学习总结
模型微调：迁移学习的应用场景，如在目标数据集上训练目标模型，将从头训练输出层，而其余层的参数都是基于源模型的参数微调得到的。
- 获取pytorch中的预训练模型，冻结预训练模型中所有参数；
- 然后模型微调：如替换ResNet最后的2层网络，返回一个新模型
文章目录
一、任务介绍
数据集来源：https://www.kaggle.com/paultimothymooney/chest-xray-pneumonia/download
肺部感染识别任务，加载已经在imageNet上训练过的预训练模型ResNet，冻结中低层的参数（权重），将最后两层替换，微调参数，实现肺部感染的图片分类任务。说白了迁移学习，模型微调就是把拖拉机改装下零件，变成我们需要的变形金刚。
迁移学习(Transfer learning) 就是把已经训练好的模型参数迁移到新的模型来帮助新模型训练。
来回顾下ResNet网络：ResNet是为了解决梯度消失（由于在梯度计算的过程中是用的反向传播，所以需要利用链式法则来进行梯度计算，是一个累乘的过程。若每一个地方梯度都是小于1的，累乘后梯度会趋于0）的问题。
（1）residual block要求输入和输出的tensor维度相同。
（2）有的跳连接在上图汇总是虚线的，表示不一定做跳连接（因为维度不匹配的原因，无法跳跃后相加），所以需要做单独处理——如不做跳连接，或者在跳连接中做一个池化层，注意池化不改变通道数（上面栗子的正路是做一个卷积，起到/2效果）。
（3）构造网络的超参数和input、output的size需要计算好。为了检验网络是否正确，可以先对net简单测试（输入rand的tensor代入），如注释其他层，看前面层的结果和预期的tensor大小是否吻合，即【增量式开发】。
（4）卷积层中做的事，res是层间做的事。
代码如下，ResidualBlock和Net两个类变了，其余和之前没变。
class ResidualBlock(nn.Module):
def __init__(self, channels):
super(ResidualBlock, self).__init__()
self.channels = channels
self.conv1 = nn.Conv2d(channels,
channels,
kernel_size = 3,
padding = 1)
self.conv2 = nn.Conv2d(channels,
channels,
kernel_size = 3,
padding = 1)
def forward(self, x):
y = F.relu(self.conv1(x))
y = self.conv2(y)
# x+y后再relu激活
return F.relu(x + y)
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.conv1 = nn.Conv2d(1, 16, kernel_size = 5)
self.conv2 = nn.Conv2d(16, 32, kernel_size = 5)
self.mp = nn.MaxPool2d(2)
self.rblock1 = ResidualBlock(16)
self.rblock2 = ResidualBlock(32)
self.fc = nn.Linear(512, 10)
def forward(self, x):
in_size = x.size(0)
x = self.mp(F.relu(self.conv1(x)))
x = self.rblock1(x)
x = self.mp(F.relu(self.conv2(x)))
x = self.rblock2(x)
x = x.view(in_size, -1)
x = self.fc(x)
return x
二、步骤概览
其中注意迁移学习的部分，我们直接拿torchvision.models.resnet50模型微调，首先冻结预训练模型中的所有参数，然后替换掉最后两层的网络（替换2层池化层，还有fc层改为dropout，正则，线性，激活等部分），最后返回模型。
三、具体流程
实验环境：NVIDIA GeForce RTX 3090，jupyter notebook。
3.1 加载库和观察数据
# 1 加入必要的库
import torch
import torch.nn as nn
import numpy as np
import torch.optim as optim
from torch.optim import lr_scheduler
from torchvision import datasets, transforms, utils, models
import time
import matplotlib.pyplot as plt
from torch.utils.data import DataLoader
from torch.utils.tensorboard.writer import SummaryWriter
import os
import torchvision
import copy
如果安装库较慢的童鞋可以加上清华源等。
扫描二维码关注公众号，回复：
13718365 查看本文章
另外如果需要在ubuntu上解压数据集压缩包，注意命令：
1、.tar 用 tar –xvf 解压
2、.gz 用 gzip -d或者gunzip 解压
3、.tar.gz和.tgz 用 tar –xzf 解压
4、.bz2 用 bzip2 -d或者用bunzip2 解压
5、.tar.bz2用tar –xjf 解压
6、.Z 用 uncompress 解压
7、.tar.Z 用tar –xZf 解压
8、.rar 用 unrar e解压
9、.zip 用 unzip 解压
了解我们数据集很重要，设置batch_size = 8，每次读取8张图片：
- 加载库，定义方法，显示图片。
- 定义超参数：如
batch_size、DEVICE等。 - 图片转换：如
transform，下面对train和val的字典形式进行操作，如：- 随机裁剪成300×300，
- 随机地水平方向旋转或拉伸
RandomHorizontalFlip()， - 随机中间裁剪
CenterCrop， - 并且使用官方的正则化方法
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])。 - 验证集
val的操作可以和train一样。
- 操作数据集：
- 文件直接拖到terminal也能直接知道文件路径。
- 加载train和val可以以字典形式，我们用列表推导式“同时”读取，最后以字典形式保存（ps：列表推导式比for循环快，这里还1句代替2句）。
- 为数据集创建一个迭代器，读取数据，也是字典形式，
x对应加载数据集的x。一般需要设置Shuffle和batch_size。 - 获取标签的类别名称（这里是感染和正常的情况），直接用
image_datasets['train'].classes即可。 - 最后一步：读取图片，注意用python的迭代器
iter把dataloader['train']变为一个可迭代对象，然后外层用next逐个读取，赋值给变量数据datas和标签targets。
# 1 加载库
import torch
import torch.nn as nn
from torchvision import datasets, transforms
import os
from torch.utils.data import DataLoader
from torchvision.utils import make_grid
import matplotlib.pyplot as plt
import numpy as np
# 2 定义一个方法：显示图片
def image_show(inp, title=None):
plt.figure(figsize=(14, 3))
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 = std * inp + mean
inp = np.clip(inp, 0, 1)
plt.imshow(inp)
if title is not None:
plt.title(title)
plt.pause(0.001)
plt.show()
def main():
# 3 定义超参数
BATCH_SIZE = 8 # 每批处理的数据数量
DEVICE = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
# 4 图片转换
data_transforms = {
'train':
transforms.Compose([
transforms.Resize(300),
transforms.RandomResizedCrop(300),
transforms.RandomHorizontalFlip(),
transforms.CenterCrop(256),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406],
[0.229, 0.224, 0.225])
]),
'val':
transforms.Compose([
transforms.Resize(300),
transforms.CenterCrop(256),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406],
[0.229, 0.224, 0.225])
])
}
# 5 操作数据集
# 5.1 数据集路径
data_path = "chest_xray"
# 5.2 加载数据集train 和 val
image_datasets = {
x : datasets.ImageFolder(os.path.join(data_path, x),
data_transforms[x]) for x in ['train', 'val']}
# 5.3 为数据集创建一个迭代器，读取数据
datalaoders = {
x : DataLoader(image_datasets[x], shuffle=True,
batch_size=BATCH_SIZE) for x in ['train', 'val']}
# 5.3 训练集和验证集的大小（图片的数量）
data_sizes = {
x : len(image_datasets[x]) for x in ['train', 'val']}
# 5.4 获取标签的类别名称: NORMAL 正常 --- PNEUMONIA 感染
target_names = image_datasets['train'].classes
# 6 显示一个batch_size的图片（8张图片）
# 6.1 读取8张图片
datas, targets = next(iter(datalaoders['train']))
# 6.2 将若干张图片拼成一幅图像
out = make_grid(datas, nrow=4, padding=10)
# 6.3 显示图片
image_show(out, title=[target_names[x] for x in targets])
if __name__ == '__main__':
main()
- 为了好看哈哈，可以将8张图片拼起来（用
torchvision.utils的make_grid，还能设置图片之间的间隔padding） - 最后显示图片，直接用pytorch官网的
image_show了。
3.2 迁移学习，微调模型
模型微调：迁移学习的应用场景，如在目标数据集上训练目标模型，将从头训练输出层，而其余层的参数都是基于源模型的参数微调得到的。
- 获取pytorch中的预训练模型，冻结预训练模型中所有参数；
- 然后模型微调：如替换ResNet最后的2层网络，返回一个新模型
首先冻结预训练模型中的所有参数，然后替换掉最后两层的网络（替换2层池化层，还有fc层改为dropout，正则，线性，激活等部分），最后返回模型。
- 其中新的池化层，是两个
nn.AdaptiveAvgPool2d(size)拼接起来的（最后一个参数为1，表示是纵向维度的拼接）。 - 接着的原来的
fc层被替换，这里一坨层用的上节提到的nn.Sequential组合：- dropout一般写在正则化后，取参数0.5，丢掉一些神经元；
- 线性层处理后，加激活层和正则化。
# 8 更改池化层
class AdaptiveConcatPool2d(nn.Module):
def __init__(self, size=None):
super().__init__()
size = size or (1, 1) # 池化层的卷积核大小，默认值为（1，1）
self.pool_one = nn.AdaptiveAvgPool2d(size) # 池化层1
self.pool_two = nn.AdaptiveAvgPool2d(size) # 池化层2
def forward(self, x):
return torch.cat([self.pool_one(x), self.pool_two(x), 1]) # 连接两个池化层
# 7 迁移学习：拿到一个成熟的模型，进行模型微调
def get_model():
model_pre = models.resnet50(pretrained=True) # 获取预训练模型
# 冻结预训练模型中所有的参数
for param in model_pre.parameters():
param.requires_grad = False
# 微调模型：替换ResNet最后的两层网络，返回一个新的模型
model_pre.avgpool = AdaptiveConcatPool2d() # 池化层替换
model_pre.fc = nn.Sequential(
nn.Flatten(), # 所有维度拉平
nn.BatchNorm1d(4096), # 256 x 6 x 6 ——> 4096
nn.Dropout(0.5), # 丢掉一些神经元
nn.Linear(4096, 512), # 线性层的处理
nn.ReLU(), # 激活层
nn.BatchNorm1d(512), # 正则化处理
nn.Linear(512,2),
nn.LogSoftmax(dim=1), # 损失函数
)
return model_pre
3.3 定义tensorboard writer的函数
这里比较特殊，为了保存成日志：
from torch.utils.tensorboard.writer import SummaryWriter
# 定义函数，获取Tensorboard的writer
def tb_writer():
timestr = time.strftime("%Y%m%d_%H%M%S")
writer = SummaryWriter('logdir/' + timestr)
return writer
这里的writer是为了tensorboard的可视化使用，一般的用法如下：
writer = SummaryWriter("../logs") #定义logs文件位置
writer.add_scalar("test_acc", total_accuracy, total_test_step) #添加名称，数据，step
writer.close() #关闭
#######################
# 在命令行：
tensorboard --logdir=logs
3.4 训练结果
训练了20min左右，结果很神奇的，先是accuracy慢慢升到0.88后，又降低到0.75了：
Epoch | Training Loss | Test Loss | Accuracy |
Test Loss : 0.7482, Accuracy : 0.7500
0 | 0.37546360227437947 | 0.7481886744499207 | 0.75 |
Test Loss : 0.4785, Accuracy : 0.8125
1 | 0.26250585539975774 | 0.4785425364971161 | 0.81 |
Test Loss : 0.6143, Accuracy : 0.8125
2 | 0.24647439648354016 | 0.614277184009552 | 0.81 |
Test Loss : 0.4550, Accuracy : 0.8750
3 | 0.22980742459834175 | 0.45500850677490234 | 0.88 |
Test Loss : 0.4762, Accuracy : 0.8750
4 | 0.22832605980867202 | 0.47616851329803467 | 0.88 |
Test Loss : 0.5090, Accuracy : 0.8125
5 | 0.22127203448984092 | 0.5090200304985046 | 0.81 |
Test Loss : 0.5329, Accuracy : 0.8125
6 | 0.2200799149982977 | 0.5329417586326599 | 0.81 |
Test Loss : 0.7185, Accuracy : 0.8125
7 | 0.20401323301827207 | 0.7185251116752625 | 0.81 |
Test Loss : 0.6448, Accuracy : 0.7500
8 | 0.21905418684930994 | 0.6448410749435425 | 0.75 |
Test Loss : 0.6633, Accuracy : 0.7500
9 | 0.2127879018557976 | 0.6633487343788147 | 0.75 |
Training complete in 20.00m 12.74s
全部代码和数据集已放在我的github中。