data4fun | 小数据不简单的 RSS 预览

开始炼丹，如何快速训练一个神经网络

2024-08-30 23:05:35

什么是训练

训练是一个不断迭代的过程，每一次迭代，都会计算输出，计算输出的损失（和真实值的差距），收集损失相对参数的导数，然后使用梯度下降优化这些参数。

训练和测试代码

import torch
from torch import nn
from torchvision import datasets, transforms
from torch.utils.data import DataLoader
import os

# 数据源来自： https://www.kaggle.com/datasets/muniryadi/cat-vs-rabbit
train_path = './cat_or_rabbit/train-cat-rabbit'
test_path = './cat_or_rabbit/test-images'
val_path = './cat_or_rabbit/val-cat-rabbit'
# ToTensor 对输入做归一化处理，将资料范围变成[0,1]之间
# 正规化是机器学习常用的资料前处理，将资料范围变成[-1,1]之间

normalize=transforms.Normalize(mean=[.5,.5,.5],std=[.5,.5,.5])
transform=transforms.Compose([
 transforms.RandomCrop(224), # 随即裁剪
 transforms.RandomHorizontalFlip(), # 水平翻转
 transforms.ToTensor(), # tensor 格式
 normalize
])
# 建立資料集
train_dataset = datasets.ImageFolder(train_path, transform = transform)
val_dataset = datasets.ImageFolder(val_path, transform = transform)
test_dataset = datasets.ImageFolder(test_path, transform = transform)

train_dataloader = DataLoader(train_dataset, batch_size=64, shuffle=True)
val_dataloader = DataLoader(val_dataset, batch_size=64, shuffle=True)

device = (
 "cuda"
 if torch.cuda.is_available()
 else "mps"
 if torch.backends.mps.is_available()
 else "cpu"
)
print(f"Using {device} device")
class NeuralNetwork(nn.Module):
 def __init__(self, img_size):
 super().__init__()
 self.flatten = nn.Flatten()
 self.linear_relu_stack = nn.Sequential(
 nn.Linear(img_size, 512),
 nn.ReLU(),
 nn.Linear(512, 512),
 nn.ReLU(),
 nn.Linear(512, 10),
 )

 def forward(self, x):
 x = self.flatten(x)
 logits = self.linear_relu_stack(x)
 return logits

model = NeuralNetwork(3*224*224).to(device)
print(model)
learning_rate = 1e-3
batch_size = 64
epochs = 10
# 初始化loss function
loss_fn = nn.CrossEntropyLoss()
optimizer = torch.optim.SGD(model.parameters(), lr=learning_rate)
def train_loop(dataloader, model, loss_fn, optimizer):
 size = len(dataloader.dataset)
 model.train()
 for batch, (X, y) in enumerate(dataloader):
 # 將資料讀取到GPU中
 X, y = X.to(device), y.to(device)
 # 運算出結果並計算loss
 pred = model(X)
 loss = loss_fn(pred, y)

 # 反向傳播
 loss.backward()
 optimizer.step()
 optimizer.zero_grad()

 if batch % 100 == 0:
 print(batch)
 loss, current = loss.item(), (batch + 1) * len(X)
 print(f"loss: {loss:>7f} [{current:>5d}/{size:>5d}]")
def test_loop(dataloader, model, loss_fn):
 model.eval()
 size = len(dataloader.dataset)
 num_batches = len(dataloader)
 test_loss, correct = 0, 0
 # 驗證或測試時記得加入 torch.no_grad() 讓神經網路不要更新
 with torch.no_grad():
 for X, y in dataloader:
 X, y = X.to(device), y.to(device)
 pred = model(X)
 test_loss += loss_fn(pred, y).item()
 correct += (pred.argmax(1) == y).type(torch.float).sum().item()

 test_loss /= num_batches
 correct /= size
 print(f"Test Error: \n Accuracy: {(100*correct):>0.1f}%, Avg loss: {test_loss:>8f} \n")
 
loss_fn = nn.CrossEntropyLoss()
optimizer = torch.optim.SGD(model.parameters(), lr=learning_rate)

epochs = 10
for t in range(epochs):
 print(f"Epoch {t+1}\n-------------------------------")
 train_loop(train_dataloader, model, loss_fn, optimizer)
 test_loop(val_dataloader, model, loss_fn)
print("Done!")

保存模型和参数

# 保存为内部字典
torch.save(model.state_dict(), 'cat_vs_rabbit_cls_v1.pth')

# 重新载入的时候，要先建立和原来一样的模型结构
reload_model = NeuralNetwork(3*224*224)
reload_model.load_state_dict(torch.load('cat_vs_rabbit_cls_v1.pth'))
reload_model.to(device)
reload_model.eval()

# 验证
epochs = 1
for t in range(epochs):
 test_loop(val_dataloader, reload_model)

预训练模型

实际工作中，我们很少会从同训练一个模型，这样的工作量太大了，往往会拿一个已经训练好的模型，在其基础上进行微调。预训练模型已经有了比较强的泛化能力，我们只需要在我们感兴趣的数据集上进行微调，就可以得到比较好的效果。

1.对ConvNet进行微调(Finetuning)：与随机初始化不同，我们使用预训练的网络来初始化网络，例如那些在Imagenet 数据集上训练过的网络。其馀的训练过程与平常步骤一样。

2.ConvNet作为固定特徵提取器：在这裡，我们会冻结网络的所有权重，除了最后的全连接层之外。这个最后的全连接层会被一个新的、带有随机权重的层所取代，并且只训练这一层。

import torchvision.models as models
import torchvision

# torchvision.models下面有很多已经训练好的模型，我们可以直接加载
mobilenet_v3_model = models.mobilenet_v3_small(pretrained=True)
print(mobilenet_v3_model)

# 针对新模型参数做优化
optimizer = torch.optim.SGD(mobilenet_v3_model.parameters(), lr=learning_rate)

# 修改一下输出参数，因为我们的输出类别是2个
num_classes = 2
mobilenet_v3_model.classifier = nn.Sequential(
 nn.Linear(576, 1024), 
 nn.ReLU(), 
 nn.Linear(1024, num_classes)
)
mobilenet_v3_model.to(device)

如何快速建立一个神经网络

2024-08-28 23:51:17

整个网络的搭建基于pytorch的框架，其中 torch.nn 的命名空间包含了所有构建神经网络需要的基础组件。

基本模块

nn.Flatten 层把二位图像打平成一维数组，tensor第一位置代表的是通道数，并不参与打平的运算

input_image = torch.rand(3,224,224)
print(input_image.size())
# torch.Size([3, 224, 224])
flatten = nn.Flatten()
flat_image = flatten(input_image)
print(flat_image.size())
# torch.Size([3, 50176])

nn.Linear 层

通过权重w和偏差b对输入数据进行线性变化，输出结果。这个最基本的神经网络结构

layer1 = nn.Linear(in_features=224*224, out_features=1024)
hidden1 = layer1(flat_image)
print(hidden1.size()
#torch.Size([3, 1024])

nn.ReLU 层

非线性激活函数，帮助神经网络引入非线性的特性

print(f"Before ReLU: {hidden1}\n\n")
hidden1 = nn.ReLU()(hidden1)
print(f"After ReLU: {hidden1}")
nn.Sequential

一个有序容器，把各个模块顺序连接起来

nn.Softmax层

将（-无穷，+无穷）范围的数值，压缩到（0，1）,用于表示模型对每个类别的预测概率

softmax = nn.Softmax(dim=1)
pred_probab = softmax(logits)

整体结构

# 引入对应的模块
import os
import torch
from torch import nn
from torch.utils.data import DataLoader
from torchvision import datasets, transforms
# 选择模型的训练资源
device = (
 "cuda"
 if torch.cuda.is_available()
 else "mps"
 if torch.backends.mps.is_available()
 else "cpu"
)
print(f"Using {device} device")
# 初始化神经网络实例，并把它迁移到对应的设备上
model = NeuralNetwork(224*224).to(device)
print(model)
# 验证输出
X = torch.rand(1, 224, 224, device=device)
logits = model(X)
pred_probab = nn.Softmax(dim=1)(logits)
y_pred = pred_probab.argmax(1)
print(f"Predicted class: {y_pred}")

初探 YOLOv1

2024-08-06 21:20:48

YOLO(You Only Look Once)，使用CNN方法，一次性检测物体类别和位置的算法。是深度学习算法中的一种。突出的优点是端到端检测，速度快。输入为448448的图片，输出为7730的向量（77源自输入切分的Grid，30源自20个类别和2个x,y,w,h,c的加和）。YOLO将物体检测问题看成是回归问题，直接从图片生成图片框坐标和类别。

这里再顺带说一下CNN（卷积神经网络），它是深度学习的一种网络架构，基本结构为：卷积层+池化层+全连接层。其中，卷积层相当于一个过滤器，过滤出图片的某种特征；池化层相当于一个重点提取器，只留下重要的特征；全连接层把上面的网络结构打平，输出分类结果。

另外，YOLO属于计算机视觉领域的一个分支，所处的位置如下图所示。

推理

1.将图片切分成S*S个Grid，并分别输出Bounding Boxes+confidence以及Class probability map

2.每个Grid会输出B个Bounding Box以及物件信心值(若不存在物件則Pr(Object)为0)。

3.Bounding Box预测5个值: x , y , w , h , confidence。

x , y 为物体在Grid cell中的中心点的位置，0~1之间。
w , h 为物体边框的宽、长占整体图像的比例，0~1之间。
confidence: 预测框与真实框之间的IOU

4.每个Grid Cell会预测C类别的可能性(Class Probability map)

训练

Loss Function

coord是为了加大位置权重的比例，对长、宽求根号是为了提升小物体损失面积的比重，noobj是为了降低其它无效Grid在confidence上面产生的累积效果

超参数

S(grid)=7

B=2(每个grid输出出Bounding Boxes数量为2)

C(Class Probability map)=20 (使用PASCAL VOC数据集，该数据集有20个类别)。

Epochs=135

Batch size=64

Momentum and decay: 0.9 & 0.0005

Learning Rate:

缺点

两个不同物体的中心落在同一个Grid的时候，无法检测出这两个物体（因为每一个Grid只能负责检测一个类别的物体）
同一类别的物体，如果在训练的时候使用的都是正方形的训练样本，在测试的时候使用长方形或其他形状的图片怎不能很好的识别该类物体

data4fun | 小数据不简单