硬件支持,可以把下述代码屏蔽,则训练整个网络,最终准确率会上升,训练数据会变慢。

for parma in model.parameters():
parma.requires_grad = False

  

模型输出

ResNet(
(conv1): Conv2d(3, 64, kernel_size=(7, 7), stride=(2, 2), padding=(3, 3), bias=False)
(bn1): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(relu): ReLU(inplace)
(maxpool): MaxPool2d(kernel_size=3, stride=2, padding=1, dilation=1, ceil_mode=False)
(layer1): Sequential(
(0): BasicBlock(
(conv1): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
(bn1): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(relu): ReLU(inplace)
(conv2): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
(bn2): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
)
(1): BasicBlock(
(conv1): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
(bn1): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(relu): ReLU(inplace)
(conv2): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
(bn2): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
)
)
(layer2): Sequential(
(0): BasicBlock(
(conv1): Conv2d(64, 128, kernel_size=(3, 3), stride=(2, 2), padding=(1, 1), bias=False)
(bn1): BatchNorm2d(128, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(relu): ReLU(inplace)
(conv2): Conv2d(128, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
(bn2): BatchNorm2d(128, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(downsample): Sequential(
(0): Conv2d(64, 128, kernel_size=(1, 1), stride=(2, 2), bias=False)
(1): BatchNorm2d(128, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
)
)
(1): BasicBlock(
(conv1): Conv2d(128, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
(bn1): BatchNorm2d(128, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(relu): ReLU(inplace)
(conv2): Conv2d(128, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
(bn2): BatchNorm2d(128, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
)
)
(layer3): Sequential(
(0): BasicBlock(
(conv1): Conv2d(128, 256, kernel_size=(3, 3), stride=(2, 2), padding=(1, 1), bias=False)
(bn1): BatchNorm2d(256, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(relu): ReLU(inplace)
(conv2): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
(bn2): BatchNorm2d(256, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(downsample): Sequential(
(0): Conv2d(128, 256, kernel_size=(1, 1), stride=(2, 2), bias=False)
(1): BatchNorm2d(256, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
)
)
(1): BasicBlock(
(conv1): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
(bn1): BatchNorm2d(256, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(relu): ReLU(inplace)
(conv2): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
(bn2): BatchNorm2d(256, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
)
)
(layer4): Sequential(
(0): BasicBlock(
(conv1): Conv2d(256, 512, kernel_size=(3, 3), stride=(2, 2), padding=(1, 1), bias=False)
(bn1): BatchNorm2d(512, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(relu): ReLU(inplace)
(conv2): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
(bn2): BatchNorm2d(512, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(downsample): Sequential(
(0): Conv2d(256, 512, kernel_size=(1, 1), stride=(2, 2), bias=False)
(1): BatchNorm2d(512, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
)
)
(1): BasicBlock(
(conv1): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
(bn1): BatchNorm2d(512, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(relu): ReLU(inplace)
(conv2): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
(bn2): BatchNorm2d(512, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
)
)
(avgpool): AvgPool2d(kernel_size=7, stride=1, padding=0)
(fc): Sequential(
(0): Dropout(p=0.3)
(1): Linear(in_features=512, out_features=62, bias=True)
)
)

  

4.训练模型(支持自动GPU加速,GPU使用教程参考:[开发技巧]·PyTorch如何使用GPU加速

def train(epochs):

    model = get_model(config.num_classes)
print(model)
loss_f = t.nn.CrossEntropyLoss()
if(config.use_gpu):
model = model.cuda()
loss_f = loss_f.cuda() opt = t.optim.Adam(model.fc.parameters(),lr = config.lr)
time_start = time.time() for epoch in range(epochs):
train_loss = []
train_acc = []
test_loss = []
test_acc = []
model.train(True)
print("Epoch {}/{}".format(epoch+1,epochs))
for batch, datas in tqdm(enumerate(iter(dataloader["train"]))):
x,y = datas
if (config.use_gpu):
x,y = x.cuda(),y.cuda()
y_ = model(x)
#print(x.shape,y.shape,y_.shape)
_, pre_y_ = t.max(y_,1)
pre_y = y
#print(y_.shape)
loss = loss_f(y_,pre_y)
#print(y_.shape)
acc = t.sum(pre_y_ == pre_y) loss.backward()
opt.step()
opt.zero_grad()
if(config.use_gpu):
loss = loss.cpu()
acc = acc.cpu()
train_loss.append(loss.data)
train_acc.append(acc)
#if((batch+1)%5 ==0):
time_end = time.time()
print("Batch {}, Train loss:{:.4f}, Train acc:{:.4f}, Time: {}"\
.format(batch+1,np.mean(train_loss)/config.batch_size,np.mean(train_acc)/config.batch_size,(time_end-time_start)))
time_start = time.time() model.train(False)
for batch, datas in tqdm(enumerate(iter(dataloader["test"]))):
x,y = datas
if (config.use_gpu):
x,y = x.cuda(),y.cuda()
y_ = model(x)
#print(x.shape,y.shape,y_.shape)
_, pre_y_ = t.max(y_,1)
pre_y = y
#print(y_.shape)
loss = loss_f(y_,pre_y)
acc = t.sum(pre_y_ == pre_y) if(config.use_gpu):
loss = loss.cpu()
acc = acc.cpu() test_loss.append(loss.data)
test_acc.append(acc)
print("Batch {}, Test loss:{:.4f}, Test acc:{:.4f}".format(batch+1,np.mean(test_loss)/config.batch_size,np.mean(test_acc)/config.batch_size)) t.save(model,str(epoch+1)+"ttmodel.pkl") if __name__ == "__main__":
train(config.epochs)

  

训练结果如下:

def train(epochs):

    model = get_model(config.num_classes)
print(model)
loss_f = t.nn.CrossEntropyLoss()
if(config.use_gpu):
model = model.cuda()
loss_f = loss_f.cuda() opt = t.optim.Adam(model.fc.parameters(),lr = config.lr)
time_start = time.time() for epoch in range(epochs):
train_loss = []
train_acc = []
test_loss = []
test_acc = []
model.train(True)
print("Epoch {}/{}".format(epoch+1,epochs))
for batch, datas in tqdm(enumerate(iter(dataloader["train"]))):
x,y = datas
if (config.use_gpu):
x,y = x.cuda(),y.cuda()
y_ = model(x)
#print(x.shape,y.shape,y_.shape)
_, pre_y_ = t.max(y_,1)
pre_y = y
#print(y_.shape)
loss = loss_f(y_,pre_y)
#print(y_.shape)
acc = t.sum(pre_y_ == pre_y) loss.backward()
opt.step()
opt.zero_grad()
if(config.use_gpu):
loss = loss.cpu()
acc = acc.cpu()
train_loss.append(loss.data)
train_acc.append(acc)
#if((batch+1)%5 ==0):
time_end = time.time()
print("Batch {}, Train loss:{:.4f}, Train acc:{:.4f}, Time: {}"\
.format(batch+1,np.mean(train_loss)/config.batch_size,np.mean(train_acc)/config.batch_size,(time_end-time_start)))
time_start = time.time() model.train(False)
for batch, datas in tqdm(enumerate(iter(dataloader["test"]))):
x,y = datas
if (config.use_gpu):
x,y = x.cuda(),y.cuda()
y_ = model(x)
#print(x.shape,y.shape,y_.shape)
_, pre_y_ = t.max(y_,1)
pre_y = y
#print(y_.shape)
loss = loss_f(y_,pre_y)
acc = t.sum(pre_y_ == pre_y) if(config.use_gpu):
loss = loss.cpu()
acc = acc.cpu() test_loss.append(loss.data)
test_acc.append(acc)
print("Batch {}, Test loss:{:.4f}, Test acc:{:.4f}".format(batch+1,np.mean(test_loss)/config.batch_size,np.mean(test_acc)/config.batch_size)) t.save(model,str(epoch+1)+"ttmodel.pkl") if __name__ == "__main__":
train(config.epochs)

  

训练10个Epoch,测试集准确率可以到达0.86,已经达到不错效果。通过修改参数,增加训练,可以达到更高的准确率。

[深度应用]·实战掌握PyTorch图片分类简明教程的更多相关文章

  1. [深度应用]·实战掌握Dlib人脸识别开发教程

    [深度应用]·实战掌握Dlib人脸识别开发教程 个人网站--> http://www.yansongsong.cn/ 项目GitHub地址--> https://github.com/xi ...

  2. Go 语言图片处理简明教程

    虽然 Go 语言主要用于 Web 后端以及各类中间件和基础设施开发,也难免遇到一些图像处理的需求.Go 语言提供的 image 标准库提供了基本的图片加载.裁剪.绘制等能力,可以帮助我们实现一些绘图需 ...

  3. 对比学习:《深度学习之Pytorch》《PyTorch深度学习实战》+代码

    PyTorch是一个基于Python的深度学习平台,该平台简单易用上手快,从计算机视觉.自然语言处理再到强化学习,PyTorch的功能强大,支持PyTorch的工具包有用于自然语言处理的Allen N ...

  4. 深度学习之神经网络核心原理与算法-caffe&keras框架图片分类

    之前我们在使用cnn做图片分类的时候使用了CIFAR-10数据集 其他框架对于CIFAR-10的图片分类是怎么做的 来与TensorFlow做对比. Caffe Keras 安装 官方安装文档: ht ...

  5. [深度应用]·Keras实现Self-Attention文本分类(机器如何读懂人心)

    [深度应用]·Keras实现Self-Attention文本分类(机器如何读懂人心) 配合阅读: [深度概念]·Attention机制概念学习笔记 [TensorFlow深度学习深入]实战三·分别使用 ...

  6. TensorFlow 2.0 深度学习实战 —— 浅谈卷积神经网络 CNN

    前言 上一章为大家介绍过深度学习的基础和多层感知机 MLP 的应用,本章开始将深入讲解卷积神经网络的实用场景.卷积神经网络 CNN(Convolutional Neural Networks,Conv ...

  7. TensorFlow深度学习实战---图像识别与卷积神经网络

    全连接层网络结构:神经网络每两层之间的所有结点都是有边相连的. 卷积神经网络:1.输入层 2.卷积层:将神经网络中的每一个小块进行更加深入地分析从而得到抽象程度更高的特征. 3 池化层:可以认为将一张 ...

  8. 源码分析——迁移学习Inception V3网络重训练实现图片分类

    1. 前言 近些年来,随着以卷积神经网络(CNN)为代表的深度学习在图像识别领域的突破,越来越多的图像识别算法不断涌现.在去年,我们初步成功尝试了图像识别在测试领域的应用:将网站样式错乱问题.无线领域 ...

  9. 深度学习实战篇-基于RNN的中文分词探索

    深度学习实战篇-基于RNN的中文分词探索 近年来,深度学习在人工智能的多个领域取得了显著成绩.微软使用的152层深度神经网络在ImageNet的比赛上斩获多项第一,同时在图像识别中超过了人类的识别水平 ...

随机推荐

  1. ranker.go

    package {             start = utils.MinInt(options.OutputOffset, len(outputDocs))             end = ...

  2. 【bzoj4174】tty的求助 莫比乌斯反演

    Description Input 输入仅有一行. 第一行仅有两个正整数N,M 和一个实数 x.  Output 输出共1行,由亍结果过大,所以请输出上式对998244353 取模的结果. Sampl ...

  3. Heartbeat实现集群高可用热备

    公司最近需要针对服务器实现热可用热备,这几天也一直在琢磨这个方面的东西,今天做了一些Heartbeat方面的工作,在此记录下来,给需要的人以参考. Heartbeat 项目是 Linux-HA 工程的 ...

  4. Jmeter-----【mac电脑】配置web浏览器的代理抓取请求

    在测试中,不仅会涉及到APP中的数据测试,时常我们APP的数据需要与后台进行交互,因此我们不可避免的也需要对web进行接口测试,更准确的来说是使用web的接口来快速的帮我们实现App中所需的数据录入, ...

  5. appium 元素定位find_element_by_android_uiautomator方法使用

    若appium中给定的方法无法满足你的需求,刚好uiautomator中的方法可以满足你的需求时,你可使用find_element_by_android_uiautomator来调用uiautomat ...

  6. Docker 服务

    1.  Docker服务 作为一名后端攻城狮,对“服务”这个概念一定不陌生.比如,我们做一个会员系统,它可能会需要数据库.缓存.消息队列,这些都是中间件服务,除此以外可能还需要依赖其它的Dubbo服务 ...

  7. HTTPS和TCP协议三次握手设计

    1. 我们的TCP 三次握手大概是长这样 2.那么为什么 TCP 要采取三次握手,而不是两次或其他 首先我们要知道握手的目的: 为了保证通讯双方建立的连接是可靠的. 同时,为了保证性能,握手的次数要求 ...

  8. 使用github pages搭建个人博客

    一.环境准备 使用Github Pages搭建个人博客,一劳永逸,可以让我们更加专注于博客的撰写.博客的更新是通过将新建或改动的博客放在指定文件夹并推送到远程Github仓库来完成的,所以我们本地需要 ...

  9. .NETCore 新型 ORM 功能介绍

    简介 FreeSql 是一个功能强大的 .NETStandard 库,用于对象关系映射程序(O/RM),支持 .NETCore 2.1+ 或 .NETFramework 4.6.1+. 定义 IFre ...

  10. ASP.NET三层架构项目创建流程

    1.进入VS2010,新建项目—>Visual C#—>Web—>ASP.NET空Web应用程序,如图所示: 2.在解决方案处右击—>新建项目—>Windows—> ...