J6打卡pytorch实现ResNeXt-50实现猴痘检测
目录
J6打卡——pytorch实现ResNeXt-50实现猴痘检测
🍨 本文为 中的学习记录博客
🍖 原作者：
1.检查GPU
import torch
import torch.nn as nn
import torchvision.transforms as transforms
import torchvision
from torchvision import transforms, datasets
import os,PIL,pathlib
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
device
2.查看数据
import os,PIL,random,pathlib
data_dir = 'data/45-data/'
data_dir = pathlib.Path(data_dir)
data_paths = list(data_dir.glob('*'))
classeNames = [str(path).split("\\")[2] for path in data_paths]
classeNames
3.划分数据集
total_datadir = 'data/45-data'
train_transforms = transforms.Compose([
transforms.Resize([224, 224]), # 将输入图片resize成统一尺寸
transforms.ToTensor(), # 将PIL Image或numpy.ndarray转换为tensor，并归一化到[0,1]之间
transforms.Normalize( # 标准化处理-->转换为标准正太分布（高斯分布），使模型更容易收敛
mean=[0.485, 0.456, 0.406],
std=[0.229, 0.224, 0.225]) # 其中 mean=[0.485,0.456,0.406]与std=[0.229,0.224,0.225] 从数据集中随机抽样计算得到的。
])
total_data = datasets.ImageFolder(total_datadir,transform=train_transforms)
total_data
train_size = int(0.8 * len(total_data))
test_size = len(total_data) - train_size
train_dataset, test_dataset = torch.utils.data.random_split(total_data, [train_size, test_size])
train_dataset, test_dataset
train_size,test_size
batch_size = 32
train_dl = torch.utils.data.DataLoader(train_dataset,
batch_size=batch_size,
shuffle=True,
num_workers=1)
test_dl = torch.utils.data.DataLoader(test_dataset,
batch_size=batch_size,
shuffle=True,
num_workers=1)
for X, y in test_dl:
print("Shape of X [N, C, H, W]: ", X.shape)
print("Shape of y: ", y.shape, y.dtype)
break
4.创建模型
import torch
import torch.nn as nn
import torch.nn.functional as F
class GroupedConvolutionBlock(nn.Module):
def __init__(self, in_channels, out_channels, strides, groups):
super(GroupedConvolutionBlock, self).__init__()
self.groups = groups
self.g_channels = out_channels // groups
self.conv_layers = nn.ModuleList([
nn.Conv2d(self.g_channels, self.g_channels, kernel_size=3, stride=strides, padding=1, bias=False)
for _ in range(groups)
])
self.bn = nn.BatchNorm2d(out_channels, eps=1.001e-5)
self.relu = nn.ReLU()
def forward(self, x):
group_list = []
# 分组进行卷积
for c in range(self.groups):
# 分组取出数据
x_group = x[:, c * self.g_channels:(c + 1) * self.g_channels, :, :]
# 分组进行卷积
x_group = self.conv_layers[c](x_group)
# 存入list
group_list.append(x_group)
# 合并list中的数据
group_merge = torch.cat(group_list, dim=1)
x = self.bn(group_merge)
x = self.relu(x)
return x
class Block(nn.Module):
def __init__(self, in_channels, filters, strides=1, groups=32, conv_shortcut=True):
super(Block, self).__init__()
self.conv_shortcut = conv_shortcut
if conv_shortcut:
self.shortcut = nn.Sequential(
nn.Conv2d(in_channels, filters * 2, kernel_size=1, stride=strides, bias=False),
nn.BatchNorm2d(filters * 2, eps=1.001e-5)
)
else:
self.shortcut = nn.Identity()
self.conv1 = nn.Conv2d(in_channels, filters, kernel_size=1, stride=1, bias=False)
self.bn1 = nn.BatchNorm2d(filters, eps=1.001e-5)
self.relu1 = nn.ReLU()
self.grouped_conv = GroupedConvolutionBlock(filters, filters, strides, groups)
self.conv2 = nn.Conv2d(filters, filters * 2, kernel_size=1, stride=1, bias=False)
self.bn2 = nn.BatchNorm2d(filters * 2, eps=1.001e-5)
self.relu2 = nn.ReLU()
def forward(self, x):
shortcut = self.shortcut(x)
x = self.conv1(x)
x = self.bn1(x)
x = self.relu1(x)
x = self.grouped_conv(x)
x = self.conv2(x)
x = self.bn2(x)
x = x + shortcut
x = self.relu2(x)
return x
class Stack(nn.Module):
def __init__(self, in_channels, filters, blocks, strides, groups=32):
super(Stack, self).__init__()
self.blocks = nn.ModuleList()
self.blocks.append(Block(in_channels, filters, strides, groups, conv_shortcut=True))
for _ in range(1, blocks):
self.blocks.append(Block(filters * 2, filters, strides=1, groups=groups, conv_shortcut=False))
def forward(self, x):
for block in self.blocks:
x = block(x)
return x
class ResNext50(nn.Module):
def __init__(self, input_shape, num_classes):
super(ResNext50, self).__init__()
self.conv1 = nn.Conv2d(input_shape[0], 64, kernel_size=7, stride=2, padding=3, bias=False)
self.bn1 = nn.BatchNorm2d(64, eps=1.001e-5)
self.relu1 = nn.ReLU()
self.maxpool = nn.MaxPool2d(kernel_size=3, stride=2, padding=1)
self.stack1 = Stack(64, 128, 2, 1)
self.stack2 = Stack(256, 256, 3, 2)
self.stack3 = Stack(512, 512, 5, 2)
self.stack4 = Stack(1024, 1024, 2, 2)
self.avgpool = nn.AdaptiveAvgPool2d((1, 1))
self.fc = nn.Linear(2048, num_classes)
def forward(self, x):
x = self.conv1(x)
x = self.bn1(x)
x = self.relu1(x)
x = self.maxpool(x)
x = self.stack1(x)
x = self.stack2(x)
x = self.stack3(x)
x = self.stack4(x)
x = self.avgpool(x)
x = torch.flatten(x, 1)
x = self.fc(x)
return x
from torchsummary import summary
model=ResNext50(input_shape=(224,224,3),num_classes=1000)
model = ResNext50(input_shape=(3, 224, 224), num_classes=1000)
# 将模型移动到GPU
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model.to(device)
# 打印模型摘要
summary(model, input_size=(3, 224, 224))
5.编译及训练模型
loss_fn = nn.CrossEntropyLoss() # 创建损失函数
learn_rate = 1e-4 # 学习率
opt = torch.optim.SGD(model.parameters(),lr=learn_rate)
# 训练循环
def train(dataloader, model, loss_fn, optimizer):
size = len(dataloader.dataset) # 训练集的大小，一共60000张图片
num_batches = len(dataloader) # 批次数目，1875（60000/32）
train_loss, train_acc = 0, 0 # 初始化训练损失和正确率
for X, y in dataloader: # 获取图片及其标签
X, y = X.to(device), y.to(device)
# 计算预测误差
pred = model(X) # 网络输出
loss = loss_fn(pred, y) # 计算网络输出和真实值之间的差距，targets为真实值，计算二者差值即为损失
# 反向传播
optimizer.zero_grad() # grad属性归零
loss.backward() # 反向传播
optimizer.step() # 每一步自动更新
# 记录acc与loss
train_acc += (pred.argmax(1) == y).type(torch.float).sum().item()
train_loss += loss.item()
train_acc /= size
train_loss /= num_batches
return train_acc, train_loss
def test (dataloader, model, loss_fn):
size = len(dataloader.dataset) # 测试集的大小，一共10000张图片
num_batches = len(dataloader) # 批次数目，313（10000/32=312.5，向上取整）
test_loss, test_acc = 0, 0
# 当不进行训练时，停止梯度更新，节省计算内存消耗
with torch.no_grad():
for imgs, target in dataloader:
imgs, target = imgs.to(device), target.to(device)
# 计算loss
target_pred = model(imgs)
loss = loss_fn(target_pred, target)
test_loss += loss.item()
test_acc += (target_pred.argmax(1) == target).type(torch.float).sum().item()
test_acc /= size
test_loss /= num_batches
return test_acc, test_loss
epochs = 20
train_loss = []
train_acc = []
test_loss = []
test_acc = []
for epoch in range(epochs):
model.train()
epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, opt)
model.eval()
epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)
train_acc.append(epoch_train_acc)
train_loss.append(epoch_train_loss)
test_acc.append(epoch_test_acc)
test_loss.append(epoch_test_loss)
template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%，Test_loss:{:.3f}')
print(template.format(epoch+1, epoch_train_acc*100, epoch_train_loss, epoch_test_acc*100, epoch_test_loss))
print('Done')
6.结果可视化
import matplotlib.pyplot as plt
#隐藏警告
import warnings
warnings.filterwarnings("ignore") #忽略警告信息
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
plt.rcParams['figure.dpi'] = 100 #分辨率
from datetime import datetime
current_time = datetime.now() # 获取当前时间
epochs_range = range(epochs)
plt.figure(figsize=(12, 3))
plt.subplot(1, 2, 1)
plt.plot(epochs_range, train_acc, label='Training Accuracy')
plt.plot(epochs_range, test_acc, label='Test Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')
plt.xlabel(current_time) # 打卡请带上时间戳，否则代码截图无效
plt.subplot(1, 2, 2)
plt.plot(epochs_range, train_loss, label='Training Loss')
plt.plot(epochs_range, test_loss, label='Test Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()
7.预测图片
from PIL import Image
classes = list(total_data.class_to_idx)
def predict_one_image(image_path, model, transform, classes):
test_img = Image.open(image_path).convert('RGB')
# plt.imshow(test_img) # 展示预测的图片
test_img = transform(test_img)
img = test_img.to(device).unsqueeze(0)
model.eval()
output = model(img)
_,pred = torch.max(output,1)
pred_class = classes[pred]
print(f'预测结果是：{pred_class}')
# 预测训练集中的某张照片
predict_one_image(image_path='data/45-data/Others/NM01_01_05.jpg',
model=model,
transform=train_transforms,
classes=classes)
总结：
在这次深度学习训练营的学习中，我通过实现ResNeXt-50模型的构建、训练和评估，深入理解了深度学习模型的构建流程和优化方法。以下是我的学习总结：
1. GPU检查与数据准备
- GPU检查
：通过
torch.cuda.is_available()检查GPU是否可用，确保模型能够在GPU上运行以加速训练。 - 数据准备
：使用
torchvision.datasets.ImageFolder加载数据集，并通过transforms对数据进行预处理，包括调整大小、转换为张量和标准化处理。
2. 模型构建
- 分组卷积块
：实现了分组卷积块
GroupedConvolutionBlock，通过将输入特征图分组并分别进行卷积操作，最后合并结果。这种方式增加了模型的表达能力。 - 残差单元
：定义了残差单元
Block，包含1x1卷积、分组卷积和1x1卷积，并通过残差连接将输入与输出相加，避免了梯度消失问题。 - 堆叠残差单元
：通过
Stack类堆叠多个残差单元，构建了ResNeXt-50模型的核心部分。 - ResNeXt-50模型 ：整合了卷积层、批归一化层、激活函数和残差单元，构建了完整的ResNeXt-50模型。
3. 模型训练与评估
- 损失函数与优化器
：使用交叉熵损失函数
nn.CrossEntropyLoss()和随机梯度下降优化器torch.optim.SGD。 - 训练循环 ：实现了训练和测试循环，记录了每个epoch的训练和测试准确率及损失。
- 结果可视化 ：通过Matplotlib绘制了训练和测试的准确率及损失曲线，直观地展示了模型的训练效果。
4. 模型预测
- 单张图片预测 ：实现了单张图片的预测功能，通过加载图片并进行预处理，使用训练好的模型进行预测并输出结果。
5. 学习收获
- 深入理解ResNeXt ：通过实现ResNeXt-50模型，深入理解了分组卷积和基数（cardinality）的概念，以及它们在提升模型表达能力中的作用。
- PyTorch实践 ：通过实际代码编写，熟悉了PyTorch的基本操作，包括模型定义、数据加载、训练循环和结果可视化。
- 问题解决能力 ：在实现过程中遇到了一些问题，如GPU检查、数据预处理和模型调试，通过查阅文档和调试代码，提升了问题解决能力。
6. 改进方向
- 模型优化 ：可以尝试调整学习率、批量大小等超参数，或者使用更复杂的优化器（如Adam）来进一步提升模型性能。
- 数据增强 ：在数据预处理阶段引入更多的数据增强技术，如随机裁剪、旋转等，以提高模型的泛化能力。
- 模型扩展 ：可以尝试实现其他ResNeXt变体（如ResNeXt-101）或其他先进的深度学习模型（如EfficientNet）。
对比：
- ResNeXt-50
核心思想：
ResNeXt 是 ResNet 的扩展版本，引入了分组卷积（Grouped Convolution）和基数（Cardinality）的概念。
基数表示分组卷积的分支数量，通过增加基数（如32组）来提升模型的表达能力，同时保持计算复杂度。
结构特点：
使用分组卷积代替传统的卷积操作，将输入特征图分为多个组，每组独立进行卷积，最后合并结果。
残差连接仍然保留，避免了梯度消失问题。
- ResNet-50 V2
核心思想：
ResNet-50 V2 是 ResNet-50 的改进版本，主要优化了残差块的结构。
在残差块中，将批归一化（Batch Normalization）和激活函数（ReLU）的顺序调整为“预激活”（即先进行批归一化和激活，再进行卷积）。
结构特点：
使用“预激活”残差块，使得梯度流动更加顺畅。
保留了 ResNet 的基本结构，包括残差连接和瓶颈设计（1x1-3x3-1x1卷积）。
- DenseNet
核心思想：
DenseNet 提出了密集连接（Dense Connection）**的概念，即每一层的输入来自前面所有层的输出。
通过密集连接，增强了特征复用，减少了参数数量。
结构特点：
每一层的输出会与后续所有层的输入进行拼接（concatenation）。
使用过渡层（Transition Layer）**来控制特征图的大小和通道数。