深度学习J9周：Inception v3算法实战与解析

最新推荐文章于 2025-05-02 19:08:58 发布

原创

最新推荐文章于 2025-05-02 19:08:58 发布 · 905 阅读

28 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #人工智能

🍨 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

本周任务：

1.了解并学习Inception v3相当于Inception v1 改进了哪些地方（重点）

2.使用Inception v3完成天气识别案例

一、理论基础

Inception v3

由谷歌研究院Christian Szegedy等人在2015年《Rethinking the Inception Architecture for Computer Vision》中提出。
Inception v3是Inception网络系列的第三个版本，在ImageNet图像识别竞赛中取得优异成绩，尤其是大规模图像识别任务中表现出色。
主要特点：

①更深的网络结构--包含48层卷积层，使得网络可以提取更多层次的特征，从而在图像识别任务上取得更好的效果。

②使用Factorized Convolutions（分解卷积），将较大的卷积核分解为多个较小的卷积核，从而降低网络的参数数量，减少计算复杂度的同时保持良好性能。

③使用Batch Normalization（BN），此算法在每个卷积层之后都添加了BN，有助于网络的收敛和泛化能力。因为BN可以减少Internal Covariate Shift（内部协变量偏移）现象，加快训练速度，提高模型鲁棒性。

④引入辅助分类器，可以在网络训练过程中提供额外的梯度信息，帮助网络更好地学习特征。辅助分类器在网络的某个中间层，其输出与主分类器的输出进行加权融合，从而得到最终预测结果。

⑤基于RMSProp的优化器，相比与传统的随机梯度下降（SGD）方法，RMSProp可以自适应地调整学习率，使得训练过程更加稳定，收敛速度更快。

相对于Inception v1的Inception Module结果，Inception v3的改动如下：

1.将5×5的卷积分解成两个3×3的卷积运算，以提升速度，尽管有点违反直觉，但一个5×5的卷积在计算成本上是一个3×3的2.78倍。

2. 作者将n×n的卷积核尺寸分解为1×n和n×1两个卷积。

3.实现的Inception v3 网络是上图结构图如下：

二、代码

1.前期准备

1.配置GPU+导入数据集

import os, PIL, random, pathlib
import torch
import torch.nn as nn
import torchvision.transforms as transforms
import torchvision
from torchvision import transforms, datasets

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

print(device)

data_dir = './weather_photos'
data_dir = pathlib.Path(data_dir)

data_paths = list(data_dir.glob('*'))
classeNames = [str(path).split("\\")[1] for path in data_paths]
print(classeNames)

image_count = len(list(data_dir.glob('*/*')))
print("图片总数为：", image_count)

2.数据预处理+划分数据集

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.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。
])

total_data = datasets.ImageFolder("./weather_photos/", transform=train_transforms)
print(total_data.class_to_idx)

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])

batch_size = 32
train_dl = torch.utils.data.DataLoader(train_dataset,
                                       batch_size=batch_size,
                                       shuffle=True,
                                       num_workers=0)
test_dl = torch.utils.data.DataLoader(test_dataset,
                                      batch_size=batch_size,
                                      shuffle=True,
                                      num_workers=0)
for X, y in t