目標檢測(3):LeNet-5 的 PyTorch 復現(CIFAR10 資料集篇)

红色石头發表於2021-12-28

大家好,我是紅色石頭!

在上兩篇文章:

這可能是神經網路 LeNet-5 最詳細的解釋了!

我用 PyTorch 復現了 LeNet-5 神經網路(MNIST 手寫資料集篇)!

詳細介紹了卷積神經網路 LeNet-5 的理論部分和使用 PyTorch 復現 LeNet-5 網路來解決 MNIST 資料集的識別問題。今天我們將使用 Pytorch 來繼續實現 LeNet-5 模型,並用它來解決 CIFAR10 資料集的識別。

正文開始!

二、使用LeNet-5網路結構建立CIFAR-10識別分類器

LeNet-5 網路本是用來識別 MNIST 資料集的,下面我們來將 LeNet-5 應用到一個比較複雜的例子,識別 CIFAR-10 資料集。
CIFAR-10 是由 Hinton 的學生 Alex Krizhevsky 和 Ilya Sutskever 整理的一個用於識別普適物體的小型資料集。一共包含 10 個類別的 RGB 彩色圖 片:飛機( airlane )、汽車( automobile )、鳥類( bird )、貓( cat )、鹿( deer )、狗( dog )、蛙類( frog )、馬( horse )、船( ship )和卡車( truck )。圖片的尺寸為 32×32 ,資料集中一共有 50000 張訓練圄片和 10000 張測試圖片。

CIFAR-10 的圖片樣例如圖所示。

2.1 下載並載入資料,並做出一定的預先處理

pipline_train = transforms.Compose([
    #隨機旋轉圖片
    transforms.RandomHorizontalFlip(),
    #將圖片尺寸resize到32x32
    transforms.Resize((32,32)),
    #將圖片轉化為Tensor格式
    transforms.ToTensor(),
    #正則化(當模型出現過擬合的情況時,用來降低模型的複雜度)
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
])
pipline_test = transforms.Compose([
    #將圖片尺寸resize到32x32
    transforms.Resize((32,32)),
    transforms.ToTensor(),
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
])
#下載資料集
train_set = datasets.CIFAR10(root="./data/CIFAR10", train=True, download=True, transform=pipline_train)
test_set = datasets.CIFAR10(root="./data/CIFAR10", train=False, download=True, transform=pipline_test)
#載入資料集
trainloader = torch.utils.data.DataLoader(train_set, batch_size=64, shuffle=True)
testloader = torch.utils.data.DataLoader(test_set, batch_size=32, shuffle=False)
# 類別資訊也是需要我們給定的
classes = ('plane', 'car', 'bird', 'cat','deer', 'dog', 'frog', 'horse', 'ship', 'truck')

2.2 搭建 LeNet-5 神經網路結構,並定義前向傳播的過程

LeNet-5 網路上文已經搭建過了,由於 CIFAR10 資料集影像是 RGB 三通道的,因此 LeNet-5 網路 C1 層卷積選擇的濾波器需要 3 通道,網路其它結構跟上文都是一樣的。

class LeNetRGB(nn.Module):
    def __init__(self):
        super(LeNetRGB, self).__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)   # 3表示輸入是3通道
        self.relu = nn.ReLU()
        self.maxpool1 = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.maxpool2 = nn.MaxPool2d(2, 2)

        self.fc1 = nn.Linear(16*5*5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        x = self.conv1(x)
        x = self.relu(x)
        x = self.maxpool1(x)
        x = self.conv2(x)
        x = self.maxpool2(x)
        x = x.view(-1, 16*5*5)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        output = F.log_softmax(x, dim=1)
        return output

2.3 將定義好的網路結構搭載到 GPU/CPU,並定義最佳化器

使用 SGD(隨機梯度下降)最佳化,學習率為 0.001,動量為 0.9。

#建立模型,部署gpu
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = LeNetRGB().to(device)
#定義最佳化器
optimizer = optim.SGD(model.parameters(), lr=0.01, momentum=0.9)

2.4 定義訓練過程

def train_runner(model, device, trainloader, optimizer, epoch):
    #訓練模型, 啟用 BatchNormalization 和 Dropout, 將BatchNormalization和Dropout置為True
    model.train()
    total = 0
    correct =0.0

    #enumerate迭代已載入的資料集,同時獲取資料和資料下標
    for i, data in enumerate(trainloader, 0):
        inputs, labels = data
        #把模型部署到device上
        inputs, labels = inputs.to(device), labels.to(device)
        #初始化梯度
        optimizer.zero_grad()
        #儲存訓練結果
        outputs = model(inputs)
        #計算損失和
        #多分類情況通常使用cross_entropy(交叉熵損失函式), 而對於二分類問題, 通常使用sigmod
        loss = F.cross_entropy(outputs, labels)
        #獲取最大機率的預測結果
        #dim=1表示返回每一行的最大值對應的列下標
        predict = outputs.argmax(dim=1)
        total += labels.size(0)
        correct += (predict == labels).sum().item()
        #反向傳播
        loss.backward()
        #更新引數
        optimizer.step()
        if i % 1000 == 0:
            #loss.item()表示當前loss的數值
            print("Train Epoch{} \t Loss: {:.6f}, accuracy: {:.6f}%".format(epoch, loss.item(), 100*(correct/total)))
            Loss.append(loss.item())
            Accuracy.append(correct/total)
    return loss.item(), correct/total

2.5 定義測試過程

def test_runner(model, device, testloader):
    #模型驗證, 必須要寫, 否則只要有輸入資料, 即使不訓練, 它也會改變權值
    #因為呼叫eval()將不啟用 BatchNormalization 和 Dropout, BatchNormalization和Dropout置為False
    model.eval()
    #統計模型正確率, 設定初始值
    correct = 0.0
    test_loss = 0.0
    total = 0
    #torch.no_grad將不會計算梯度, 也不會進行反向傳播
    with torch.no_grad():
        for data, label in testloader:
            data, label = data.to(device), label.to(device)
            output = model(data)
            test_loss += F.cross_entropy(output, label).item()
            predict = output.argmax(dim=1)
            #計算正確數量
            total += label.size(0)
            correct += (predict == label).sum().item()
        #計算損失值
        print("test_avarage_loss: {:.6f}, accuracy: {:.6f}%".format(test_loss/total, 100*(correct/total)))

2.6 執行

#呼叫
epoch = 20
Loss = []
Accuracy = []
for epoch in range(1, epoch+1):
    print("start_time",time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time())))
    loss, acc = train_runner(model, device, trainloader, optimizer, epoch)
    Loss.append(loss)
    Accuracy.append(acc)
    test_runner(model, device, testloader)
    print("end_time: ",time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time())),'\n')
print('Finished Training')
plt.subplot(2,1,1)
plt.plot(Loss)
plt.title('Loss')
plt.show()
plt.subplot(2,1,2)
plt.plot(Accuracy)
plt.title('Accuracy')
plt.show()

經歷 20 次 epoch 迭代訓練之後:

start_time 2021-11-27 22:29:09
Train Epoch20 Loss: 0.659028, accuracy: 68.750000%
test_avarage_loss: 0.030969, accuracy: 67.760000%
end_time: 2021-11-27 22:29:44end_time: 2021-11-27 22:29:44

訓練集的 loss 曲線和 Accuracy 曲線變化如下:訓練集的 loss 曲線和 Accuracy 曲線變化如下:

2.7 儲存模型

print(model)
torch.save(model, './models/model-cifar10.pth') #儲存模型

LeNet-5 的模型會 print 出來,並將模型模型命令為 model-cifar10.pth 儲存在固定目錄下。

LeNetRGB(
(conv1): Conv2d(3, 6, kernel_size=(5, 5), stride=(1, 1))
(relu): ReLU()
(maxpool1): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
(conv2): Conv2d(6, 16, kernel_size=(5, 5), stride=(1, 1))
(maxpool2): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
(fc1): Linear(in_features=400, out_features=120, bias=True)
(fc2): Linear(in_features=120, out_features=84, bias=True)
(fc3): Linear(in_features=84, out_features=10, bias=True)
)

2.8 模型測試

利用剛剛訓練的模型進行 CIFAR10 型別圖片的測試。

from PIL import Image
import numpy as np

if __name__ == '__main__':
    device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
    model = torch.load('./models/model-cifar10.pth') #載入模型
    model = model.to(device)
    model.eval()    #把模型轉為test模式

    #讀取要預測的圖片
    # 讀取要預測的圖片
    img = Image.open("./images/test_cifar10.png").convert('RGB') # 讀取影像
    #img.show()
    plt.imshow(img) # 顯示圖片
    plt.axis('off') # 不顯示座標軸
    plt.show()

    # 匯入圖片,圖片擴充套件後為[1,1,32,32]
    trans = transforms.Compose(
        [
            #將圖片尺寸resize到32x32
            transforms.Resize((32,32)),
            transforms.ToTensor(),
            transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
        ])
    img = trans(img)
    img = img.to(device)
    img = img.unsqueeze(0)  #圖片擴充套件多一維,因為輸入到儲存的模型中是4維的[batch_size,通道,長,寬],而普通圖片只有三維,[通道,長,寬]

    # 預測 
    classes = ('plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
    output = model(img)
    prob = F.softmax(output,dim=1) #prob是10個分類的機率
    print("機率:",prob)
    print(predict.item())
    value, predicted = torch.max(output.data, 1)
    predict = output.argmax(dim=1)
    pred_class = classes[predicted.item()]
    print("預測類別:",pred_class)

輸出:

機率:tensor([[7.6907e-01, 3.3997e-03, 4.8003e-03, 4.2978e-05, 1.2168e-02, 6.8751e-06, 3.2019e-06, 1.6024e-04, 1.2705e-01, 8.3300e-02]],
grad_fn=)
5
預測類別:plane
模型預測結果正確!

以上就是 PyTorch 構建 LeNet-5 卷積神經網路並用它來識別 CIFAR10 資料集的例子。全文的程式碼都是可以順利執行的,建議大家自己跑一邊。

值得一提的是,針對 MNIST 資料集和 CIFAR10 資料集,最大的不同就是 MNIST 是單通道的,CIFAR10 是三通道的,因此在構建 LeNet-5 網路的時候,C1層需要做不同的設定。至於輸入圖片尺寸不一樣,我們可以使用 transforms.Resize 方法統一縮放到 32×32 的尺寸大小。

所有完整的程式碼我都放在 GitHub 上,GitHub地址為:

https://github.com/RedstoneWill/ObjectDetectionLearner/tree/main/LeNet-5


相關文章