【Week-P6】VGG16-好莱坞明星识别，设置动态学习率

• 🍨 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 | 接辅导、项目定制

说明：
（1）本次学习使用VGG-16模型完成，调用官方接口得到VGG-16预训练模型，然后修改classifier模块的第6层；
（2）本次学习调用官方动态学习率接口完成训练；
（3）本次学习需要调整调整参数，使test_accuracy的值达到60%或以上（当前训练40个epoch的test_accuracy是16.7%）；
（4）本次学习使用的数据集与Week T6 - 好莱坞明星识别（CNN）的数据集是一致的，共有17位好莱坞明星的脸部照片；

一、环境配置

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

import sys
from datetime import datetime
print("---------------------1.配置环境------------------")
print("Start time: ", datetime.today())
print("Pytorch version: " + torch.__version__)
print("Python version: " + sys.version)

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

二、准备数据

2.1 打印classNames列表，显示每个文件所属的类别名称
2.2 打印归一化后的类别名称，0或1
2.3 划分数据集，划分为训练集&测试集，torch.utils.data.DataLoader()参数详解
2.4 检查数据集的shape

import os,PIL,random,pathlib
print("---------------------2.1 导入数据------------------")
data_dir = 'D:/jupyter notebook/DL-100-days/datasets/hollywood-celebraties/'
data_dir = pathlib.Path(data_dir)

data_paths  = list(data_dir.glob('*'))
classNames = [str(path).split("\\")[5] for path in data_paths]
print("classNames:", classNames)

# 关于transforms.Compose的更多介绍可以参考：https://blog.youkuaiyun.com/qq_38251616/article/details/124878863
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。
])

total_data = datasets.ImageFolder("D:/jupyter notebook/DL-100-days/datasets/hollywood-celebraties/",transform=train_transforms)
print("total_data:", total_data)
print("total_data.class_to_idx: ", total_data.class_to_idx)

print("---------------------2.2 划分数据集------------------")
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])
print("train_dataset: ", train_dataset)
print("test_dataset: ", test_dataset)

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

三、搭建网络结构

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）。

'''
调用官方VGG-16模型， 修改classifier模块的第6层
'''