【动手学深度学习Pycharm实现9】微调：通过预训练实现热狗识别

前言

详细的讲义链接放在这里了：d2l官网关于微调的讲解
简而言之，微调就是把在源数据集上（通常是比较大的数据集）训练的模型以及参数拿过来，对目标数据集进行再训练，其中最后一层需要根据目标数据集上的种类数进行调整，因为源数据集和目标数据集种类数不一样。

---

一、代码实现

环境如下：

python版本：3.8.6
torch版本：1.11.0
d2l版本：0.17.5

代码如下（有注释）:

import os
import torch
import torchvision
from torch import nn
from d2l import torch as d2l


# 数据集包含热狗的“正类”图像，以及包含尽可能多的其他食物的“负类”图像
#@save
d2l.DATA_HUB['hotdog'] = (d2l.DATA_URL + 'hotdog.zip',
                         'fba480ffa8aa7e0febbb511d181409f899b9baa5')

data_dir = d2l.download_extract('hotdog')

train_imgs = torchvision.datasets.ImageFolder(os.path.join(data_dir, 'train'))   # 训练集
test_imgs = torchvision.datasets.ImageFolder(os.path.join(data_dir, 'test'))     # 测试集


# 前8个正类样本图片和最后8张负类样本图片
hotdogs = [train_imgs[i][0] for i in range(8)]  # 前8
not_hotdogs = [train_imgs[-i - 1][0] for i in range(8)]  # 后8
d2l.show_images(hotdogs + not_hotdogs, 2, 8, scale=1.4)
d2l.plt.show()


# 使用RGB通道的均值和标准差，以标准化每个通道
normalize = torchvision.transforms.Normalize(
    mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])  # 分别是RGB三通道的均值和方差

train_augs = torchvision.transforms.Compose([
    torchvision.transforms.RandomResizedCrop(224),
    torchvision.transforms.RandomHorizontalFlip(),
    torchvision.transforms.ToTensor(),
    normalize])

test_augs = torchvision.transforms.Compose([
    torchvision.transforms.Resize(256),
    torchvision.transforms.CenterCrop(224),
    torchvision.transforms.ToTensor(),
    normalize])

# 定义和初始化模型
pretrained_net = torchvision.models.resnet18(pretrained=True)  # 使用在ImageNet上预训练的ResNet-18作为源模型
finetune_net = torchvision.models.resnet18(pretrained=True)


# 修改源模型ResNet-18最后一层的全连接层，因为ImageNet有1000类，我们这里只有热狗和非热狗2类
finetune_net.fc = nn.Linear(finetune_net.fc.in_features, 2)
nn.init.xavier_uniform_(finetune_net.fc.weight)  # 只需对最后一层参数做xavier初始化


# 定义训练函数，如果param_group=True，输出层中的模型参数将使用十倍的学习率
def train_fine_tuning(net, learning_rate, batch_size=128, num_epochs=5,
                      param_group=True):
    train_iter = torch.utils.data.DataLoader(torchvision.datasets.ImageFolder(
        os.path.join(data_dir, 'train'), transform=train_augs),
        batch_size=batch_size, shuffle=True)
    test_iter = torch.utils.data.DataLoader(torchvision.datasets.ImageFolder(
        os.path.join(data_dir, 'test'), transform=test_augs),
        batch_size=batch_size)
    devices = d2l.try_all_gpus()
    loss = nn.CrossEntropyLoss(reduction="none")
    if param_group:
        params_1x = [param for name, param in net.named_parameters()
             if name not in ["fc.weight", "fc.bias"]]
        trainer = torch.optim.SGD([{
    
    'params': params_1x},
                                   {
    
    'params': net.fc.parameters(),
                                    'lr': learning_rate * 10}],
                                lr=learning_rate, weight_decay=0.001)
    else:
        trainer = torch.optim.SGD(net.parameters(), lr=learning_rate,
                                  weight_decay=0.001)
    d2l.train_ch13(net, train_iter, test_iter, loss, trainer, num_epochs,
                   devices)

# 最终训练
train_fine_tuning(finetune_net, 5e-5)

二、结果

可以看到结果准确率还是挺高的。