使用VGG模型進(jìn)行貓狗大戰(zhàn)

結(jié)合自己的理解，有一定的修改。在本教程中，我們將建一個(gè)模型來(lái)完成 Kaggle 中的貓狗大戰(zhàn)競(jìng)賽題目。在這個(gè)比賽中，有25000張標(biāo)記好的貓和狗的圖片用做訓(xùn)練，有12500張圖片用做測(cè)試。這個(gè)競(jìng)賽是2013年開(kāi)展的，如果你能夠達(dá)到80%的準(zhǔn)確率，在當(dāng)年是一個(gè) state-of-the-art 的成績(jī)。

import numpy as np
import matplotlib.pyplot as plt
import os
import torch
import torch.nn as nn
import torchvision
from torchvision import models,transforms,datasets
import time
import json


# 判斷是否存在GPU設(shè)備
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print('Using gpu: %s ' % torch.cuda.is_available())

1. 下載數(shù)據(jù)

Jeremy Howard 提供了數(shù)據(jù)的下載，鏈接為：http://files.fast.ai/data/dogscats.zip

在他整理的數(shù)據(jù)集中，貓和狗的圖片放在單獨(dú)的文件夾中， 同時(shí)還提供了一個(gè)Validation數(shù)據(jù)。

2. 數(shù)據(jù)處理

datasets 是 torchvision 中的一個(gè)包，可以用做加載圖像數(shù)據(jù)。它可以以多線程（multi-thread）的形式從硬盤中讀取數(shù)據(jù)，使用 mini-batch 的形式，在網(wǎng)絡(luò)訓(xùn)練中向 GPU 輸送。在使用CNN處理圖像時(shí)，需要進(jìn)行預(yù)處理。

normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])

vgg_format = transforms.Compose([
                transforms.CenterCrop(224),
                transforms.ToTensor(),
                normalize,
            ])

data_dir = './dogscats'

dsets = {x: datasets.ImageFolder(os.path.join(data_dir, x), vgg_format)
         for x in ['train', 'valid']}

dset_sizes = {x: len(dsets[x]) for x in ['train', 'valid']}
dset_classes = dsets['train'].classes

# 通過(guò)下面代碼可以查看 dsets 的一些屬性

print(dsets['train'].classes)
print(dsets['train'].class_to_idx)
print(dsets['train'].imgs[:5])
print('dset_sizes: ', dset_sizes)

loader_train = torch.utils.data.DataLoader(dsets['train'], batch_size=64, shuffle=True, num_workers=6)
loader_valid = torch.utils.data.DataLoader(dsets['valid'], batch_size=5, shuffle=False, num_workers=6)


'''
valid 數(shù)據(jù)一共有2000張圖，每個(gè)batch是5張，因此，下面進(jìn)行遍歷一共會(huì)輸出到 400
同時(shí)，把第一個(gè) batch 保存到 inputs_try, labels_try，分別查看
'''
count = 1
for data in loader_valid:
    print(count, end='\n')
    if count == 1:
        inputs_try,labels_try = data
    count +=1

print(labels_try)
print(inputs_try.shape)

# 顯示圖片的小程序

def imshow(inp, title=None):
#   Imshow for Tensor.
    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 = np.clip(std * inp + mean, 0,1)
    plt.imshow(inp)
    if title is not None:
        plt.title(title)
    plt.pause(0.001)  # pause a bit so that plots are updated

# 顯示 labels_try 的5張圖片，即valid里第一個(gè)batch的5張圖片
out = torchvision.utils.make_grid(inputs_try)
imshow(out, title=[dset_classes[x] for x in labels_try])

3. 創(chuàng)建 VGG Model

torchvision中集成了很多在 ImageNet （120萬(wàn)張訓(xùn)練數(shù)據(jù)） 上預(yù)訓(xùn)練好的通用的CNN模型，可以直接下載使用。

在本課程中，我們直接使用預(yù)訓(xùn)練好的 VGG 模型。同時(shí)，為了展示 VGG 模型對(duì)本數(shù)據(jù)的預(yù)測(cè)結(jié)果，還下載了 ImageNet 1000 個(gè)類的 JSON 文件。

在這部分代碼中，對(duì)輸入的5個(gè)圖片利用VGG模型進(jìn)行預(yù)測(cè)，同時(shí)，使用softmax對(duì)結(jié)果進(jìn)行處理，隨后展示了識(shí)別結(jié)果。可以看到，識(shí)別結(jié)果是比較非常準(zhǔn)確的。

!wget https://s3.amazonaws.com/deep-learning-models/image-models/imagenet_class_index.json

model_vgg = models.vgg16(pretrained=True)

with open('./imagenet_class_index.json') as f:
    class_dict = json.load(f)
dic_imagenet = [class_dict[str(i)][1] for i in range(len(class_dict))]

inputs_try , labels_try = inputs_try.to(device), labels_try.to(device)
model_vgg = model_vgg.to(device)

outputs_try = model_vgg(inputs_try)

print(outputs_try)
print(outputs_try.shape)

'''
可以看到結(jié)果為5行，1000列的數(shù)據(jù)，每一列代表對(duì)每一種目標(biāo)識(shí)別的結(jié)果。
但是我也可以觀察到，結(jié)果非常奇葩，有負(fù)數(shù)，有正數(shù)，
為了將VGG網(wǎng)絡(luò)輸出的結(jié)果轉(zhuǎn)化為對(duì)每一類的預(yù)測(cè)概率，我們把結(jié)果輸入到 Softmax 函數(shù)
'''
m_softm = nn.Softmax(dim=1)
probs = m_softm(outputs_try)
vals_try,pred_try = torch.max(probs,dim=1)

print( 'prob sum: ', torch.sum(probs,1))
print( 'vals_try: ', vals_try)
print( 'pred_try: ', pred_try)

print([dic_imagenet[i] for i in pred_try.data])
imshow(torchvision.utils.make_grid(inputs_try.data.cpu()), 
       title=[dset_classes[x] for x in labels_try.data.cpu()])

4. 修改最后一層，凍結(jié)前面層的參數(shù)

VGG 模型如下圖所示，注意該網(wǎng)絡(luò)由三種元素組成：

• 卷積層（CONV）是發(fā)現(xiàn)圖像中局部的 pattern
• 全連接層（FC）是在全局上建立特征的關(guān)聯(lián)
• 池化（Pool）是給圖像降維以提高特征的 invariance

我們的目標(biāo)是使用預(yù)訓(xùn)練好的模型，因此，需要把最后的 nn.Linear 層由1000類，替換為2類。為了在訓(xùn)練中凍結(jié)前面層的參數(shù)，需要設(shè)置 required_grad=False。這樣，反向傳播訓(xùn)練梯度時(shí)，前面層的權(quán)重就不會(huì)自動(dòng)更新了。訓(xùn)練中，只會(huì)更新最后一層的參數(shù)。

print(model_vgg)

model_vgg_new = model_vgg;

for param in model_vgg_new.parameters():
    param.requires_grad = False
model_vgg_new.classifier._modules['6'] = nn.Linear(4096, 2)
model_vgg_new.classifier._modules['7'] = torch.nn.LogSoftmax(dim = 1)

model_vgg_new = model_vgg_new.to(device)

print(model_vgg_new.classifier)

5. 訓(xùn)練并測(cè)試全連接層

包括三個(gè)步驟：第1步，創(chuàng)建損失函數(shù)和優(yōu)化器；第2步，訓(xùn)練模型；第3步，測(cè)試模型。

'''
第一步：創(chuàng)建損失函數(shù)和優(yōu)化器

損失函數(shù) NLLLoss() 的 輸入 是一個(gè)對(duì)數(shù)概率向量和一個(gè)目標(biāo)標(biāo)簽. 
它不會(huì)為我們計(jì)算對(duì)數(shù)概率，適合最后一層是log_softmax()的網(wǎng)絡(luò). 
'''
criterion = nn.NLLLoss()

# 學(xué)習(xí)率
lr = 0.001

# 隨機(jī)梯度下降
optimizer_vgg = torch.optim.SGD(model_vgg_new.classifier[6].parameters(),lr = lr)

'''
第二步：訓(xùn)練模型
'''

def train_model(model,dataloader,size,epochs=1,optimizer=None):
    model.train()
    
    for epoch in range(epochs):
        running_loss = 0.0
        running_corrects = 0
        count = 0
        for inputs,classes in dataloader:
            inputs = inputs.to(device)
            classes = classes.to(device)
            outputs = model(inputs)
            loss = criterion(outputs,classes)           
            optimizer = optimizer
            optimizer.zero_grad()
            loss.backward()
            optimizer.step()
            _,preds = torch.max(outputs.data,1)
            # statistics
            running_loss += loss.data.item()
            running_corrects += torch.sum(preds == classes.data)
            count += len(inputs)
            print('Training: No. ', count, ' process ... total: ', size)
        epoch_loss = running_loss / size
        epoch_acc = running_corrects.data.item() / size
        print('Loss: {:.4f} Acc: {:.4f}'.format(
                     epoch_loss, epoch_acc))
        
        
# 模型訓(xùn)練
train_model(model_vgg_new,loader_train,size=dset_sizes['train'], epochs=1, 
            optimizer=optimizer_vgg)

def test_model(model,dataloader,size):
    model.eval()
    predictions = np.zeros(size)
    all_classes = np.zeros(size)
    all_proba = np.zeros((size,2))
    i = 0
    running_loss = 0.0
    running_corrects = 0
    for inputs,classes in dataloader:
        inputs = inputs.to(device)
        classes = classes.to(device)
        outputs = model(inputs)
        loss = criterion(outputs,classes)           
        _,preds = torch.max(outputs.data,1)
        # statistics
        running_loss += loss.data.item()
        running_corrects += torch.sum(preds == classes.data)
        predictions[i:i+len(classes)] = preds.to('cpu').numpy()
        all_classes[i:i+len(classes)] = classes.to('cpu').numpy()
        all_proba[i:i+len(classes),:] = outputs.data.to('cpu').numpy()
        i += len(classes)
        print('Testing: No. ', i, ' process ... total: ', size)        
    epoch_loss = running_loss / size
    epoch_acc = running_corrects.data.item() / size
    print('Loss: {:.4f} Acc: {:.4f}'.format(
                     epoch_loss, epoch_acc))
    return predictions, all_proba, all_classes
  
predictions, all_proba, all_classes = test_model(model_vgg_new,loader_valid,size=dset_sizes['valid'])

6. 可視化模型預(yù)測(cè)結(jié)果（主觀分析）

主觀分析就是把預(yù)測(cè)的結(jié)果和相對(duì)應(yīng)的測(cè)試圖像輸出出來(lái)看看，一般有四種方式：

• 隨機(jī)查看一些預(yù)測(cè)正確的圖片
• 隨機(jī)查看一些預(yù)測(cè)錯(cuò)誤的圖片
• 預(yù)測(cè)正確，同時(shí)具有較大的probability的圖片
• 預(yù)測(cè)錯(cuò)誤，同時(shí)具有較大的probability的圖片
• 最不確定的圖片，比如說(shuō)預(yù)測(cè)概率接近0.5的圖片

# 單次可視化顯示的圖片個(gè)數(shù)
n_view = 8
correct = np.where(predictions==all_classes)[0]
from numpy.random import random, permutation
idx = permutation(correct)[:n_view]
print('random correct idx: ', idx)
loader_correct = torch.utils.data.DataLoader([dsets['valid'][x] for x in idx],
                  batch_size = n_view,shuffle=True)
for data in loader_correct:
    inputs_cor,labels_cor = data
# Make a grid from batch
out = torchvision.utils.make_grid(inputs_cor)
imshow(out, title=[l.item() for l in labels_cor])

# 類似的思路，可以顯示錯(cuò)誤分類的圖片，這里不再重復(fù)代碼

7. 結(jié)論

在我們這個(gè)代碼示例中，sledge hammer 是在 ImageNet 上預(yù)訓(xùn)練好的 VGG 模型，在這個(gè)數(shù)據(jù)集中，有大量貓和狗的圖片。同時(shí)，我們也發(fā)現(xiàn)，即使不修改網(wǎng)絡(luò)，模型也可以非常準(zhǔn)確的識(shí)別貓和狗。

這個(gè)代碼示例是非常有啟發(fā)意義的（instructive），這個(gè)實(shí)驗(yàn)相當(dāng) instructive ，因?yàn)樗故镜氖侨绾卧诠こ虇?wèn)題中使用深度學(xué)習(xí)：首先準(zhǔn)備待解決問(wèn)題的數(shù)據(jù)，然后下載預(yù)訓(xùn)練好的網(wǎng)絡(luò)，接著用準(zhǔn)備好的數(shù)據(jù)來(lái) fine-tune 預(yù)訓(xùn)練好的網(wǎng)絡(luò)。這些步驟在任何深度學(xué)習(xí)工程項(xiàng)目中都是如此。