直呼惊艳，熬夜几天完成的实战模型：猫狗大战，附资料

要求分析

• 建立一个模型，用25000张标记好的猫狗图片训练模型，最后用125000张猫狗图片进行测试,
• 最终目标是能够让模型有更好的正确识别率（期望值：>=80%）
• 模型需要选用VGG模型
• 本次测试和训练的图片数量较小，如果没有GPU，依靠CPU也可以完成任务

分步构建网络

1.检测是否存在GPU设备

这一步骤的目的是查看当前环境下是否有GPU设备可以用于加速训练

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


# 判断是否存在GPU设备
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print('Using gpu: %s ' % torch.cuda.is_available())
复制代码

小福利：领完再看！迪迦给大家准备的250G人工智能学习资料礼包（内含：两大Pytorch、TensorFlow实战框架视频、图像识别、OpenCV、计算机视觉、深度学习与神经网络等等等视频、代码、PPT以及深度学习书籍）

只需要你点个关注，然后扫码添加助手小姐姐VX即可无套路领取！

  扫码添加即可

2.下载测试用的数据集

继续往下看！

此处为Jeremy Howard的数据集，链接似乎已经失效了

在Jeremy Howard提供的数据集当中，猫狗被分别放入了不同的文件夹当中

此处为我的老师提供的数据集，链接任有效

此处为Colab的安装指令

wget http://fenggao-image.stor.sinaapp.com/dogscats.zip

记得解压

unzip dogscats.zip

在我的老师所提供的数据集当中分别有用于训练的Train文件夹，与用于测试的Vaild，两个文件夹当中又分别包含dogs与cats两个子文件夹，两个子文件夹分别有900张图片

如果是在colab或者算力不足的环境下对模型进行训练、测试可以优先考虑我的老师所提供的文件夹，训练时长与数据集的大小有比较紧密的练习

观察文件夹中的图片可以发现，不少的图片的主体当中并非只有单纯的猫与狗，还有一些其他的元素比如人脸等，这一类图片可以可以增强模型的训练效果，减少模型无法识别出识别主体较小或是模糊的图片

2.对数据进行预处理

VGG模型对数据有有尺寸要求：图片需要为224x224x3的格式

故此我们需要对数据进行预处理，保证我们的图片符合VGG模型的要求

在进行本步骤的时候我们采用了torchvision当中的包datasets,这样可以通过多线程读取图片加速图片的装载速度，以mini-batch的方式向训练中的网络输送图片，同时torchvison可以对数据集当中的图片进行各种预处理（ormalization, cropping, flipping, jitterin）

[此处为torchvision.transforms的官方文档](torchvision.transforms — Torchvision 0.11.0 documentation (pytorch.org))

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

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 数据一共有2000张图，每个batch是5张，因此，下面进行遍历一共会输出到 400
同时，把第一个 batch 保存到 inputs_try, labels_try，分别查看
'''
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)

# 显示图片的小程序

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

# 显示 labels_try 的5张图片，即valid里第一个batch的5张图片
out = torchvision.utils.make_grid(inputs_try)
imshow(out, title=[dset_classes[x] for x in labels_try])

3.构建VGG模型

torchvision集合了imageNet上约120万张的训练数据，在本次的作业中我们可以直接使用预先训练好的的VGG模型，同时也可以额外添加imageNet1000个类的jason文件

wget https://s3.amazonaws.com/deep-learning-models/image-models/imagenet_class_index.json
复制代码

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)

'''
可以看到结果为5行，1000列的数据，每一列代表对每一种目标识别的结果。
但是我也可以观察到，结果非常奇葩，有负数，有正数，
为了将VGG网络输出的结果转化为对每一类的预测概率，我们把结果输入到 Softmax 函数
'''
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()])
复制代码

4.修改模型的最后一层

在本次训练当中我们只需要判断猫和狗，所以我们要将全连接的最后一层改写为nn.Linera(4096,2)

此处为了冻结前面层的参数，可以设置required_grad=False，这样先前权重不会自动更新

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)
复制代码

5.训练并测试全链接层

'''
第一步：创建损失函数和优化器

损失函数 NLLLoss() 的 输入 是一个对数概率向量和一个目标标签. 
它不会为我们计算对数概率，适合最后一层是log_softmax()的网络. 
'''
criterion = nn.NLLLoss()

# 学习率
lr = 0.001

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

'''
第二步：训练模型
'''

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))
        
        
# 模型训练
train_model(model_vgg_new,loader_train,size=dset_sizes['train'], epochs=1, 
            optimizer=optimizer_vgg)

6.可视化模型测试结果

此处我们采用主观分析，其实就是把预测的结果和相应的测试图像输出出来，主要有一下5种方法

1. 随机查看一些预测正确的图片

2. 随机查看一些预测错误的图片

3. 预测正确，同时具有较大的probability的图片

4. 预测错误，同时具有较大的probability的图片

5. 最不确定的图片，比如说预测概率接近0.5的图片

# 单次可视化显示的图片个数
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])

7.将模型套用到猫狗大战中

此处我们采用了AI研习社的猫狗大战

先下载数据集合

! wget https://static.leiphone.com/cat_dog.rar ! unrar x cat_dog.rar

解压一下

unrar x cat_dog.rar

进行预测

predictions, all_proba, all_classes = test_model(model_vgg_new,loader_test,size=dset_sizes['test'])

输出csv，务必注意切片顺序，笔者在这里被卡住了很久

import csv
with open('./dogscats/1.csv','w',newline="")as f:
  writer = csv.writer(f)
  for index,cls in enumerate(predictions):
    path = datasets.ImageFolder(os.path.join(data_dir,'test'),vgg_format).imgs[index][0]
    l = path.split("/")
    img_name = l[-1]
    order = int(img_name.split(".")[0])
    writer.writerow([order,int(predictions[index])])

记得要排序一下，这样才能符合数据格式要求

最终结果

测试后可得图片通过

作者：k11
链接：https://juejin.cn/post/7022487383039803422
来源：稀土掘金