- 🍨 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
引言:为什么需要动态学习率?
在深度学习模型训练中,动态学习率是突破性能瓶颈的关键策略。固定学习率会使模型在初期收敛缓慢、中期在局部最优解附近震荡、后期无法精细化学习细节特征,最终导致训练效率低下且识别精度受限。而动态学习率通过智能调整学习步伐:初期大步探索快速定位特征(如运动鞋轮廓),中期逐步降温捕捉品牌标识细节(如Nike钩子),后期精确微调(如鞋带纹理),不仅将收敛速度提升30%-50%,更能有效跳出局部最优陷阱,最终实现模型精度突破性提升——这正是运动鞋识别这类细粒度分类任务不可或缺的"智能加速器"。
一、数据预处理
从本篇文章开始,我们直接从数据预处理开始。
我的数据集的文件目录结构是这样的:
data/
├── test/
│ ├── adidas
│ ├── nike
├── train/
│ ├── adidas
│ ├── nike
然后根据目录划分数据集
import os,PIL,random,pathlib
data_dir = './data/'
data_dir = pathlib.Path(data_dir)
data_paths = list(data_dir.glob('*'))
classeNames = [str(path).split("\\")[1] for path in data_paths]
classeNames # 输出:['test', 'train']
对训练集和测试集的数据分别进行预处理,训练集额外添加随机水平翻转和颜色抖动,以此进行数据增强,避免过拟合。
train_transforms = transforms.Compose([
transforms.Resize([224, 224]), # 将输入图片resize成统一尺寸
transforms.RandomHorizontalFlip(), # 随机水平翻转
transforms.ColorJitter(brightness=0.2, contrast=0.2), # 颜色抖动
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。
])
test_transform = 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。
])
train_dataset = datasets.ImageFolder("./data/train/",transform=train_transforms)
test_dataset = datasets.ImageFolder("./data/test/",transform=test_transform)
可以用下面这些代码查看数据的各项属性。
# 查看核心属性
print(f"类别列表: {train_dataset.classes}")
print(f"类别映射: {train_dataset.class_to_idx}")
print(f"前3个样本: {train_dataset.samples[:3]}")
print(f"前5个标签: {train_dataset.targets[:5]}")
print(f"应用的数据增强: {train_dataset.transform}")
# 获取具体样本
sample_idx = 10
image, label = train_dataset[sample_idx]
print(f"\n样本{sample_idx}的:")
print(f"图像张量形状: {image.shape}")
print(f"标签索引: {label} → 对应类别: {train_dataset.classes[label]}")
# 数据集尺寸信息
print(f"\n数据集共包含: {len(train_dataset)} 张图像")
print(f"类别数量: {len(train_dataset.classes)}")
输出结果如下:
将处理好的数据放在数据加载器里,在后面训练模型的时候迭代时会用到。
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)
不可以直接对数据进行迭代的,一定要把数据放在数据加载器里才能迭代。
关键区别说明
特性 | 直接迭代数据集 | 通过DataLoader迭代 |
---|---|---|
返回类型 | (Tensor, int) | (Tensor, Tensor) |
形状 | X:(C,H,W) | X:(B,C,H,W) |
y:int | y:(B,) | |
批量处理 | 单样本 | 支持批处理 |
性能 | 慢(无并行) | 快(多线程) |
数据类型 | y: Python int | y: torch.int64 |
shape支持 | ❌ y无shape | ✅ y有shape |
二、构建CNN
import torch.nn.functional as F
class Model(nn.Module):
def __init__(self):
super(Model, self).__init__()
self.conv1=nn.Sequential(
nn.Conv2d(3, 12, kernel_size=5, padding=0), # 12*220*220
nn.BatchNorm2d(12),
nn.ReLU())
self.conv2=nn.Sequential(
nn.Conv2d(12, 12, kernel_size=5, padding=0), # 12*216*216
nn.BatchNorm2d(12),
nn.ReLU())
self.pool3=nn.Sequential(
nn.MaxPool2d(2)) # 12*108*108
self.conv4=nn.Sequential(
nn.Conv2d(12, 24, kernel_size=5, padding=0), # 24*104*104
nn.BatchNorm2d(24),
nn.ReLU())
self.conv5=nn.Sequential(
nn.Conv2d(24, 24, kernel_size=5, padding=0), # 24*100*100
nn.BatchNorm2d(24),
nn.ReLU())
self.pool6=nn.Sequential(
nn.MaxPool2d(2)) # 24*50*50
self.dropout = nn.Sequential(
nn.Dropout(0.2)) # 抑制模型过拟合
self.fc=nn.Sequential(
nn.Linear(24*50*50, len(classeNames)))
def forward(self, x):
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)
x = x.view(batch_size, -1) # flatten 变成全连接网络需要的输入 (batch, 24*50*50) ==> (batch, -1), -1 此处自动算出的是24*50*50
x = self.fc(x)
return x
device = "cuda" if torch.cuda.is_available() else "cpu"
model = Model().to(device)
这里我发现 全连接层(nn.Linear)的输入必须是二维张量(形状为 [batch_size, features]),其中:
- batch_size:批次大小。
- features:每个样本的特征总数(即所有通道和空间维度的乘积)。
- x = x.view(batch_size, -1)
- x = x.view(-1,245050)
这两句代码是等价的。
三、构建训练函数与测试函数
训练函数
def train(dataloader, model, loss_fn, optimizer):
size = len(dataloader.dataset) # 训练集的大小
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() # .item()可以从单元素张量中提取出 Python 数值,并断开计算图的连接
train_loss += loss.item()
train_acc /= size
train_loss /= num_batches
return train_acc, train_loss
测试函数
def test (dataloader, model, loss_fn):
size = len(dataloader.dataset) # 测试集的大小
num_batches = len(dataloader) # 批次数目, (size/batch_size,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
四、训练模型并可视化结果
设置超参数
learn_rate = 1e-4 # 初始学习率
optimizer = torch.optim.SGD(model.parameters(), lr=learn_rate)
loss_fn = nn.CrossEntropyLoss() # 创建损失函数
动态调整学习率
def adjust_learning_rate(optimizer, epoch, start_lr):
# 每 2 个epoch衰减到原来的 0.92
lr = start_lr * (0.92 ** (epoch // 5))
for param_group in optimizer.param_groups:
param_group['lr'] = lr
正式训练模型
epochs = 40
train_loss = []
train_acc = []
test_loss = []
test_acc = []
for epoch in range(epochs):
# 更新学习率(使用自定义学习率时使用)
adjust_learning_rate(optimizer, epoch, learn_rate)
model.train()
epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, optimizer)
# scheduler.step() # 更新学习率(调用官方动态学习率接口时使用)
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)
# 获取当前的学习率
lr = optimizer.state_dict()['param_groups'][0]['lr']
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))
print('Done')
经过40轮epoch后的模型训练结果如下:
可见测试集准确率已经达到84%以上,任务完成!
接下来实现准确率和损失的可视化:
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()
五、保存最佳模型并预测单张图片
from PIL import Image
classes = list(train_dataset.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/test/adidas/1.jpg',
model=model,
transform=train_transforms,
classes=classes)
最佳模型保存
# 模型保存
PATH = './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))
总结
为了提高测试集准确率,先从数据预处理方面下手,进行数据增强,减少过拟合;然后如果结果没有过拟合了,可以尝试把dropout层删掉,dropout层也是减少过拟合的,有的时候不需要再减少过拟合,所以删掉dropout层会提高准确率;如果还是过拟合,尝试增加dropout层的正则化系数;最后再调整整体网络结果,一般是调整每一层的神经元的个数,多尝试不同的参数组合。