【数据科学项目实践】基于ResNet和Inception v3的猫十二分类迁移学习
一、项目背景
本项目来源于飞浆平台的图像分类学习赛。指路链接
- 代码和结果来源于我的小组同学，没有做任何的改动，我这边仅做一个总结归纳，以便学习和复盘
简单把赛题Copy一下：
本场比赛要求参赛选手对十二种猫进行分类，属于CV方向经典的图像分类任务。图像分类任务作为其他图像任务的基石，可以让大家更快上手计算机视觉。
数据集
比赛数据集包含12种猫的图片，并划分为训练集与测试集。
训练集： 提供高清彩色图片以及图片所属的分类，共有2160张猫的图片，含标注文件。
测试集： 仅提供彩色图片，共有240张猫的图片，不含标注文件。
二、Baseline
2.1 准备阶段
主要是导入一些要用到的模块：
import os
import cv2
import torch
import torch.nn as nn
from torchvision import models,transforms
from torch.utils.data import DataLoader,Dataset
import numpy as np
from PIL import Image
from torch.optim import lr_scheduler
import copy
2.2 数据读取阶段
这个阶段就是如何将数据读取到模型中来，由于猫猫是图像数据，所以这边将其读取成数字图像一般是通过数组来存在内存中的，考虑到中间过程的可视化，我们通过PIL来读取Image类型的数据。这步可以写作：
x=np.fromfile(imgPath,dtype=np.float32) # 读取成ndarray
x=cv2.imdecode(x,1) # 将区间转化为[0,255]
img=PIL.Image.fromarray(x) # 读取成Image对象
上图中，左边的是Image类型的数据，右边是cv读取的数据，可以发现发生了颜色通道的调换。实际上，读取到cv这部分就好了，可以调用多窗口的imshow进行数据可视化。
我们现在拿到了猫猫图像！那么接下来就要拿到猫猫的标签啦，一般情况下，我们会将数据跟标签记录在一个文档里，每一行对应一个数据(图片)路径和一个标签：
# 文件标签
filelist=r"data_split_list.txt"
imgs,labels=[],[] # 存储列表
with open(filelist) as f:
lines=[_.strip() for _ in f] # 去除空白
np.random.shuffle(lines) # 随机打乱
for l in lines:
img_path,label=l.split('\t') # 获取图片路径和标签
img=Image.fromarray(cv2.imdecode(np.fromfile(img_path,np.float32),1))
imgs.append(img)
labels.append(label)
我们将这部分工作封装成一个函数，就可以实现数据的读取了。
接下来的工作，就是将数据转化为PyTorch接受的格式啦。众所周知，PyTorch的模型训练跟推理一般是通过迭代一个DataLoader对象来进行的，而DataLoader对象的数据集是一个DataSet类。所以这里我们需要构建一个Dataset类啦：
class myData(Dataset):
def __init__(self):
super(myData,self).__init__()
self.data=[]
def __getitem__(self,x):
return self.data[x]
def __len__(self):
return len(self.data)
嗯，把上面三个函数填完就阔以啦。
对于图像数据，我们需要应用一个transforms，这里做最简单的变换：转为Tensor，尺寸裁剪，标准化。
self.transform=transforms.Compose(
transforms.ToTensor(),
transforms.Resize((299,299)),
transforms.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5))
)
最终的Dataset如下:
class myData(Dataset):
def __init__(self,kind):
super(myData, self).__init__()
self.mode=kind
self.transform=transforms.Compose(
transforms.ToTensor(),
transforms.Resize((299,299)),
transforms.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5))
)
if kind=="test":
self.imgs=self.load_origin_data()
else:
self.imgs,self.labels=self.load_origin_data()
def __getitem__(self, item):
if self.mode=="test":
return self.transform(self.imgs[item])
else:
return self.transform(self.imgs[item]),torch.tensor(self.labels[item])
def __len__(self):
return len(self.imgs)
def load_origin_data(self):
filelist = './data/%s_split_list.txt' % self.mode
imgs,labels=[],[]
data_dir=os.getcwd()+"/data"
if self.mode=='train' or self.mode=='val':
with open(filelist) as f:
lines=[_.strip() for _ in f]
if self.mode=='train':
np.random.shuffle(lines)
for l in lines:
img_path,label=l.split('\t')
img_path=os.path.join(data_dir,img_path)
try:
img=Image.fromarray(cv2.imdecode(np.fromfile(img_path,dtype=np.float32),1))
imgs.append(img)
labels.append(int(label))
except Exception("The path %s"%img_path+" may be wrong") as e:
print(e)
continue
return imgs,labels
elif self.mode=="test":
full_lines = os.listdir('data/cat_12_test/')
lines = [line.strip() for line in full_lines]
for img_path in lines:
img_path = os.path.join(data_dir, "cat_12_test/", img_path)
img = Image.open(img_path)
imgs.append(img)
return imgs
2.3 模型训练
我们刚刚说PyTorch的模型训练跟推理一般是通过迭代一个DataLoader对象来进行的，现在就是需要构建这个东西啦：
def get_Dataloader():
img_datasets = {x: myData(x) for x in ['train', 'val', 'test']}
dataset_sizes = {x: len(img_datasets[x]) for x in ['train', 'val', 'test']}
train_loader = DataLoader(
dataset=img_datasets['train'],
batch_size=24,
shuffle=True
)
val_loader = DataLoader(
dataset=img_datasets['val'],
batch_size=1,
shuffle=False
)
test_loader = DataLoader(
dataset=img_datasets['test'],
batch_size=1,
shuffle=False
)
dataloaders = {
'train': train_loader,
'val': val_loader,
'test': test_loader
}
return dataset_sizes,dataloaders
接下来就是单纯的训练过程了。步骤总结如下：
- 参数设置阶段
- 设置GPU
- 设置优化器、损失函数、学习策略
- 训练过程
- 迭代DataLoader
- 优化器梯度清零
- 模型推理
- 误差计算
- 反向传播
- 更新优化器、学习率
- 模型评估
- 计算每轮的误差累计值、精度
- 选择最优精度并进行模型保存
def Train(model,criterion,optimizer,scheduler,num_epoches=25):
dataset_sizes,dataloaders=get_Dataloader()
device=torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
best_model_wts=copy.deepcopy(model.state_dict())
best_acc=0.0
for epoch in range(num_epoches):
print("Epoch {}/{}".format(epoch+1,num_epoches))
for phase in ['train','val']:
if phase=="train":
model.train()
else:
model.eval()
trian_loss=0.0
train_corrects=0
for inputs,labels in dataloaders[phase]:
inputs,labels=inputs.to(device),labels.to(device)
optimizer.zero_grad()
with torch.set_grad_enabled(phase=="train"):
# 上下文管理器，参数是Bool，用于确定是否对Block内的语句进行求导
y_pre=model(inputs)
_,y_pre=torch.max(y_pre,1)
loss=criterion(y_pre,labels)
if phase=="train":
loss.backward()
optimizer.step()
trian_loss+=loss.item()*inputs.size(0)
train_corrects+=torch.sum(y_pre==labels)
if phase=="train":
scheduler.step()
epoch_loss=trian_loss/dataset_sizes[phase]
epoch_acc=train_corrects.float()/dataset_sizes[phase]
print("{} Loss :{:.4f} Acc {:.4}".format(phase,epoch_loss,epoch_acc))
if phase=="val" and epoch_acc>best_acc:
best_acc=epoch_acc
best_model_wts=copy.deepcopy(model.state_dict())
print("Best val Acc : {:4f}".format(best_acc))
model.load_state_dict(best_model_wts)
return model
三、迁移学习
迁移学习(Transfer Learning)就是利用预训练好的大模型参数去学习其他数据的分布。
这个过程我们一般不希望原始模型参数改变，因而一般需要做如下工作:
for param in model.parameters():
param.requires_grad=False
然后，我们需要构架最后一层全连接层，用来学习新的数据集：
model.fc=nn.Linear(2048,num_classes)
也就是最后需要训练的就是这个全连接层了。
def Inception(device):
# 用训练好的模型进行迁移
model_ft=models.inception_v3(pretrained=True)
# model_ft=models.resnet50(pretrained=True)
# model_ft=models.alexnet(pretrained=True)
num_ftrs=model_ft.fc.in_features
model_ft.fc=nn.Linear(num_ftrs,12) # 设置全连接层最终结果
model_ft=model_ft.to(device)
cirterion=nn.CrossEntropyLoss()
optimizer_ft=torch.optim.SGD(model_ft.parameters(),lr=0.001,momentum=0.9)
exp_lr_scheduler=lr_scheduler.StepLR(optimizer_ft,step_size=5,gamma=0.1)
model_ft=Train(model_ft,cirterion,optimizer_ft,exp_lr_scheduler,num_epoches=30)
四、结果分析
-
Inception
Epoch 30/30 train Loss: 0.1065 Acc: 0.9858 val Loss: 0.3026 Acc: 0.8983 Best val Acc: 0.918336 -
AlexNet
Epoch 30/30 train Loss: 0.1403 Acc: 0.9601 val Loss: 0.6815 Acc: 0.7750 Best val Acc: 0.779661 -
ResNet50
Epoch 30/30 train Loss: 0.0480 Acc: 0.9973 val Loss: 0.3157 Acc: 0.9060 Best val Acc: 0.909091
中间部分特征图的结果如下：
特征图嘛，主打的就是一个抽象。可以发现同一张图经过不同的卷积核作用后，有了全新的高维特征，这些特征也主打的就是一个难以解释，反正就看个乐。
基本上7个epoch就收敛了。
