pytorch + visdom CNN處理自建圖片數(shù)據(jù)集的方法

更新時(shí)間：2018年06月04日 14:12:37 作者：泛泛之素

這篇文章主要介紹了pytorch + visdom CNN處理自建圖片數(shù)據(jù)集的方法，小編覺得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧

環(huán)境

系統(tǒng)：win10

cpu：i7-6700HQ

gpu：gtx965m

python : 3.6

pytorch ：0.3

數(shù)據(jù)下載

來(lái)源自Sasank Chilamkurthy 的教程；數(shù)據(jù)：下載鏈接。

下載后解壓放到項(xiàng)目根目錄：

數(shù)據(jù)集為用來(lái)分類螞蟻和蜜蜂。有大約120個(gè)訓(xùn)練圖像，每個(gè)類有75個(gè)驗(yàn)證圖像。

數(shù)據(jù)導(dǎo)入

可以使用 torchvision.datasets.ImageFolder(root,transforms) 模塊可以將圖片轉(zhuǎn)換為 tensor。

先定義transform：

ata_transforms = {
  'train': transforms.Compose([
    # 隨機(jī)切成224x224 大小圖片 統(tǒng)一圖片格式
    transforms.RandomResizedCrop(224),
    # 圖像翻轉(zhuǎn)
    transforms.RandomHorizontalFlip(),
    # totensor 歸一化(0,255) >> (0,1)  normalize  channel=（channel-mean）/std
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
  ]),
  "val" : transforms.Compose([
    # 圖片大小縮放 統(tǒng)一圖片格式
    transforms.Resize(256),
    # 以中心裁剪
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
  ])
}

導(dǎo)入，加載數(shù)據(jù)：

data_dir = './hymenoptera_data'
# trans data
image_datasets = {x: datasets.ImageFolder(os.path.join(data_dir, x), data_transforms[x]) for x in ['train', 'val']}
# load data
data_loaders = {x: DataLoader(image_datasets[x], batch_size=BATCH_SIZE, shuffle=True) for x in ['train', 'val']}

data_sizes = {x: len(image_datasets[x]) for x in ['train', 'val']}
class_names = image_datasets['train'].classes
print(data_sizes, class_names)

{'train': 244, 'val': 153} ['ants', 'bees']

訓(xùn)練集 244圖片，測(cè)試集153圖片。

可視化部分圖片看看，由于visdom支持tensor輸入，不用換成numpy，直接用tensor計(jì)算即可：

inputs, classes = next(iter(data_loaders['val']))

out = torchvision.utils.make_grid(inputs)
inp = torch.transpose(out, 0, 2)
mean = torch.FloatTensor([0.485, 0.456, 0.406])
std = torch.FloatTensor([0.229, 0.224, 0.225])
inp = std * inp + mean
inp = torch.transpose(inp, 0, 2)
viz.images(inp)

創(chuàng)建CNN

net 根據(jù)上一篇的處理cifar10的改了一下規(guī)格：

class CNN(nn.Module):
  def __init__(self, in_dim, n_class):
    super(CNN, self).__init__()
    self.cnn = nn.Sequential(
      nn.BatchNorm2d(in_dim),
      nn.ReLU(True),
      nn.Conv2d(in_dim, 16, 7), # 224 >> 218
      nn.BatchNorm2d(16),
      nn.ReLU(inplace=True),
      nn.MaxPool2d(2, 2), # 218 >> 109
      nn.ReLU(True),
      nn.Conv2d(16, 32, 5), # 105
      nn.BatchNorm2d(32),
      nn.ReLU(True),
      nn.Conv2d(32, 64, 5), # 101
      nn.BatchNorm2d(64),
      nn.ReLU(True),
      nn.Conv2d(64, 64, 3, 1, 1),
      nn.BatchNorm2d(64),
      nn.ReLU(True),
      nn.MaxPool2d(2, 2), # 101 >> 50
      nn.Conv2d(64, 128, 3, 1, 1), #
      nn.BatchNorm2d(128),
      nn.ReLU(True),
      nn.MaxPool2d(3), # 50 >> 16
    )
    self.fc = nn.Sequential(
      nn.Linear(128*16*16, 120),
      nn.BatchNorm1d(120),
      nn.ReLU(True),
      nn.Linear(120, n_class))
  def forward(self, x):
    out = self.cnn(x)
    out = self.fc(out.view(-1, 128*16*16))
    return out

# 輸入3層rgb ，輸出 分類 2    
model = CNN(3, 2)

loss，優(yōu)化函數(shù)：

line = viz.line(Y=np.arange(10))
loss_f = nn.CrossEntropyLoss()
optimizer = optim.SGD(model.parameters(), lr=LR, momentum=0.9)
scheduler = optim.lr_scheduler.StepLR(optimizer, step_size=7, gamma=0.1)

參數(shù)：

BATCH_SIZE = 4
LR = 0.001
EPOCHS = 10

運(yùn)行 10個(gè) epoch 看看：

[9/10] train_loss:0.650|train_acc:0.639|test_loss:0.621|test_acc0.706
[10/10] train_loss:0.645|train_acc:0.627|test_loss:0.654|test_acc0.686
Training complete in 1m 16s
Best val Acc: 0.712418

運(yùn)行 20個(gè)看看：

[19/20] train_loss:0.592|train_acc:0.701|test_loss:0.563|test_acc0.712
[20/20] train_loss:0.564|train_acc:0.721|test_loss:0.571|test_acc0.706
Training complete in 2m 30s
Best val Acc: 0.745098

準(zhǔn)確率比較低：只有74.5%

我們使用models 里的 resnet18 運(yùn)行 10個(gè)epoch：

model = torchvision.models.resnet18(True)
num_ftrs = model.fc.in_features
model.fc = nn.Linear(num_ftrs, 2)

[9/10] train_loss:0.621|train_acc:0.652|test_loss:0.588|test_acc0.667
[10/10] train_loss:0.610|train_acc:0.680|test_loss:0.561|test_acc0.667
Training complete in 1m 24s
Best val Acc: 0.686275

效果也很一般，想要短時(shí)間內(nèi)就訓(xùn)練出效果很好的models，我們可以下載訓(xùn)練好的state，在此基礎(chǔ)上訓(xùn)練：

model = torchvision.models.resnet18(pretrained=True)
num_ftrs = model.fc.in_features
model.fc = nn.Linear(num_ftrs, 2)

[9/10] train_loss:0.308|train_acc:0.877|test_loss:0.160|test_acc0.941
[10/10] train_loss:0.267|train_acc:0.885|test_loss:0.148|test_acc0.954
Training complete in 1m 25s
Best val Acc: 0.954248

10個(gè)epoch直接的到95%的準(zhǔn)確率。