卷积神经网络的训练是耗时的，很多场合不可能每次都从随机初始化参数开始训练网络。
1.训练
pytorch中自带几种常用的深度学习网络预训练模型，如VGG、ResNet等。往往为了加快学习的进度，在训练的初期我们直接加载pre-train模型中预先训练好的参数，所以这里使用的网络是：
torchvision.models.Resnet34(pretrained=True)
然后更改其最后的全连接层。因为resnet网络最后一层分类层fc是对1000种类型进行划分，对于自己的数据集，这里进行的是性别检测，只有男/女2类，所以修改的代码为：
#提取fc层中固定的参数 fc_features = model.fc.in_features #修改类别为2 model.fc = nn.Linear(fc_features, 2)
在网上看见一些教程仅对最后一层全连接层的参数进行训练，所以他们的设定为：
#冻结参数，不训练卷积层网络 for param in model_conv.parameters(): param.requires_grad = False
然后下面就是定义你使用的损失函数，优化器和学习率调整的算法：
注意在这里可以看见优化器中输入的参数为model_conv.fc.parameters()，即仅对全连接层fc的参数进行调参
#定义使用的损失函数为交叉熵代价函数 criterion = nn.CrossEntropyLoss() #定义使用的优化器 optimizer_conv = optim.SGD(model_conv.fc.parameters(), lr=0.0001, momentum=0.9) #设置自动递减的学习率,等间隔调整学习率,即在25个step时，将学习率调整为 lr*gamma exp_lr_scheduler = optim.lr_scheduler.StepLR(optimizer_conv, step_size=25, gamma=0.1)
但是我训练过程发现这样做的效果不是很好，我还是对整个网络的参数都进行了训练，所以我没有进行冻结参数的设定，同时使用的算法中传入的参数是model_conv.parameters()
这样得到的最好训练结果是：
train Loss: 0.1020 Acc: 0.9617 val Loss: 0.0622 Acc: 0.9820 Training complete in 336m 56s Best val Acc: 0.982000
可见其实还没有训练完，还是欠拟合的状态
⚠️补充知识：optimizer.step()和scheduler.step()的区别：
optimizer.step()通常用在每个mini-batch之中，而scheduler.step()通常用在epoch里面,但是不绝对，可以根据具体的需求来做。只有用了optimizer.step()，模型才会更新，而scheduler.step()是对lr进行调整。
然后后面我调了一下优化器，从momentum改成了Adam，并将学习率的调整step_size更改为20，让其一开始能更快收敛:
#定义的优化器 optimizer_conv = optim.Adam(model_conv.parameters(), lr=0.0001, betas=(0.9, 0.99)) #设置自动递减的学习率,等间隔调整学习率,即在20个step时，将学习率调整为 lr*gamma exp_lr_scheduler = optim.lr_scheduler.StepLR(optimizer_conv, step_size=20, gamma=0.1)
运行结果优化为：
train Loss: 0.0668 Acc: 0.9725 val Loss: 0.0630 Acc: 0.9820 Training complete in 385m 42s Best val Acc: 0.986000
可见效果好了一点，但是还是没能训练完，之后又对代码进行了更改，将step_size调节得更大，使得一开始能够收敛得快一些，以免后面的学习率过小后一直收敛不下去：
optimizer_conv = optim.Adam(model_conv.parameters(), lr=0.0001, betas=(0.9, 0.99)) #设置自动递减的学习率,等间隔调整学习率,即在45个step时，将学习率调整为 lr*gamma exp_lr_scheduler = optim.lr_scheduler.StepLR(optimizer_conv, step_size=45, gamma=0.1)
判断的代码也进行了更改，不再是以最高的val acc作为最优参数的选择，而是选择train acc最高且train acc大于val acc的训练参数：
# deep copy the model # 对模型进行深度复制 if phase == 'train' and epoch_acc > best_train_acc: temp = epoch_acc if phase =='val' and epoch_acc > 0 and epoch_acc < temp: best_train_acc = temp best_val_acc = epoch_acc best_iteration = epoch best_model_wts = copy.deepcopy(model.state_dict())
这样的返回值果然更好了一点：
Training complete in 500m 10s Best epoch: 166.000000 Best train Acc: 0.985175 Best val Acc: 0.984000
代码运行过程中出现了错误：
RuntimeError: Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should be the same
这个的解决办法是为model_conv也添加.to(device)：
model_conv.to(device)
另一个错误是：
RuntimeError: Expected object of backend CPU but got backend CUDA for argument #4 'mat1'
觉得原因可能是因为我的机器上面只有一个cuda，所以要显示指明使用的是'cuda:0'：
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
或者是因为一开始我将model_conv.to(device)写错了位置，写到了model_conv.fc = nn.Linear(fc_features, 2)之前，写到其后面即可
所以最后的训练代码为：
# coding:utf8 from torchvision import datasets, models from torch import nn, optim from torchvision import transforms as T from torch.utils import data import os import copy import time import torch #首先进行数据的处理 data_dir = './data' device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") #转换图片数据 normalize = T.Normalize([0.485, 0.456, 0.406],[0.229, 0.224, 0.225]) data_transforms ={ 'train': T.Compose([ T.RandomResizedCrop(224),#从图片中心截取 T.RandomHorizontalFlip(),#随机水平翻转给定的PIL.Image,翻转概率为0.5 T.ToTensor(),#转成Tensor格式，大小范围为[0,1] normalize ]), 'val': T.Compose([ T.Resize(256),#重新设定大小 T.CenterCrop(224), T.ToTensor(), normalize ]), } #加载图片 #man的label为0, woman的label为1 image_datasets = {x : datasets.ImageFolder(os.path.join(data_dir, x), data_transforms[x]) for x in ['train', 'val']} #得到train和val中的数据量 dataset_sizes = {x : len(image_datasets[x].imgs) for x in ['train', 'val']} dataloaders = {x : data.DataLoader(image_datasets[x], batch_size=4, shuffle=True,num_workers=4) for x in ['train', 'val']} #然后选择使用的模型 model_conv = models.resnet34(pretrained=True) #冻结参数，不训练卷积层网络 #for param in model_conv.parameters(): # param.requires_grad = False #提取fc全连接层中固定的参数，后面的训练只对全连接层的参数进行优化 fc_features = model_conv.fc.in_features #修改类别为2,即man和woman model_conv.fc = nn.Linear(fc_features, 2) model_conv.to(device) #定义使用的损失函数为交叉熵代价函数 criterion = nn.CrossEntropyLoss() #定义使用的优化器 #optimizer_conv = optim.SGD(model_conv.fc.parameters(), lr=0.0001, momentum=0.9) #optimizer_conv = optim.SGD(model_conv.parameters(), lr=0.0001, momentum=0.9) optimizer_conv = optim.Adam(model_conv.parameters(), lr=0.0001, betas=(0.9, 0.99)) #设置自动递减的学习率,等间隔调整学习率,即在7个step时，将学习率调整为 lr*gamma exp_lr_scheduler = optim.lr_scheduler.StepLR(optimizer_conv, step_size=45, gamma=0.1) #exp_lr_scheduler = optim.lr_scheduler.ReduceLROnPlateau(optimizer_conv, mode='min', verbose=True) # 训练模型 # 参数说明： # model:待训练的模型 # criterion：评价函数 # optimizer：优化器 # scheduler：学习率 # num_epochs：表示实现完整训练的次数，一个epoch表示一整個训练周期 def train_model(model, criterion, optimizer, scheduler, num_epochs=200): # 定义训练开始时间 since = time.time() #用于保存最优的权重 best_model_wts = copy.deepcopy(model.state_dict()) #最优精度值 best_train_acc = 0.0 best_val_acc = 0.0 best_iteration = 0 # # meters,统计指标：平滑处理之后的损失，还有混淆矩阵 # loss_meter = meter.AverageValueMeter()#能够计算所有数的平均值和标准差，用来统计一个epoch中损失的平均值 # confusion_matrix = meter.ConfusionMeter(2)#用来统计分类问题中的分类情况，是一个比准确率更详细的统计指标 # 对整个数据集进行num_epochs次训练 for epoch in range(num_epochs): print('Epoch {}/{}'.format(epoch, num_epochs - 1)) print('-' * 10) #用于存储train acc还没有与val acc比较之前的值 temp = 0 # Each epoch has a training and validation phase # 每轮训练训练包含`train`和`val`的数据 for phase in ['train', 'val']: if phase == 'train': # 学习率步进 scheduler.step() # 设置模型的模式为训练模式（因为在预测模式下，采用了`Dropout`方法的模型会关闭部分神经元） model.train() # Set model to training mode else: # 预测模式 model.eval() # Set model to evaluate mode running_loss = 0.0 running_corrects = 0 # Iterate over data. # 遍历数据，这里的`dataloaders`近似于一个迭代器，每一次迭代都生成一批`inputs`和`labels`数据, # 一批有四个图片，一共有dataset_sizes['train']/4或dataset_sizes['val']/4批 # 这里循环几次就看有几批数据 for inputs, labels in dataloaders[phase]: inputs = inputs.to(device) # 当前批次的训练输入 labels = labels.to(device) # 当前批次的标签输入 # print('input : ', inputs) # print('labels : ', labels) # 将梯度参数归0 optimizer.zero_grad() # 前向计算 # track history if only in train with torch.set_grad_enabled(phase == 'train'): # 相应输入对应的输出 outputs = model(inputs) # print('outputs : ', outputs) # 取输出的最大值作为预测值preds,dim=1,得到每行中的最大值的位置索引，用来判别其为0或1 _, preds = torch.max(outputs, 1) # print('preds : ', preds) # 计算预测的输出与实际的标签之间的误差 loss = criterion(outputs, labels) # backward + optimize only if in training phase if phase == 'train': # 对误差进行反向传播 loss.backward() #scheduler.step(loss) #当使用的学习率递减函数为optim.lr_scheduler.ReduceLROnPlateau时，使用在这里 # 执行优化器对梯度进行优化 optimizer.step() # loss_meter.add(loss.item()) # confusion_matrix.add(outputs.detach(), labels.detach()) # statistics # 计算`running_loss`和`running_corrects` #loss.item()得到的是此时损失loss的值 #inputs.size(0)得到的是一批图片的数量，这里为4 #两者相乘得到的是4张图片的总损失 #叠加得到所有数据的损失 running_loss += loss.item() * inputs.size(0) #torch.sum(preds == labels.data)判断得到的结果中有几个正确，running_corrects得到四个中正确的个数 #叠加得到所有数据中判断成功的个数 running_corrects += torch.sum(preds == labels.data) # 当前轮的损失,除以所有数据量个数得到平均loss值 epoch_loss = running_loss / dataset_sizes[phase] # 当前轮的精度，除以所有数据量个数得到平均准确度 epoch_acc = running_corrects.double() / dataset_sizes[phase] print('{} Loss: {:.4f} Acc: {:.4f}'.format(phase, epoch_loss, epoch_acc)) # deep copy the model # 对模型进行深度复制 if phase == 'train' and epoch_acc > best_train_acc: temp = epoch_acc if phase =='val' and epoch_acc > 0 and epoch_acc < temp: best_train_acc = temp best_val_acc = epoch_acc best_iteration = epoch best_model_wts = copy.deepcopy(model.state_dict()) # 计算训练所需要的总时间 time_elapsed = time.time() - since print('Training complete in {:.0f}m {:.0f}s'.format(time_elapsed // 60, time_elapsed % 60)) print('Best epoch: {:4f}'.format(best_iteration)) print('Best train Acc: {:4f}'.format(best_train_acc)) print('Best val Acc: {:4f}'.format(best_val_acc)) # load best model weights # 加载模型的最优权重 model.load_state_dict(best_model_wts) return model if __name__ == '__main__': model_train = train_model(model_conv, criterion, optimizer_conv, exp_lr_scheduler) torch.save(model_train, 'GenderTest.pkl')
2.测试
使用上面生成的GenderTest.pkl进行测试：
测试数据集dataset_test.py的设计为：
# coding:utf8 import os from torchvision import transforms as T from PIL import Image from torch.utils import data class GenderData(data.Dataset): def __init__(self, root, transforms=None): #将图片路径存储在imgs列表中 imgs = [os.path.join(root, img) for img in os.listdir(root)] self.imgs = imgs if transforms is None: #设置对数据进行转换的transform normalize = T.Normalize([0.485, 0.456, 0.406],[0.229, 0.224, 0.225]) self.transforms = T.Compose([ T.Resize(224), T.CenterCrop(224), T.ToTensor(), normalize ]) def __getitem__(self, index): img_path = self.imgs[index] #得到图片数据 data = Image.open(img_path) #对数据进行转换 data = self.transforms(data) return data def __len__(self): return len(self.imgs)
测试代码test.py为：
# coding:utf8 import visdom from datasets_test import GenderData from torch.utils import data from torchvision.utils import make_grid import torch def visualize(data, preds): viz = visdom.Visdom(env='main') # print(data.size()) #一开始的大小为torch.Size([4, 3, 224, 224]) out = make_grid(data) #这样得到的输出的数据就是将四张图合成了一张图的大小，为 # print(out.size()) #torch.Size([3, 228, 906]) #因为反标准化时需要将图片的维度从（channels,imgsize,imgsieze)变成（imgsize,imgsieze,channels)，这样才能与下面的std,mean正确计算 inp = torch.transpose(out, 0, 2) # print(inp.size()) #返回torch.Size([906, 228, 3]) mean = torch.FloatTensor([0.485, 0.456, 0.406]) std = torch.FloatTensor([0.229, 0.224, 0.225]) inp = std * inp + mean #计算完后还是要将维度变回来，所以再进行一次转换 inp = torch.transpose(inp, 0, 2) # print(inp.size()) #返回torch.Size([3, 228, 906]) #注意，这里是因为设置了batch_size为四，所以title中才这样，如果你的batch_size不是4这里需要做一些更改 viz.images(inp, opts=dict(title='{},{},{},{}'.format(preds[0].item(), preds[1].item(), preds[2].item(), preds[3].item()))) #比如下面这个就是将batch_size改成1的结果 # viz.images(inp, opts=dict(title='{}'.format(preds[0].item()))) def self_dataset(): data_test_root = './data/test1' #测试数据集所在的路径 test_data = GenderData(data_test_root)
#如果只测试一张图片，这里batch_size要改成1 dataloaders = data.DataLoader(test_data, batch_size=4 ,shuffle=True,num_workers=4) for inputs in dataloaders: inputs = inputs.to(device) # 当前批次的训练输入 outputs = model_test(inputs) _, preds = torch.max(outputs, 1) visualize(inputs,preds) if __name__ == '__main__': device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu') print(device) #导入上面训练得到的效果最佳的网络，因为测试是在只有cpu的机器上跑的，所以这里要添加map_location='cpu' model_test = torch.load('./GenderTest.pkl',map_location='cpu') #如果你是在有GPU的机器上跑的，可以删掉map_location='cpu'，并添加一行 #model_test.to(device) model_test.eval() dataloaders = self_dataset()
要将visdom打开：
python -m visdom.server
然后运行：
python test.py
即可以在visdom中看见结果,如下面的图片被判断为女生，右上角显示1:
当然，这其实是国荣哥的剧照，只能说天生丽质的，应该不是我训练的效果问题
测试时出现一个问题：
OSError: cannot identify image file './data/test/.DS_Store'
这是因为mac系统中会自动生成一个.DS_Store隐藏文件，这里保存着针对这个目录的特殊信息和设置配置，例如查看方式、图标大小以及这个目录的一些附属元数据
而当我们想要打开图片的时候它会被当作一个图片文件路径加载，进而报错，因为它并不是一个图片文件，解决办法是在该图片文件夹下输入删除命令：
sudo find / -name ".DS_Store" -depth -exec rm {} \;
或者更简单的方法是到图片文件夹处直接运行：
rm .DS_Store
后面换成使用resnet18也能达到相近的效果，大家可以试试