第P5周：Pytorch实现运动鞋识别

原创 于 2024-11-02 15:48:09 发布 · 1.0k 阅读 · 20 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#pytorch #人工智能 #python

文章目录

FROM

我的环境

  • 语言环境：Python 3.11.9
  • 开发工具：Jupyter Lab
  • 深度学习环境：
    • torch==2.3.1+cu121
    • torchvision==0.18.1+cu121

1. 准备知识

1.1 检查环境

import torch  # 导入PyTorch库，用于构建深度学习模型
import torch.nn as nn  # 导入torch.nn模块，包含构建神经网络所需的类和函数
import matplotlib.pyplot as plt  # 导入matplotlib.pyplot模块，用于数据可视化
import torchvision  # 导入torchvision库，包含处理图像和视频的工具和预训练模型

# 设置硬件设备，如果有GPU则使用，没有则使用cpu
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")  # 检查系统是否有可用的GPU，如果有则使用GPU，否则使用CPU
print(torch.__version__)  # 输出torch版本
device  # 打印当前设备，以确认是使用GPU还是CPU

输出：
在这里插入图片描述

1.2 数据导入

导入本地数据

# 导入必要的库
import os, PIL, random, pathlib

# 设置数据目录路径
data_dir = './data/'
data_dir = pathlib.Path(data_dir)

# 获取数据目录下的所有文件路径
data_paths = list(data_dir.glob('*'))

# 提取每个文件路径中的类别名称
# 假设文件路径的结构是：'./data/类别名称/文件名'
# 这里使用列表推导式来创建类别名称的列表
classeNames = [str(path).split("/")[1] for path in data_paths if path.is_dir()]

# 输出类别名称列表
print(classeNames)

输出：
在这里插入图片描述

# 引入torchvision库中的transforms模块，该模块包含多种图像预处理功能
from torchvision import transforms
from torchvision.datasets import ImageFolder
from torchvision import datasets

# 定义训练数据的预处理步骤
train_transforms = transforms.Compose([
    # 使用Resize变换，将输入图片调整至224x224像素的统一尺寸，以适配模型输入要求
    transforms.Resize([224, 224]),  
    # 将PIL Image或numpy.ndarray格式的图片转换为PyTorch Tensor，并归一化到[0,1]区间
    transforms.ToTensor(),          
    # 标准化处理，将Tensor转换为标准正态分布（高斯分布），使模型训练更容易收敛
    # 这里使用的均值（mean）和标准差（std）是针对ImageNet数据集计算得到的，常用于预训练模型
    transforms.Normalize(           
        mean=[0.485, 0.456, 0.406], 
        std=[0.229, 0.224, 0.225])  
])

# 定义测试数据的预处理步骤，与训练数据预处理步骤相同
test_transforms = transforms.Compose([
    # 使用Resize变换，将输入图片调整至224x224像素的统一尺寸
    transforms.Resize([224, 224]),  
    # 将PIL Image或numpy.ndarray格式的图片转换为PyTorch Tensor，并归一化到[0,1]区间
    transforms.ToTensor(),          
    # 标准化处理，使用与训练数据相同的均值和标准差
    transforms.Normalize(           
        mean=[0.485, 0.456, 0.406], 
        std=[0.229, 0.224, 0.225])  
])

# 使用ImageFolder类加载训练数据集，指定数据集路径和预处理步骤
# "./data/train/"是训练数据集的路径，transform参数应用train_transforms定义的预处理步骤
train_dataset = datasets.ImageFolder("./data/train/", transform=train_transforms)

# 使用ImageFolder类加载测试数据集，指定数据集路径和预处理步骤
test_dataset = datasets.ImageFolder("./data/test/", transform=test_transforms) 

train_dataset.class_to_idx

输出：
在这里插入图片描述

# 设置批量大小
batch_size = 32

# 创建训练数据加载器
train_dl = torch.utils.data.DataLoader(train_dataset,
                                       batch_size=batch_size,
                                       shuffle=True,
                                       num_workers=1)

# 创建测试数据加载器
test_dl = torch.utils.data.DataLoader(test_dataset,
                                       batch_size=batch_size,
                                       shuffle=True,
                                       num_workers=1)

# 遍历测试数据加载器，打印第一个批次的输入和标签的形状
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

输出：
在这里插入图片描述

2. 构建简单的CNN网络

[图片]

import torch.nn.functional as F

class Model(nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        # 第一个卷积层，输入通道数为3（RGB图像），输出通道数为12，卷积核大小为5x5，不添加padding
        self.conv1 = nn.Sequential(
            nn.Conv2d(3, 12, kernel_size=5, padding=0),  # 输出特征图尺寸：12*(220-5+2*0)=12*220
            nn.BatchNorm2d(12),  # 批量归一化
            nn.ReLU())  # 激活函数

        # 第二个卷积层，输入通道数为12，输出通道数为12
        self.conv2 = nn.Sequential(
            nn.Conv2d(12, 12, kernel_size=5, padding=0),  # 输出特征图尺寸：12*(216-5+2*0)=12*216
            nn.BatchNorm2d(12),  # 批量归一化
            nn.ReLU())  # 激活函数

        # 最大池化层，池化窗口大小为2x2
        self.pool3 = nn.Sequential(
            nn.MaxPool2d(2))  # 输出特征图尺寸：12*(108-2+2*0)/2=12*108

        # 第三个卷积层，输入通道数为12，输出通道数为24
        self.conv4 = nn.Sequential(
            nn.Conv2d(12, 24, kernel_size=5, padding=0),  # 输出特征图尺寸：24*(104-5+2*0)=24*104
            nn.BatchNorm2d(24),  # 批量归一化
            nn.ReLU())  # 激活函数

        # 第四个卷积层，输入通道数为24，输出通道数为24
        self.conv5 = nn.Sequential(
            nn.Conv2d(24, 24, kernel_size=5, padding=0),  # 输出特征图尺寸：24*(100-5+2*0)=24*100
            nn.BatchNorm2d(24),  # 批量归一化
            nn.ReLU())  # 激活函数

        # 第二个最大池化层，池化窗口大小为2x2
        self.pool6 = nn.Sequential(
            nn.MaxPool2d(2))  # 输出特征图尺寸：24*(50-2+2*0)/2=24*50

        # Dropout层，丢弃率为0.2
        self.dropout = nn.Sequential(
            nn.Dropout(0.2))

        # 全连接层，输入特征数为24*50*50，输出特征数为类别数（需要定义classeNames）
        self.fc = nn.Sequential(
            nn.Linear(24*50*50, len(classeNames)))  # 这里的classeNames需要在外部定义

    def forward(self, x):
        # 前向传播过程
        batch_size = x.size(0)
        x = self.conv1(x)  # 卷积-BN-激活
        x = self.conv2(x)  # 卷积-BN-激活
        x = self.pool3(x)  # 池化
        x = self.conv4(x)  # 卷积-BN-激活
        x = self.conv5(x)  # 卷积-BN-激活
        x = self.pool6(x)  # 池化
        x = self.dropout(x)  # Dropout
        x = x.view(batch_size, -1)  # 展平特征图，准备连接全连接层
        x = self.fc(x)  # 全连接层
       
        return x

# 检查是否有可用的GPU，如果有则使用GPU，否则使用CPU
device = "cuda" if torch.cuda.is_available() else "cpu"
print("Using {} device".format(device))

# 实例化模型并将其发送到GPU或CPU
model = Model().to(device)
model

输出：
在这里插入图片描述

3. 模型训练

3.1 训练函数

# 训练循环
def train(dataloader, model, loss_fn, optimizer):
    size = len(dataloader.dataset)  # 训练集大小
    num_batches = len(dataloader)   # 批次数目, (size/batch_size，向上取整)

    train_loss, train_acc = 0, 0  # 初始化累计训练损失和准确率

    # 遍历数据加载器中的所有批次
    for X, y in dataloader:
        X, y = X.to(device), y.to(device)  # 将特征和标签转移到GPU或CPU

        # 前向传播
        pred = model(X)  # 使用模型进行预测
        loss = loss_fn(pred, y)  # 计算预测和真实标签之间的损失

        # 反向传播和优化
        optimizer.zero_grad()  # 清零模型参数的梯度
        loss.backward()        # 反向传播，计算梯度
        optimizer.step()       # 根据梯度更新模型参数

        # 记录准确率和损失
        train_acc += (pred.argmax(1) == y).type(torch.float).sum().item()  # 计算预测正确的样本数量
        train_loss += loss.item()  # 累加损失值

    # 计算平均准确率和平均损失
    train_acc /= size  # 将累计准确率除以样本总数，得到平均准确率
    train_loss /= num_batches  # 将累计损失除以批次数量，得到平均损失

    return train_acc, train_loss  # 返回训练过程中的平均准确率和平均损失

3.2 测试函数

  • 这个 test函数接收三个参数：dataloader、model 和 loss_fn。
  • 它遍历 dataloader 中的所有批次，对每个批次执行前向传播和损失计算，但不进行反向传播或参数更新，因为测试阶段的目的是评估模型性能，而不是训练模型。
  • 在每个批次中，它计算模型的预测值 target_pred，然后使用损失函数 loss_fn 计算预测值和真实标签 target 之间的损失 loss。
  • 函数还记录了整个测试集上的平均准确率和平均损失。
def test(dataloader, model, loss_fn):
    size = len(dataloader.dataset)  # 获取测试数据集中的样本总数，例如CIFAR-10数据集有10000张图片
    num_batches = len(dataloader)  # 计算测试数据加载器中的批次数量

    test_loss, test_acc = 0, 0  # 初始化累计测试损失和准确率

    # 使用torch.no_grad()上下文管理器，停止梯度计算，因为在测试阶段不需要更新模型参数
    with torch.no_grad():
        for imgs, target in dataloader:
            imgs, target = imgs.to(device), target.to(device)  # 将图像和标签转移到GPU或CPU

            # 前向传播，获取模型的预测输出
            target_pred = model(imgs)
            # 计算模型预测输出和真实标签之间的损失
            loss = loss_fn(target_pred, target)

            # 累加损失和准确率
            test_loss += loss.item()
            test_acc += (target_pred.argmax(1) == target).type(torch.float).sum().item()

    # 计算平均准确率和平均损失
    test_acc /= size  # 将累计准确率除以样本总数，得到平均准确率
    test_loss /= num_batches  # 将累计损失除以批次数量，得到平均损失

    return test_acc, test_loss  # 返回测试过程中的平均准确率和平均损失

3.3 设置动态学习率

def test(dataloader, model, loss_fn):
    size = len(dataloader.dataset)  # 获取测试数据集中的样本总数，例如CIFAR-10数据集有10000张图片
    num_batches = len(dataloader)  # 计算测试数据加载器中的批次数量

    test_loss, test_acc = 0, 0  # 初始化累计测试损失和准确率

    # 使用torch.no_grad()上下文管理器，停止梯度计算，因为在测试阶段不需要更新模型参数
    with torch.no_grad():
        for imgs, target in dataloader:
            imgs, target = imgs.to(device), target.to(device)  # 将图像和标签转移到GPU或CPU

            # 前向传播，获取模型的预测输出
            target_pred = model(imgs)
            # 计算模型预测输出和真实标签之间的损失
            loss = loss_fn(target_pred, target)

            # 累加损失和准确率
            test_loss += loss.item()
            test_acc += (target_pred.argmax(1) == target).type(torch.float).sum().item()

    # 计算平均准确率和平均损失
    test_acc /= size  # 将累计准确率除以样本总数，得到平均准确率
    test_loss /= num_batches  # 将累计损失除以批次数量，得到平均损失

    return test_acc, test_loss  # 返回测试过程中的平均准确率和平均损失

# # 调用官方动态学习率接口时使用
# lambda1 = lambda epoch: (0.92 ** (epoch // 2))
# optimizer = torch.optim.SGD(model.parameters(), lr=learn_rate)
# scheduler = torch.optim.lr_scheduler.LambdaLR(optimizer, lr_lambda=lambda1) #选定调整方法

3.4 训练

# 导入必要的库
import torch
import torch.nn as nn
import torch.optim as optim

# 创建交叉熵损失函数
loss_fn = nn.CrossEntropyLoss()

# 设置训练的总轮数（epochs）
epochs = 40

# 初始化用于存储训练和测试损失及准确率的列表
train_loss = []
train_acc = []
test_loss = []
test_acc = []

# 训练循环
for epoch in range(epochs):
    # 调整学习率（如果使用自定义的学习率调整策略）
    adjust_learning_rate(optimizer, epoch, learn_rate)
    
    # 设置模型为训练模式
    model.train()
    # 训练一个epoch，并返回该epoch的训练准确率和损失
    epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, optimizer)
    
    # 设置模型为评估模式
    model.eval()
    # 在测试集上评估模型，并返回测试准确率和损失
    epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)
    
    # 将当前epoch的训练和测试结果添加到列表中
    train_acc.append(epoch_train_acc)
    train_loss.append(epoch_train_loss)
    test_acc.append(epoch_test_acc)
    test_loss.append(epoch_test_loss)
    
    # 获取当前的学习率（从优化器的状态中）
    lr = optimizer.state_dict()['param_groups'][0]['lr']
    
    # 打印当前epoch的训练和测试结果
    template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%, Test_loss:{:.3f}, Lr:{:.2E}')
    print(template.format(epoch+1, epoch_train_acc*100, epoch_train_loss, 
                          epoch_test_acc*100, epoch_test_loss, lr))

# 训练结束后打印完成信息
print('Done')

输出：
在这里插入图片描述

4. 结果可视化

4.1 Loss与Accuracy图

import matplotlib.pyplot as plt  # 导入matplotlib的pyplot模块，用于数据可视化
import warnings  # 导入警告模块
warnings.filterwarnings("ignore")  # 忽略警告信息，避免绘图时出现警告提示

# 设置matplotlib的配置参数
# plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体，使得图表可以正常显示中文
plt.rcParams['axes.unicode_minus'] = False  # 设置正常显示负号
plt.rcParams['figure.dpi'] = 100  # 设置图像的分辨率

epochs_range = range(epochs)  # 创建一个从0到epochs-1的范围，用于x轴的刻度

# 设置图像大小
plt.figure(figsize=(12, 3))
# 创建一个1行2列的子图布局，并定位到第1个子图
plt.subplot(1, 2, 1)

# 在第1个子图上绘制训练和测试的准确率曲线
plt.plot(epochs_range, train_acc, label='Training Accuracy')  # 绘制训练准确率
plt.plot(epochs_range, test_acc, label='Test Accuracy')  # 绘制测试准确率
plt.legend(loc='lower right')  # 添加图例，位置在右下角
plt.title('Training and Validation Accuracy')  # 设置子图的标题

# 创建一个1行2列的子图布局，并定位到第2个子图
plt.subplot(1, 2, 2)
# 在第2个子图上绘制训练和测试的损失曲线
plt.plot(epochs_range, train_loss, label='Training Loss')  # 绘制训练损失
plt.plot(epochs_range, test_loss, label='Test Loss')  # 绘制测试损失
plt.legend(loc='upper right')  # 添加图例，位置在右上角
plt.title('Training and Validation Loss')  # 设置子图的标题

# 显示绘制的图像
plt.show()

输出：
在这里插入图片描述

4.2 指定图片进行预测

from PIL import Image

# 获取训练数据集中的类别标签，将其转换为列表形式
classes = list(train_dataset.class_to_idx)

def predict_one_image(image_path, model, transform, classes):
    """
    对单张图片进行预测。

    参数:
    - image_path: 要预测的图片的路径。
    - model: 用于预测的模型。
    - transform: 对图片进行预处理的转换操作。
    - classes: 包含所有类别标签的列表。

    返回:
    - 预测结果的类别标签。
    """
    # 使用PIL库打开图片，并转换为RGB格式
    test_img = Image.open(image_path).convert('RGB')
    # plt.imshow(test_img)  # 这行代码被注释掉了，用于展示预测的图片

    # 对图片进行预处理
    test_img = transform(test_img)
    
    # 将处理后的图片转换为模型输入需要的格式，添加一个批次维度，并发送到设备（GPU或CPU）
    img = test_img.to(device).unsqueeze(0)
    
    # 设置模型为评估模式
    model.eval()
    
    # 模型预测
    output = model(img)

    # 获取预测结果中概率最大的类别索引
    _, pred = torch.max(output, 1)
    
    # 根据类别索引获取对应的类别名称
    pred_class = classes[pred]
    
    # 打印预测结果
    print(f'预测结果是：{pred_class}')

# 调用predict_one_image函数，传入以下参数：
predict_one_image(
    # 指定要预测的图片路径
    image_path='./data/test/nike/10.jpg', 
    # 传入预训练的模型对象
    model=model, 
    # 传入用于训练时的图片预处理转换函数
    transform=train_transforms, 
    # 传入类别名称列表
    classes=classes
)

输出：
在这里插入图片描述
使用其他图片测试：
在这里插入图片描述
模型准确率不够高

5. 保存并加载模型

# 模型保存
PATH = './model/model.pth'  # 保存的参数文件名
torch.save(model.state_dict(), PATH)

# 将参数加载到model当中
model.load_state_dict(torch.load(PATH, map_location=device))

输出：
在这里插入图片描述

6.课后

  • 调整代码使测试集accuracy到达84%。
    在这里插入图片描述

  • 保存训练过程中的最佳模型权重
    在这里插入图片描述

  • 调整代码使测试集accuracy到达86%。
    调整优化器为Adam
    在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值