- 🍨 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
目录
🍺要求：
- 了解如何设置动态学习率（重点）
- 调整代码使测试集accuracy到达84%。
🍻拔高（可选）：
- 保存训练过程中的最佳模型权重
- 调整代码使测试集accuracy到达86%。
一、创建环境
● 语言环境：Python3.8
● 编译平台：colab
● 深度学习环境：Pytorch
● 数据：🔗百度网盘
二、前期准备
2.1 设置GPU
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms
import torchvision
# 设置GPU
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
device
输出结果：
2.2 导入数据
数据存放的目录结构：
import os,PIL,pathlib,random
data_dir = '/content/drive/MyDrive/k-data/运动鞋识别' # 数据存放路径
data_dir = pathlib.Path(data_dir) # 用于处理文件路径，将字符串类型的data_dir改成path
data_paths = list(data_dir.glob('*')) # 使用glob获取的是绝对路径
classeNames = [str(path).split('/')[-1] for path in data_paths] # 获取文件夹名称，后面会用此变量作为类别名称
classeNames
输出：
2.3 处理图像信息
代码详解
👉 transforms.Compose(…）
torchvision.transforms.Compose()类的主要作用是串联多个图片变换的操作。
👉 datasets.ImageFolder(datadir, transform)
datasets.ImageFolder类用于创建一个数据集。ImageFolder假设所有的图像都存储在一个文件夹中，并且每个子文件夹代表一个类别。这个类会自动读取文件夹结构，并将每个子文件夹的名称作为类别标签。transform参数指定了在加载数据时要应用于每个图像的转换操作，即transforms.Compose(…）定义的内容。
# 图片变换
train_transforms = transforms.Compose([
transforms.Resize((224,224)), # 将图片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([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) # 标准化处理，转换为标准正态分布，使模型更容易收敛
])
test_transforms = transforms.Compose([
transforms.Resize((224,224)), # 将图片resize成统一尺寸
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) # 标准化处理，转换为标准正态分布，使模型更容易收敛
])
# 创建数据集
train_dataset = datasets.ImageFolder('/content/drive/MyDrive/k-data/运动鞋识别/train', transform=train_transforms)
test_dataset = datasets.ImageFolder('/content/drive/MyDrive/k-data/运动鞋识别/test', transform=test_transforms)
print(train_dataset)
print(test_dataset)
输出：
代码详解–对train文件夹下面的数据类别打标签
👉 train_dataset.class_to_idx
当使用torchvision.datasets.ImageFolder类来创建一个图像数据集时，该类会自动推断每个子文件夹的名称作为类别标签，并会给每个类别分配一个唯一的整数索引。这个索引是从0开始的，根据子文件夹的顺序递增。
train_dataset.class_to_idx是一个字典，它将类别名称映射到这些整数索引。键是类别名称（通常是子文件夹的名称），值是对应的整数索引。这个映射对于将类别标签转换为模型训练时需要的数字索引非常重要。
train_dataset.class_to_idx
输出：
2.4 加载数据集
代码详解
👉torch.utils.data.DataLoader
DataLoader将Dataset对象或自定义数据类的对象封装成一个迭代器，这个迭代器可以迭代输出Dataset的内容，同时可以实现多进程、shuffle、不同采样策略，数据校对等等处理过程。
主要参数：
- dataset：这个就是pytorch已有的数据读取接口（比如torchvision.datasets.ImageFolder）或者自定义的数据接口的输出，该输出要么是torch.utils.data.Dataset类的对象，要么是继承自torch.utils.data.Dataset类的自定义类的对象。
- batch_size：根据具体情况设置即可。
- shuffle：随机打乱顺序，一般在训练数据中会采用。
- collate_fn：是用来处理不同情况下的输入dataset的封装，一般采用默认即可，除非你自定义的数据读取输出非常少见。
- batch_sampler：从注释可以看出，其和batch_size、shuffle等参数是互斥的，一般采用默认。
- sampler：从代码可以看出，其和shuffle是互斥的，一般默认即可。
- num_workers：从注释可以看出这个参数必须大于等于0，0的话表示数据导入在主进程中进行，其他大于0的数表示通过多个进程来导入数据，可以加快数据导入速度
batch_size = 32 # 批次大小设置为32
# 构建数据集
train_dl = torch.utils.data.DataLoader(train_dataset, # 封装的数据集
batch_size=batch_size, # 批次大小
shuffle=True, # 随机输出
num_workers=1) # 进程数
test_dl = torch.utils.data.DataLoader(test_dataset,
batch_size=batch_size,
shuffle=True,
num_workers=1)
print(train_dl)
print(test_dl)
输出：
三、构建简单的CNN网络
本次的网络结构图：
首先复习一下卷积层和池化层的手动计算过程：
在处理图像信息代码部分，我们将图片尺寸设置为224*224，记为 H × W。
在第一层卷积中，卷积核尺寸为5 × 5，步幅为1，无填充。输出特征图尺寸为（H-5+1）×（W-5+1）=（224-5+1）×（224-5+1）=220 × 220。
在第二层卷积中，卷积核尺寸为5 × 5，步幅为1，无填充。输出特征图尺寸为（220-5+1）×（220-5+1）=216 × 216。
在池化层1中，池化核尺寸为2 × 2，步幅为2。输出特征图尺寸为(（216 - 2）/ 2+1）× (（216 - 2）/ 2+1）=108 × 108。
以此类推。。。
# 按照网络结构构建CNN网络
import torch.nn.functional as F
class Model(nn.Module):
def __init__(self):
super(Model, self).__init__()
# 第一层卷积，输入通道3（RGB图像），输出通道12，卷积核大小5，不使用填充，，因此图像尺寸会减少
self.conv1=nn.Sequential(
nn.Conv2d(3, 12, kernel_size=5, padding=0), # 12*220*220
nn.BatchNorm2d(12),# 批量归一化，针对12个通道，加速训练过程，稳定网络
nn.ReLU()) # 批量归一化，针对12个通道，加速训练过程，稳定网络
# 第二层卷积，输入通道12，输出通道12，卷积核大小5，不使用填充，图像尺寸继续减少
self.conv2=nn.Sequential(
nn.Conv2d(12, 12, kernel_size=5, padding=0), # 12*216*216
nn.BatchNorm2d(12),
nn.ReLU())
# 最大池化层，池化核大小2，图像尺寸减半
self.pool3=nn.Sequential(
nn.MaxPool2d(2)) # 12*108*108
# 第三层卷积，输入通道12，输出通道24，卷积核大小5，不使用填充，图像尺寸减少
self.conv4=nn.Sequential(
nn.Conv2d(12, 24, kernel_size=5, padding=0), # 24*104*104
nn.BatchNorm2d(24),
nn.ReLU())
# 第四层卷积，输入通道24，输出通道24，卷积核大小5，不使用填充，图像尺寸减少
self.conv5=nn.Sequential(
nn.Conv2d(24, 24, kernel_size=5, padding=0), # 24*100*100
nn.BatchNorm2d(24),
nn.ReLU())
# 最大池化层，池化核大小2，图像尺寸减半
self.pool6=nn.Sequential(
nn.MaxPool2d(2)) # 24*50*50
# Dropout层，随机失活率0.2，减少过拟合
self.dropout = nn.Sequential(
nn.Dropout(0.2))
# 全连接层，输入尺寸为24*50*50（由前面的层决定），输出尺寸为类别数
self.fc=nn.Sequential(
nn.Linear(24*50*50, len(classeNames)))
# 正向传播过程
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) # 随机失活部分神经元，减少过拟合
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"
print("Using {} device".format(device))
model = Model().to(device) # 创建模型并移动到GPU
model
输出：
四、训练模型
4.1 编写训练函数
def train(dataloader, model, loss_fn, optimizer):
size = len(dataloader.dataset) # 训练集的大小
num_batches = len(dataloader) # 批次数量
train_loss,train_acc = 0,0 # 初始化训练损失和训练准确率
for X,y in dataloader:
X,y = X.to(device),y.to(device) # 加载到GPU中
# 计算预测误差
pred = model(X) # 模型输出的值
loss = loss_fn(pred, y)
# 反向传播
optimizer.zero_grad()
loss.backward()
optimizer.step()
# 记录acc和loss
train_acc += (pred.argmax(1) == y).type(torch.float).sum().item()
train_loss += loss.item()
train_acc /= size
train_loss /= num_batches
return train_acc,train_loss
4.2 编写测试函数
def test(dataloader, model, loss_fn):
size = len(dataloader.dataset) # 测试集的大小
num_batches = len(dataloader) # 批次数量
test_loss,test_acc = 0,0 # 初始化测试损失和测试准确率
# 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) # 加载到GPU中
# 计算预测误差
target_pred = model(imgs) # 模型输出的值
loss = loss_fn(target_pred, target)
# 记录acc和loss
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
4.3 编写动态学习率
学习率是训练神经网络时一个非常重要的超参数，它决定了在优化过程中参数更新的幅度。通常，在训练初期使用较大的学习率可以快速收敛，而在训练后期则需要减小学习率以精细调整参数，避免在最小值附近震荡。
代码详解
👉 adjust_learning_rate()
函数 adjust_learning_rate 接受三个参数：optimizer（优化器对象），epoch（当前训练轮次），和 start_lr（初始学习率）。函数体内首先根据当前轮次和初始学习率计算新的学习率，然后更新优化器中的学习率。
# 方法一
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 // 2))
# 遍历优化器中的所有参数组
for param_group in optimizer.param_groups:
param_group['lr'] = lr # 将计算出的新学习率赋值给当前参数组的学习率
learn_rate = 1e-4 # 初始学习率
optimizer = torch.optim.SGD(model.parameters(), lr=learn_rate) # 使用随机梯度下降（SGD）算法,将模型的参数传递给优化器
# 方法二
# # 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
4.4 正式开始训练
loss_fn = nn.CrossEntropyLoss() # 创建损失函数
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')
输出：
4.5 结果可视化
4.5.1 Loss与Accuracy图
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
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.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()
输出：
4.5.2 指定图片进行预测
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='/content/drive/MyDrive/k-data/运动鞋识别/test/adidas/1.jpg',
model=model,
transform=train_transforms,
classes=classes)
输出：
4.6 保存并加载模型
# 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))
输出：
五、总结
1.本次又把卷积层和池化层的手动计算过程重新复习了一遍。
2.本次学习到新的知识点是如何动态调整学习率。调整学习率的策略是常见的在训练过程中用到的方法，可以帮助提高模型的性能和收敛速度。通过在训练过程中逐渐减小学习率，可以使模型在训练初期快速学习，在训练后期精细调整，从而提高模型的泛化能力。
扫一扫
7万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
