使用VGG模型进行猫狗大战

猫狗大战

将建一个模型来完成 Kaggle 中的猫狗大战竞赛题目。在这个比赛中，有25000张标记好的猫和狗的图片用做训练，有12500张图片用做测试。

检查是否有gpu

import numpy as np
import matplotlib.pyplot as plt
import os
import torch
import torch.nn as nn
import torchvision
from torchvision import models,transforms,datasets
import time
import json


# 判断是否存在GPU设备
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print('Using gpu: %s ' % torch.cuda.is_available())

1.下载数据

下载数据并解压到工作目录

! wget http://fenggao-image.stor.sinaapp.com/dogscats.zip
! unzip dogscats.zip

Jeremy Howard 提供了数据的下载，链接为：http://files.fast.ai/data/dogscats.zip

在他整理的数据集中，猫和狗的图片放在单独的文件夹中， 同时还提供了一个Validation数据。如果没有GPU设备，请减少用做训练的图像数据量即可。

因为这个代码需要在colab上跑，速度会相对较慢。因此，我们重新整理了数据，制作了新的数据集，训练集包含1800张图(猫的图片900张，狗的图片900张)，测试集包含2000张图。下载地址为：http://fenggao-image.stor.sinaapp.com/dogscats.zip

2.数据处理

datasets 是 torchvision 中的一个包，可以用做加载图像数据。它可以以多线程（multi-thread）的形式从硬盘中读取数据，使用 mini-batch 的形式，在网络训练中向 GPU 输送。

在使用CNN处理图像时，需要进行预处理。图片将被整理成 224×224×3 的大小，同时还将进行归一化处理，对于训练集还进行了图片水平翻转（即数据增强）。

normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])

vgg_format = transforms.Compose([
                transforms.CenterCrop(224),
                transforms.ToTensor(),
                normalize,
            ])
vgg_format_train = transforms.Compose([
    transforms.CenterCrop(224),
    transforms.RandomHorizontalFlip(),
    transforms.ToTensor(),
    normalize])

data_dir = './dogscats'

#dsets = {x: datasets.ImageFolder(os.path.join(data_dir, x), vgg_format)
#         for x in ['train', 'valid']}
#dset_sizes = {x: len(dsets[x]) for x in ['train', 'valid']}
# 训练集进行数据增强
dsets_train = {x: datasets.ImageFolder(os.path.join(data_dir, x), vgg_format_train)
         for x in ['train']}
# 验证集不需要数据增强
dsets_valid= {x: datasets.ImageFolder(os.path.join(data_dir, x), vgg_format)
         for x in ['valid']}

dset_sizes = {x: len(dsets_train[x]) for x in ['train']}
dset_classes = dsets_train['train'].classes

# 通过下面代码可以查看 dsets_train 的一些属性
print(dsets_train['train'].classes)
print(dsets_train['train'].class_to_idx)
print(dsets_train['train'].imgs[:5])
print('dset_sizes: ', dset_sizes)

loader_train = torch.utils.data.DataLoader(dsets_train['train'], batch_size=64, shuffle=True, num_workers=6)
loader_valid = torch.utils.data.DataLoader(dsets_valid['valid'], batch_size=5, shuffle=False, num_workers=6)

'''
valid 数据一共有2000张图，每个batch是5张，因此，下面进行遍历一共会输出到 400,这里输出循环结束时的count，会多1
同时，把第一个 batch 保存到 inputs_try, labels_try，分别查看
'''
count = 1
for data in loader_valid:
  if count == 1:
      inputs_try,labels_try = data
  count +=1
print(count)
print(labels_try)
print(inputs_try.shape)

# 显示图片的小程序
def imshow(inp, title=None):
#   Imshow for Tensor.
    inp = inp.numpy().transpose((1, 2, 0))
    mean = np.array([0.485, 0.456, 0.406])
    std = np.array([0.229, 0.224, 0.225])
    inp = np.clip(std * inp + mean, 0,1)
    plt.imshow(inp)
    if title is not None:
        plt.title(title)
    plt.pause(0.001)  # pause a bit so that plots  are updated

# 显示 labels_try 的5张图片，即valid里第一个batch的5张图片
out = torchvision.utils.make_grid(inputs_try)
imshow(out, title=[dset_classes[x] for x in labels_try])

3.创建VGG Model

torchvision中集成了很多在 ImageNet （120万张训练数据） 上预训练好的通用的CNN模型，可以直接下载使用。

在本课程中，我们直接使用预训练好的 VGG 模型。同时，为了展示 VGG 模型对本数据的预测结果，还下载了 ImageNet 1000 个类的 JSON 文件。

在这部分代码中，对输入的5个图片利用VGG模型进行预测，同时，使用softmax对结果进行处理，随后展示了识别结果。可以看到，识别结果是比较非常准确的。

!wget https://s3.amazonaws.com/deep-learning-models/image-models/imagenet_class_index.json

model_vgg = models.vgg16(pretrained=True)

with open('./imagenet_class_index.json') as f:
    class_dict = json.load(f)
dic_imagenet = [class_dict[str(i)][1] for i in range(len(class_dict))]

inputs_try , labels_try = inputs_try.to(device), labels_try.to(device)
model_vgg = model_vgg.to(device)

outputs_try = model_vgg(inputs_try)

print(outputs_try)
print(outputs_try.shape)

'''
可以看到结果为5行，1000列的数据，每一列代表对每一种目标识别的结果。
但是我也可以观察到，结果非常奇葩，有负数，有正数，
为了将VGG网络输出的结果转化为对每一类的预测概率，我们把结果输入到 Softmax 函数
'''
m_softm = nn.Softmax(dim=1)
probs = m_softm(outputs_try)
vals_try,pred_try = torch.max(probs,dim=1)

print( 'prob sum: ', torch.sum(probs,1))
print( 'vals_try: ', vals_try)
print( 'pred_try: ', pred_try)

print([dic_imagenet[i] for i in pred_try.data])
imshow(torchvision.utils.make_grid(inputs_try.data.cpu()), 
       title=[dset_classes[x] for x in labels_try.data.cpu()])

4. 冻结前面层的参数，修改网络最后一层

最后我增加了两个线性层，同时使用效果更好的参数为0.2的LeakyReLU函数

print(model_vgg)

model_vgg_new = model_vgg;

for param in model_vgg_new.parameters():
    param.requires_grad = False

#增加两个线性层，使用效果更好的参数为0.2的LeakyReLU函数
model_vgg_new.classifier._modules['6'] = nn.Linear(4096, 4096)
model_vgg_new.classifier._modules['7'] = nn.LeakyReLU(0.2, inplace=True)
model_vgg_new.classifier._modules['8'] = nn.Dropout(p=0.5,inplace=False)
model_vgg_new.classifier._modules['9'] = nn.Linear(4096, 2)
model_vgg_new.classifier._modules['10'] = torch.nn.LogSoftmax(dim = 1)

model_vgg_new = model_vgg_new.to(device)

print(model_vgg_new.classifier)

5.训练并测试全连接层

5.1 训练

训练100个epoch，将正确率最大时的模型保存下来进行后续测试

from tqdm import trange,tqdm
'''
第一步：创建损失函数和优化器
损失函数 NLLLoss()的输入是一个对数概率向量和一个目标标签. 
它不会为我们计算对数概率，适合最后一层是log_softmax()的网络. 
'''
criterion = nn.NLLLoss()
# 学习率
lr = 0.0003
# 随机梯度下降优化为adam
optimizer_vgg = torch.optim.Adam([{'params': model_vgg_new.classifier[6].parameters()},{'params': model_vgg_new.classifier[9].parameters()}],lr = lr)

'''
第二步：训练模型
'''
def train_model(model,dataloader,size,epochs=1,optimizer=None):
    model.train()
    max_acc = 0
    for epoch in range(epochs):
        running_loss = 0.0
        running_corrects = 0
        count = 0
        for inputs,classes in dataloader:
            inputs = inputs.to(device)
            classes = classes.to(device)
            outputs = model(inputs)
            loss = criterion(outputs,classes)           
            optimizer = optimizer
            optimizer.zero_grad()
            loss.backward()
            optimizer.step()
            _,preds = torch.max(outputs.data,1)
            # statistics
            running_loss += loss.data.item()
            running_corrects += torch.sum(preds == classes.data)
            count += len(inputs)
            #print('Training: No. ', count, ' process ... total: ', size)
        epoch_loss = running_loss / size
        epoch_acc = running_corrects.data.item() / size
        if epoch_acc>max_acc:
          max_acc = epoch_acc
          torch.save(model, '/content/drive/MyDrive/Colab Notebooks/cats_vs_dogs/model_best_new.pth')
          tqdm.write("\n Got A Nice Model Acc:{:.8f}".format(max_acc))
        tqdm.write('\nepoch: {} \tLoss: {:.8f} Acc: {:.8f}'.format(epoch,epoch_loss, epoch_acc))
        time.sleep(0.1)


        #print('Loss: {:.4f} Acc: {:.4f}'.format(epoch_loss, epoch_acc))
    torch.save(model, '/content/drive/MyDrive/Colab Notebooks/cats_vs_dogs/model.pth')
    tqdm.write("Got A Nice Model")
        
        
# 模型训练
train_model(model_vgg_new,loader_train,size=dset_sizes['train'], epochs=100,optimizer=optimizer_vgg)

5.2 测试

def test_model(model,dataloader,size):
    model.eval()
    predictions = np.zeros(size)
    all_classes = np.zeros(size)
    all_proba = np.zeros((size,2))
    i = 0
    running_loss = 0.0
    running_corrects = 0
    for inputs,classes in dataloader:
        inputs = inputs.to(device)
        classes = classes.to(device)
        outputs = model(inputs)
        loss = criterion(outputs,classes)           
        _,preds = torch.max(outputs.data,1)
        # statistics
        running_loss += loss.data.item()
        running_corrects += torch.sum(preds == classes.data)
        predictions[i:i+len(classes)] = preds.to('cpu').numpy()
        all_classes[i:i+len(classes)] = classes.to('cpu').numpy()
        all_proba[i:i+len(classes),:] = outputs.data.to('cpu').numpy()
        i += len(classes)
        print('Testing: No. ', i, ' process ... total: ', size)        
    epoch_loss = running_loss / size
    epoch_acc = running_corrects.data.item() / size
    print('Loss: {:.4f} Acc: {:.4f}'.format(
                     epoch_loss, epoch_acc))
    return predictions, all_proba, all_classes
  
predictions, all_proba, all_classes = test_model(model_vgg_new,loader_valid,size=2000)
# 不加图像增强 97.7

在验证集上正确率98%

6.可视化模型预测结果（主观分析）

# 单次可视化显示的图片个数
n_view = 8
correct = np.where(predictions==all_classes)[0]
from numpy.random import random, permutation
idx = permutation(correct)[:n_view]
print('random correct idx: ', idx)
loader_correct = torch.utils.data.DataLoader([dsets_valid['valid'][x] for x in idx],
                  batch_size = n_view,shuffle=True)
for data in loader_correct:
    inputs_cor,labels_cor = data
# Make a grid from batch
out = torchvision.utils.make_grid(inputs_cor)
imshow(out, title=[l.item() for l in labels_cor])

# 类似的思路，可以显示错误分类的图片，这里不再重复代码

7. 用test测试集进行测试

7.1 加载测试数据和已训练好的模型

手动上传test数据集

ImageFolder()的读取方式是，在该文件夹内的文件夹中读取文件。因此读取时不能到test文件夹下

# 测试test中的加载测试数据,先手动上传到当前目录
! unzip cat_dog_test.zip

import torch
import numpy as np
from torchvision import transforms,datasets
from tqdm import tqdm
device = torch.device("cuda:0" )
normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
vgg_format = transforms.Compose([
                transforms.CenterCrop(224),
                transforms.ToTensor(),
                normalize,
            ])
# ImageFolder()的读取方式是，在该文件夹内的文件夹中读取文件。因此不能具体到test文件夹下
dsets_mine = datasets.ImageFolder("./cat_dog_test", vgg_format)

 
loader_test = torch.utils.data.DataLoader(dsets_mine, batch_size=1, shuffle=False, num_workers=0)

#加载保存好的最好的模型
model_vgg_new = torch.load(r'/content/drive/MyDrive/Colab Notebooks/cats_vs_dogs/model_best_new.pth')
model_vgg_new = model_vgg_new.to(device)

7.2 测试，将结果写入文件

dic = {}
def test(model,dataloader,size):
    model.eval()
    predictions = np.zeros(size)
    cnt = 0
    for inputs,_ in tqdm(dataloader):
        inputs = inputs.to(device)
        outputs = model(inputs)
        _,preds = torch.max(outputs.data,1)    
        key = dsets_mine.imgs[cnt][0]
        #print(dsets_mine.imgs[cnt][0])
        dic[key] = preds[0]
        cnt = cnt +1
test(model_vgg_new,loader_test,size=2000)

with open("result5.csv",'a+') as f:
    for key in range(2000):
        f.write("{},{}\n".format(key,dic["./cat_dog_test/test/"+str(key)+".jpg"]))

最开始的参考代码对test数据集的得分为96.95，添加数据增强后提升到97.55，在VGG模型最后多添加一个全连接层并采用dropout策略，训练100个epoch并保存中间结果中模型最好的，这样得分就提升到97.75了。
后来又将随机梯度下降优化为Adam，训练10个epoch就得到很好的效果，得分为98.1.

8.分析总结

使用预训练的模型，冻结用于提取特征的网络层的参数而只训练最后输出分类结果的网络层的参数，可以大大降低模型训练的复杂度。本次实战中为提高模型分类的准确率，我先后添加了数据增强（对训练集图片进行水平翻转）、在VGG模型最后添加两个全连接层并采用dropout策略、训练多个epoch并保存中间结果中模型最好的、将随机梯度下降优化为Adam，模型准确率从最初的96.95提升到98.1，当然模型还有其他的优化空间，如本次实战只是使用了原始数据集中的1800张图片作为训练集，如果使用的训练集更大，理论上模型准确率可以进一步提高，如奖金赛冠军甚至把验证集的数据合并到训练集来进行训练，当然在他的模型中也采取了一定的策略防止过拟合。