代码收藏家 Python分类实例之猫狗大战
目 录
- 作者介绍
- 编程实战指南
- 比赛数据集介绍（Dogs vs cats）
- 环境配置
- 模型定义
- 数据加载
- 训练和测试
- 结果展示
- 参考
作者介绍
周新龙，男，西安工程大学电子信息学院，2019级研究生，张宏伟人工智能课题组
研究方向：机器视觉与人工智能
编程实战指南
通过前面课程的学习，相信同学们已经掌握了Pytorch中大部分的基础知识，本节课将结合之前讲的内容，带领同学们从头实现一个完整的深度学习项目。本节课的重点不在于如何使用Pytorch的接口，而在于合理的设计程序的结构，使得程序更具可读性、更易用。
在学习某个深度学习框架时，掌握其基本知识和接口固然重要，但如何合理地组织代码，使代码具有良好的可读性和可扩展性也很关键。在做大多数深度学习研究时，程序都需要实现以下几个功能。
- 模型定义
- 数据处理和加载
- 训练模型（Train&Validate）
- 训练过程的可视化（Train&Validate）
- 测试（Test/Inference）
另外，程序还应该满足以下几个要求：模型具有高度可配置性，便于修改参数、修改模型和反复实验；代码应该具有良好的组织结构，使人一目了然；代码应具有良好的说明，使其他人能够理解。
比赛数据集介绍（Dogs vs cats）
Dogs vs. Cats(猫狗大战)来源于Kaggle上的一个竞赛题，任务为给定一个数据集，其中训练集有25000张，猫狗各占一半，测试集12500张，没有标定是猫还是狗。要求设计一种算法对测试集中的猫狗图片进行判别，目前排名前十的算法均达到了99.8%，猫狗大战实际上是一个传统的二分类问题。
环境配置
建议使用Pytorch1.4版本进行该实例的学习，之前配置的Pytorch1.1也可以实现，Pytorch1.4的GPU版本安装代码如下。
python=3.6 pytorch1.4.0 torchvision0.5.0 cudatoolkit9.2
# CUDA 9.2
conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=9.2 -c pytorch
# CPU Only
conda install pytorch==1.4.0 torchvision==0.5.0 cpuonly -c pytorch
如果已经换成清华源的话可以直接去掉 -c pytorch
代码以及猫狗大战数据集都已经为大家打包好啦！
链接: 代码以及数据集下载链接 .
提取码：izzy
模型定义
目前已经有很多成熟的分类算法，本次课程中选择了较为简单的CNN结构为大家进行讲解，具体网络结构如下图所示。
Input：图像尺寸为200×200像素，由于训练集和测试集中的图片大小尺寸多样，因此在送入网络前，须将图片调整至200×200像素
conv1：卷积核的规模为[3×3×3×16]，size大小3×3，深度3，数量16
第一次卷积结果：16个卷积图像(feature map)，200×200像素
Pooling：第一次池化，size大小2×2，Max pooling
第一次池化结果：图像缩小为100×100像素
conv2：卷积核的规模为[3×3×16×16]，size大小3×3，深度16，数量16
第二次卷积结果：16个卷积图像(feature map)，100×100像素
Pooling：第二次池化，size大小2×2，Max pooling
第二次池化结果：图像缩小为50×50像素
FC1：第一次全连接，输入节点数为50×50×16= 40000，输出节点数为128，输出数据为[128×1]
FC2：第二次全连接，输入节点数为128，输出节点数为64，输出数据为[64×1]
FC3：第三次全连接，输入节点数为64，输出节点数为2，即两个数值，分别表示猫和狗的概率(通过softmax方法进行了转换)
以下是network代码实现部分
import torch
import torch.nn as nn
import torch.utils.data
import torch.nn.functional as F
class Net(nn.Module): # 新建一个网络类，就是需要搭建的网络，必须继承PyTorch的nn.Module父类
def __init__(self): # 构造函数，用于设定网络层
super(Net, self).__init__() # 标准语句
self.conv1 = torch.nn.Conv2d(3, 16, 3, padding=1) # 第一个卷积层，输入通道数3，输出通道数16，卷积核大小3×3，padding大小1，其他参数默认
self.conv2 = torch.nn.Conv2d(16, 16, 3, padding=1) # 第二个卷积层，输入通道数16，输出通道数16，卷积核大小3×3，padding大小1，其他参数默认
self.fc1 = nn.Linear(50*50*16, 128) # 第一个全连层，线性连接，输入节点数50×50×16，输出节点数128
self.fc2 = nn.Linear(128, 64) # 第二个全连层，线性连接，输入节点数128，输出节点数64
self.fc3 = nn.Linear(64, 2) # 第三个全连层，线性连接，输入节点数64，输出节点数2
def forward(self, x): # 重写父类forward方法，即前向计算，通过该方法获取网络输入数据后的输出值
x = self.conv1(x) # 第一次卷积
x = F.relu(x) # 第一次卷积结果经过ReLU激活函数处理
x = F.max_pool2d(x, 2) # 第一次池化，池化大小2×2，方式Max pooling
x = self.conv2(x) # 第二次卷积
x = F.relu(x) # 第二次卷积结果经过ReLU激活函数处理
x = F.max_pool2d(x, 2) # 第二次池化，池化大小2×2，方式Max pooling
x = x.view(x.size()[0], -1) # 由于全连层输入的是一维张量，因此需要对输入的[50×50×16]格式数据排列成[40000×1]形式
x = F.relu(self.fc1(x)) # 第一次全连，ReLU激活
x = F.relu(self.fc2(x)) # 第二次全连，ReLU激活
y = self.fc3(x) # 第三次激活，ReLU激活
return y
数据加载
Kaggle提供的数据包括训练集和测试集，因此，在数据加载阶段，需要做的就是把训练集中所有的数据整理成[输入， 给定输出]的形式，在Dogs vs. Cats中，输入为一张张猫狗图片(input)，给定输出是对应的猫或者狗信息(label)。
import os
import torch.utils.data as data
from PIL import Image
import numpy as np
import torch
import torchvision.transforms as transforms
# 默认输入网络的图片大小
IMAGE_SIZE = 200
# 定义一个转换关系，用于将图像数据转换成PyTorch的Tensor形式
dataTransform = transforms.Compose([
transforms.Resize(IMAGE_SIZE), # 将图像按比例缩放至合适尺寸
transforms.CenterCrop((IMAGE_SIZE, IMAGE_SIZE)), # 从图像中心裁剪合适大小的图像
transforms.ToTensor() # 转换成Tensor形式，并且数值归一化到[0.0, 1.0]，同时将H×W×C的数据转置成C×H×W，这一点很关键
])
class DogsVSCatsDataset(data.Dataset): # 新建一个数据集类，并且需要继承PyTorch中的data.Dataset父类
def __init__(self, mode, dir): # 默认构造函数，传入数据集类别（训练或测试），以及数据集路径
self.mode = mode
self.list_img = [] # 新建一个image list，用于存放图片路径，注意是图片路径
self.list_label = [] # 新建一个label list，用于存放图片对应猫或狗的标签，其中数值0表示猫，1表示狗
self.data_size = 0 # 记录数据集大小
self.transform = dataTransform # 转换关系
if self.mode == 'train': # 训练集模式下，需要提取图片的路径和标签
dir = dir + '/train/' # 训练集路径在"dir"/train/
for file in os.listdir(dir): # 遍历dir文件夹
self.list_img.append(dir + file) # 将图片路径和文件名添加至image list
self.data_size += 1 # 数据集增1
name = file.split(sep='.') # 分割文件名，"cat.0.jpg"将分割成"cat",".","jpg"3个元素
# label采用one-hot编码，"1,0"表示猫，"0,1"表示狗，任何情况只有一个位置为"1"，在采用CrossEntropyLoss()计算Loss情况下，label只需要输入"1"的索引，即猫应输入0，狗应输入1
if name[0] == 'cat':
self.list_label.append(0) # 图片为猫，label为0
else:
self.list_label.append(1) # 图片为狗，label为1，注意：list_img和list_label中的内容是一一配对的
elif self.mode == 'test': # 测试集模式下，只需要提取图片路径就行
dir = dir + '/test/' # 测试集路径为"dir"/test/
for file in os.listdir(dir):
self.list_img.append(dir + file) # 添加图片路径至image list
self.data_size += 1
self.list_label.append(2) # 添加2作为label，实际未用到，也无意义
else:
print('Undefined Dataset!')
def __getitem__(self, item): # 重载data.Dataset父类方法，获取数据集中数据内容
if self.mode == 'train': # 训练集模式下需要读取数据集的image和label
img = Image.open(self.list_img[item]) # 打开图片
label = self.list_label[item] # 获取image对应的label
return self.transform(img), torch.LongTensor([label]) # 将image和label转换成PyTorch形式并返回
elif self.mode == 'test': # 测试集只需读取image
img = Image.open(self.list_img[item])
return self.transform(img) # 只返回image
else:
print('None')
def __len__(self):
return self.data_size # 返回数据集大小
训练和测试
train.py
在这里还是想再为大家讲述几个基本概念：.
（1）batchsize：批大小。在深度学习中，一般采用SGD训练，即每次训练在训练集中取batchsize个样本训练；
（2）iteration：1个iteration等于使用iteration个样本训练一次；
（3）epoch：1个epoch等于使用训练集中的全部样本训练一次，通俗的讲epoch的值就是整个数据集被轮几次。
比如训练集有500个样本，batchsize = 10 ，那么训练完整个样本集：iteration=50，epoch=1.
batch.: 深度学习每一次参数的更新所需要损失函数并不是由一个数据获得的，而是由一组数据加权得到的，这一组数据的数量就是batchsize.。
batchsize.最大是样本总数N，此时就是Full batch learning；最小是1，即每次只训练一个样本，这就是在线学习（Online Learning）。当我们分批学习时，每次使用过全部训练数据完成一次Forword运算以及一次BP运算，成为完成了一次epoch.。
from getdata import DogsVSCatsDataset as DVCD
from torch.utils.data import DataLoader as DataLoader
from network import Net
import torch
from torch.autograd import Variable
import torch.nn as nn
dataset_dir = './data/' # 数据集路径
model_cp = './model/' # 网络参数保存位置
workers = 10 # PyTorch读取数据线程数量
batch_size = 16 # batch_size大小
lr = 0.0001 # 学习率
nepoch = 10
device = torch.device("cuda:0" if (torch.cuda.is_available()) else "cpu")
# .to(device)
def train():
datafile = DVCD('train', dataset_dir) # 实例化一个数据集
dataloader = DataLoader(datafile, batch_size=batch_size, shuffle=True, num_workers=workers, drop_last=True) # 用PyTorch的DataLoader类封装，实现数据集顺序打乱，多线程读取，一次取多个数据等效果
print('Dataset loaded! length of train set is {0}'.format(len(datafile)))
model = Net() # 实例化一个网络
model = model.to(device) # 网络送入GPU，即采用GPU计算，如果没有GPU加速，可以去掉".cuda()"
# model = model
# model = nn.DataParallel(model)
model.train() # 网络设定为训练模式，有两种模式可选，.train()和.eval()，训练模式和评估模式，区别就是训练模式采用了dropout策略，可以放置网络过拟合
optimizer = torch.optim.Adam(model.parameters(), lr=lr) # 实例化一个优化器，即调整网络参数，优化方式为adam方法
criterion = torch.nn.CrossEntropyLoss() # 定义loss计算方法，cross entropy，交叉熵，可以理解为两者数值越接近其值越小
cnt = 0 # 训练图片数量
for epoch in range(nepoch):
# 读取数据集中数据进行训练，因为dataloader的batch_size设置为16，所以每次读取的数据量为16，即img包含了16个图像，label有16个
for img, label in dataloader: # 循环读取封装后的数据集，其实就是调用了数据集中的__getitem__()方法，只是返回数据格式进行了一次封装
img, label = Variable(img).to(device), Variable(label).to(device) # 将数据放置在PyTorch的Variable节点中，并送入GPU中作为网络计算起点
out = model(img) # 计算网络输出值，就是输入网络一个图像数据，输出猫和狗的概率，调用了网络中的forward()方法
loss = criterion(out, label.squeeze()) # 计算损失，也就是网络输出值和实际label的差异，显然差异越小说明网络拟合效果越好，此处需要注意的是第二个参数，必须是一个1维Tensor
loss.backward() # 误差反向传播，采用求导的方式，计算网络中每个节点参数的梯度，显然梯度越大说明参数设置不合理，需要调整
optimizer.step() # 优化采用设定的优化方法对网络中的各个参数进行调整
optimizer.zero_grad() # 清除优化器中的梯度以便下一次计算，因为优化器默认会保留，不清除的话，每次计算梯度都回累加
cnt += 1
print('Epoch:{0},Frame:{1}, train_loss {2}'.format(epoch, cnt*batch_size, loss/batch_size)) # 打印一个batch size的训练结果
torch.save(model.state_dict(), '{0}/model.pth'.format(model_cp)) # 训练所有数据后，保存网络的参数
if __name__ == '__main__':
train()
test.py
测试的时候需要计算样本为猫或者狗的概率，需要加载训练好的模型和数据。
from getdata import DogsVSCatsDataset as DVCD
from network import Net
import torch
from torch.autograd import Variable
import numpy as np
import torch.nn.functional as F
import torch.nn as nn
import matplotlib.pyplot as plt
from PIL import Image
import random
import os
import getdata
dataset_dir = './data/test/' # 数据集路径
model_file = './model/model.pth' # 模型保存路径
N = 10
device = torch.device("cuda:0" if (torch.cuda.is_available()) else "cpu")
# .to(device)
# # old version
# def test():
#
# model = Net() # 实例化一个网络
# model.cuda() # 送入GPU，利用GPU计算
# model = nn.DataParallel(model)
# model.load_state_dict(torch.load(model_file)) # 加载训练好的模型参数
# model.eval() # 设定为评估模式，即计算过程中不要dropout
#
# datafile = DVCD('test', dataset_dir) # 实例化一个数据集
# print('Dataset loaded! length of train set is {0}'.format(len(datafile)))
#
# index = np.random.randint(0, datafile.data_size, 1)[0] # 获取一个随机数，即随机从数据集中获取一个测试图片
# img = datafile.__getitem__(index) # 获取一个图像
# img = img.unsqueeze(0) # 因为网络的输入是一个4维Tensor，3维数据，1维样本大小，所以直接获取的图像数据需要增加1个维度
# img = Variable(img).cuda() # 将数据放置在PyTorch的Variable节点中，并送入GPU中作为网络计算起点
# print(img)
# out = model(img) # 网路前向计算，输出图片属于猫或狗的概率，第一列维猫的概率，第二列为狗的概率
# out = F.softmax(out, dim=1) # 采用SoftMax方法将输出的2个输出值调整至[0.0, 1.0],两者和为1
# print(out) # 输出该图像属于猫或狗的概率
# if out[0, 0] > out[0, 1]: # 猫的概率大于狗
# print('the image is a cat')
# else: # 猫的概率小于狗
# print('the image is a dog')
#
# img = Image.open(datafile.list_img[index]) # 打开测试的图片
# plt.figure('image') # 利用matplotlib库显示图片
# plt.imshow(img)
# plt.show()
# new version
def test():
# setting model
model = Net() # 实例化一个网络
model.to(device) # 送入GPU，利用GPU计算
model.load_state_dict(torch.load(model_file)) # 加载训练好的模型参数
model.eval() # 设定为评估模式，即计算过程中不要dropout
# get data
files = random.sample(os.listdir(dataset_dir), N) # 随机获取N个测试图像
imgs = [] # img
imgs_data = [] # img data
for file in files:
img = Image.open(dataset_dir + file) # 打开图像
img_data = getdata.dataTransform(img).to(device) # 转换成torch tensor数据 ++
imgs.append(img) # 图像list
imgs_data.append(img_data) # tensor list
imgs_data = torch.stack(imgs_data) # tensor list合成一个4D tensor
# calculation
out = model(imgs_data) # 对每个图像进行网络计算
out = F.softmax(out, dim=1) # 输出概率化
out = out.data.cpu().numpy() # 转成numpy数据
# pring results 显示结果
for idx in range(N):
plt.figure()
if out[idx, 0] > out[idx, 1]:
plt.suptitle('cat:{:.1%},dog:{:.1%}'.format(out[idx, 0], out[idx, 1]))
else:
plt.suptitle('dog:{:.1%},cat:{:.1%}'.format(out[idx, 1], out[idx, 0]))
plt.imshow(imgs[idx])
plt.show()
if __name__ == '__main__':
test()
结果展示
参考
[1] CNN入门+猫狗大战(Dogs vs. Cats)+PyTorch入门.
[2] 深度学习实战—猫狗大战(pytorch实现).
[3] 深度学习中的batch、epoch、iteration的含义.
来源：ZHW_AI课题组
