第P6周：VGG-16算法-Pytorch实现人脸识别

---

FROM

• 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍖 原作者：K同学啊

---

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

# 导入PyTorch库
import torch
# 导入PyTorch的神经网络模块
import torch.nn as nn
# 导入torchvision中的transforms模块，用于图像预处理
import torchvision.transforms as transforms
# 导入整个torchvision库
import torchvision
# 从torchvision库中导入transforms和datasets模块
from torchvision import transforms, datasets
# 导入操作系统接口库os，图像处理库PIL，路径操作库pathlib，以及警告控制库warnings
import os, PIL, pathlib, warnings

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

输出：

1.2 数据导入

导入本地数据

# 导入所需的模块
import os, PIL, random, pathlib

# 设置数据目录的路径
data_dir = './data/'
# 将字符串路径转换为Path对象，便于进行路径操作
data_dir = pathlib.Path(data_dir)

# 使用glob方法获取data_dir下的所有文件和文件夹的路径，并存储在列表data_paths中
data_paths = list(data_dir.glob('*'))

# 通过列表推导式，从data_paths列表中的每个路径字符串中提取出类别名称
# 假设路径的结构是 './data/类别名称/文件名'，这里通过split("/")分割路径，并取第二个元素作为类别名称
classeNames = [str(path).split("/")[1] for path in data_paths]

# 输出类别名称列表
classeNames

输出：

# 导入torchvision库中的transforms模块
from torchvision import transforms
# 导入torchvision库中的datasets模块
from torchvision import datasets

# 使用transforms.Compose()创建一个transforms.Compose对象，用于串联多个图像变换操作
train_transforms = transforms.Compose([
    # transforms.Resize([224, 224])：将输入图片resize成统一尺寸224x224
    transforms.Resize([224, 224]),  # 将输入图片resize成统一尺寸

    # transforms.RandomHorizontalFlip()：随机水平翻转图片，这一行被注释掉了，所以实际上不会执行随机水平翻转操作
    # transforms.RandomHorizontalFlip(), # 随机水平翻转

    # transforms.ToTensor()：将PIL Image或numpy.ndarray转换为tensor，并归一化到[0,1]之间
    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，转换为标准正态分布（高斯分布），使模型更容易收敛
    # 这里的mean和std是预定义的值，通常是基于ImageNet数据集计算得到的
    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。
])

# 使用datasets.ImageFolder加载数据集，指定数据集的路径和变换操作
# "./data/" 是数据集的路径，transform=train_transforms 指定了上面定义的图像变换操作
total_data = datasets.ImageFolder("./data/", transform=train_transforms)

# total_data变量现在包含了应用了变换操作的数据集，可以用于训练深度学习模型
total_data

输出：

# 假设total_data是使用ImageFolder加载的数据集
total_data.class_to_idx

输出：

1.3 划分数据集

# 计算训练集大小，占总数据集的80%
train_size = int(0.8 * len(total_data))
# 计算测试集大小，即总数据集减去训练集大小
test_size = len(total_data) - train_size
# 使用random_split函数随机分割数据集为训练集和测试集
train_dataset, test_dataset = torch.utils.data.random_split(total_data, [train_size, test_size])

# 设置批处理大小
batch_size = 32

# 创建训练集的DataLoader
train_dl = torch.utils.data.DataLoader(train_dataset,
                                       batch_size=batch_size,
                                       shuffle=True,  # 是否打乱数据
                                       num_workers=1)  # 加载数据的子进程数量
# 创建测试集的DataLoader
test_dl = torch.utils.data.DataLoader(test_dataset,
                                       batch_size=batch_size,
                                       shuffle=True,  # 是否打乱数据
                                       num_workers=1)  # 加载数据的子进程数量

# 遍历测试集的DataLoader
for X, y in test_dl:
    # 打印特征数据X的形状，[N, C, H, W]分别代表批次大小、通道数、高度、宽度
    print("Shape of X [N, C, H, W]: ", X.shape)
    # 打印标签数据y的形状和数据类型
    print("Shape of y: ", y.shape, y.dtype)
    break  # 只打印第一个批次的数据形状和类型

输出：

---

2. 调用官方/本地的VGG-16模型

VGG-16（Visual Geometry Group-16）是由牛津大学视觉几何组（Visual Geometry Group）提出的一种深度卷积神经网络架构，用于图像分类和对象识别任务。VGG-16在2014年被提出，是VGG系列中的一种。VGG-16之所以备受关注，是因为它在ImageNet图像识别竞赛中取得了很好的成绩，展示了其在大规模图像识别任务中的有效性。

以下是VGG-16的主要特点：

1. 深度：VGG-16由16个卷积层和3个全连接层组成，因此具有相对较深的网络结构。这种深度有助于网络学习到更加抽象和复杂的特征。
2. 卷积层的设计：VGG-16的卷积层全部采用3x3的卷积核和步长为1的卷积操作，同时在卷积层之后都接有ReLU激活函数。这种设计的好处在于，通过堆叠多个较小的卷积核，可以提高网络的非线性建模能力，同时减少了参数数量，从而降低了过拟合的风险。
3. 池化层：在卷积层之后，VGG-16使用最大池化层来减少特征图的空间尺寸，帮助提取更加显著的特征并减少计算量。
4. 全连接层：VGG-16在卷积层之后接有3个全连接层，最后一个全连接层输出与类别数相对应的向量，用于进行分类。

VGG-16结构说明：

● 13个卷积层（Convolutional Layer），分别用blockX_convX表示；
● 3个全连接层（Fully connected Layer），用classifier表示；
● 5个池化层（Pool layer）。

import torch
import torchvision.models as models

# 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