Pytorch：EDSR 生成訓練數據的方法
引言
Winter is coming
正文
pytorch提供的DataLoader 是用來包裝你的數據的工具. 所以你要將自己的 (numpy array 或其他)
數據形式裝換成 Tensor, 然后再放進這個包裝器中. 使用 DataLoader 有什么好處呢?
就是他們幫你有效地迭代數據, 舉例:
import torch
import torch.utils.data as Data #utils是torch中的一個模塊，Data是進行小批訓練的途徑或模塊
x = torch.linspace(1, 10, 10) # x data (torch tensor): 初始的數據
y = torch.linspace(10, 1, 10) # y data (torch tensor): 目標的數據
- 先轉換成
torch能識別的Dataset
torch_dataset = Data.TensorDataset(data_tensor=x, target_tensor=y)
torch_dataset 為用 torch 定義的一個數據庫，然后將要訓練的數據放到數據庫中。
x為用來訓練的數據，y為用於算誤差的數據
- 把
dataset放入DataLoader
BATCH_SIZE = 5 # 批訓練大小為五，即每次抽取五個數據進行訓練
loader = Data.DataLoader(
dataset=torch_dataset, # torch TensorDataset format
batch_size=BATCH_SIZE, # mini batch size
shuffle=True, # 要不要打亂數據 (打亂比較好)
num_workers=2, # 多線程來讀數據，更有效率
)
我們使用 DataLoader() 來使我們的訓練過程變成一批一批，shuffle是 Bool 型變量，為真時隨機打亂數據后進行抽樣
for epoch in range(3): # 訓練整套數據 3 次
for step, (batch_x, batch_y) in enumerate(loader):
# 每一步loader釋放一小批數據用來學習，因為一組總共有10個data，batch_size又為5，所以訓練一次數據有2個step
# 假設這里就是你訓練的地方...
# 打出來一些數據
print('Epoch: ', epoch, '| Step: ', step, '| batch x: ', batch_x.numpy(), '| batch y: ', batch_y.numpy())
結果如下：
Epoch: 0 | Step: 0 | batch x: [ 6. 7. 2. 3. 1.] | batch y: [ 5. 4. 9. 8. 10.]
Epoch: 0 | Step: 1 | batch x: [ 9. 10. 4. 8. 5.] | batch y: [ 2. 1. 7. 3. 6.]
Epoch: 1 | Step: 0 | batch x: [ 3. 4. 2. 9. 10.] | batch y: [ 8. 7. 9. 2. 1.]
Epoch: 1 | Step: 1 | batch x: [ 1. 7. 8. 5. 6.] | batch y: [ 10. 4. 3. 6. 5.]
Epoch: 2 | Step: 0 | batch x: [ 3. 9. 2. 6. 7.] | batch y: [ 8. 2. 9. 5. 4.]
Epoch: 2 | Step: 1 | batch x: [ 10. 4. 8. 1. 5.] | batch y: [ 1. 7. 3. 10. 6.]
可以看出, 每步都導出了5個數據進行學習. 然后每個 epoch 的導出數據都是先打亂了以后再導出.
真正方便的還不是這點. 如果我們改變一下令 BATCH_SIZE = 8, 這樣我們就知道, step=0 會導出8個數據, 但是, step=1 時數據庫中的數據不夠 8個, 這時怎么辦呢:
BATCH_SIZE = 8 # 批訓練的數據個數
for ...:
for ...:
...
print('Epoch: ', epoch, '| Step: ', step, '| batch x: ',
batch_x.numpy(), '| batch y: ', batch_y.numpy())
結果如下：
Epoch: 0 | Step: 0 | batch x: [ 6. 7. 2. 3. 1. 9. 10. 4.] | batch y: [ 5. 4. 9. 8. 10. 2. 1. 7.]
Epoch: 0 | Step: 1 | batch x: [ 8. 5.] | batch y: [ 3. 6.]
Epoch: 1 | Step: 0 | batch x: [ 3. 4. 2. 9. 10. 1. 7. 8.] | batch y: [ 8. 7. 9. 2. 1. 10. 4. 3.]
Epoch: 1 | Step: 1 | batch x: [ 5. 6.] | batch y: [ 6. 5.]
Epoch: 2 | Step: 0 | batch x: [ 3. 9. 2. 6. 7. 10. 4. 8.] | batch y: [ 8. 2. 9. 5. 4. 1. 7. 3.]
Epoch: 2 | Step: 1 | batch x: [ 1. 5.] | batch y: [ 10. 6.]
這時, 在 step=1 就只給你返回這個 epoch 中剩下的data.
在閱讀edsr的源碼時發現了下面這段代碼：
opt.seed = random.randint(1,10000)
print("Random Seed: ",opt.seed)
torch.manual_seed(opt.seed) # 為當前cpu設置隨機種子，值為范圍在1到10000里的一個隨機數
if cuda:
torch.cuda.manual_seed(opt.seed) # 為當前gpu設置隨機種子
cudnn.banchmark = Ture
在訓練開始時，參數的初始化為隨機的，為了讓每次的結果都一致，我們要設置隨機種子。
而cudnn.banchmark這個方法可以讓CuDNN的auto-tuner自動尋找最適合當前配置的高效算法，如果每次迭代輸入不變，可以增加，如果輸入會產生變化，則會降低計算的效率。
接下來是edsr中使用 DataLoader的方法。
print("===> Loading datasets")
train_set = DatasetFromHdf5("path_to_dataset.h5")
training_data_loader = DataLoader(dataset=train_set, num_workers=opt.threads, batch_size=opt.batchSize, shuffle=True)
我仔細研究了兩天發現，運行到這步時，圖片似乎已經處理好了，因為這只是對圖片進行打亂后再輸入網絡進行訓練。
重新閱讀 master 中的 ReadMe 后發現了這兩行文字：
Prepare Training dataset
- Please refer Code for Data Generation for creating training files.
- Data augmentations including flipping, rotation, downsizing are adopted.
通過鏈接找到了具體的生成測試數據的方法，下面是edsr的生成訓練數據的方式：
clear;
close all;
folder = 'path/to/train/folder';
savepath = 'edsr_x4.h5'; % 將模型保存為edsr_x4.h5文件，x4為該模型的放大倍數
%% scale factors
scale = 4; % 放大倍數
size_label = 192; % 最終經過調整后的圖片的大小
size_input = size_label/scale; % 輸入大小 = 最終大小/放大倍數 = 48
stride = 96; % 步長大小為96
%% downsizing
downsizes = [1,0.7,0.5]; % 調整大小的三維向量
data = zeros(size_input, size_input, 3, 1); % init一個名為data的大小為48x48x3的零矩陣
label = zeros(size_label, size_label, 3, 1); % init一個名為label的大小為192x192x3的零矩陣
count = 0;
margain = 0; % 應為邊緣信息一類的變量值
%% generate data 准備數據
filepaths = []; % 聲明一個讀取文件的目錄
filepaths = [filepaths; dir(fullfile(folder, '*.png'))]; % 得到目錄中所有圖片的列表
length(filepaths) % 圖片的個數
for i = 1 : length(filepaths) % 遍歷所有圖片
for flip = 1: 3 % 每張圖片翻轉三次
for degree = 1 : 4 % 從4個角度？
for downsize = 1 : length(downsizes)
image = imread(fullfile(folder,filepaths(i).name)); % 讀取第i張圖片
if flip == 1 % 當flip為1時，對圖片進行上下翻轉
image = flipd(image ,1);
end
if flip == 2 % 當flip為2時，對圖片進行左右翻轉
image = flipd(image ,2);
end
image = imrotate(image, 90 * (degree - 1)); % 逆時針方向旋轉圖片0-90-180-270度（角度為正則逆時針旋轉，為負則順時針）
image = imresize(image,downsizes(downsize),'bicubic'); % 通過雙三次插值的方法將圖像調整為之前的1-0.7-0.5的大小
if size(image,3)==3 % 當圖片為三通道RGB圖像時，進行以下的操作
%image = rgb2ycbcr(image);
image = im2double(image);
im_label = modcrop(image, scale); % 這個函數將取模后的圖片賦給im_label
作者定義了一個對圖像進行處理的函數(在Matlab Doc中是找不到滴)：modcrop.m，在同個文件夾下可以找到
function imgs = modcrop(imgs, modulo)
if size(imgs,3)==1 % 灰度圖，或者可以理解為僅有一個y通道的圖像
sz = size(imgs);
sz = sz - mod(sz, modulo);
imgs = imgs(1:sz(1), 1:sz(2));
else
tmpsz = size(imgs); % 獲取圖片尺寸
sz = tmpsz(1:2); % 把圖片的height和width賦給sz
sz = sz - mod(sz, modulo); % height和width對modulo取模，並減去這個值，使得sz的大小正好可以整除modulo
imgs = imgs(1:sz(1), 1:sz(2),:); % 得到新的尺寸的圖片
end
現在繼續對取模后的三通道圖片進行操作：
[hei,wid, c] = size(im_label); % 得到這張圖片的現在的大小
% 使用大小為size_label*size_label的卷積核在圖片上進行卷積，步長為stride
% subim_input 作為輸入的圖片，存入到data數組中
% subim_label 為放大4倍后的圖片，存入到label數組中
filepaths(i).name
for x = 1 + margain : stride : hei-size_label+1 - margain
for y = 1 + margain :stride : wid-size_label+1 - margain
subim_label = im_label(x : x+size_label-1, y : y+size_label-1, :);
subim_input = imresize(subim_label,1/scale,'bicubic');
% figure;
% imshow(subim_input);
% figure;
% imshow(subim_label);
count=count+1;
data(:, :, :, count) = subim_input; % 第count組數據
label(:, :, :, count) = subim_label;
end
end
end
end
end
end
end
order = randperm(count); % 生成一行從1到count的整數，打亂后返回
data = data(:, :, :, order); % 將打亂后的樣本順序返回給 data 和 label 數組
label = label(:, :, :, order);
%% writing to HDF5
chunksz = 64; % 每次寫入的數據個數
created_flag = false;
totalct = 0;
for batchno = 1:floor(count/chunksz)
batchno
last_read=(batchno-1)*chunksz;
batchdata = data(:,:,:,last_read+1:last_read+chunksz);
batchlabs = label(:,:,:,last_read+1:last_read+chunksz);
startloc = struct('dat',[1,1,1,totalct+1], 'lab', [1,1,1,totalct+1]);
curr_dat_sz = store2hdf5(savepath, batchdata, batchlabs, ~created_flag, startloc, chunksz);
created_flag = true;
totalct = curr_dat_sz(end);
end
h5disp(savepath);
現在我已經大致明白了這個.m文件要做什么了：
- 初始化各種參數
- 使用
flipping,rotation,downsizing方法對圖片調整大小 - 對圖片使用大小為
size_label*size_label的卷積核進行卷積得到標簽圖，縮小后得到輸入圖 - 將數據打亂后寫入HDF5文件中
我在總結到這一步時恍然大悟，原來main_edsr.py文件頭部的引用中那段
form dataset import DatasetFromHdf5
代碼的意思是：從data文件夾中引用格式為Hdf5的，你已經生成好的訓練文件(剛才訓練好的edsr_x4.h5文件)！！！
好了，看了這么就，不實現一下就說不過去了。可是我一點運行，matlab就報錯說我沒有一下函數。這問題也不是一兩次了，我覺得有可能是我沒有訓練數據(原始圖片)的問題，於是我仿照我之前學習caffe框架下SRCNN的方法對代碼的一下部分進行了修改。
% 第三行
folder = 'train';
% 55到58行去掉注釋，我想看具體的圖片長什么樣子
figure;
imshow(subim_input);
figure;
imshow(subim_label);
然后報錯：未定義函數或變量 'flipd'，其實我之前在Matlab Doc中查找有關flip函數信息時，就發現沒有filpd這個函數了。將d去掉后發現會報下標必須為整形的錯誤。可是flip的用法沒錯啊。索性我直接將dim=1時的函數替換為flipud(image)即上下翻轉圖片,將dim=2時的函數替換為fliplr(image)左右翻轉圖片。這次運行沒報錯了，但是圖片顯示很是鬼畜，然后
我的電腦就藍屏了，我*************************,啊啊啊啊啊啊
算了，我脾氣超好！
憑着剛才的印象發現，編號為偶數的圖片大於編號為奇數的圖片，也就是說，我們的subim_label的大小大於subim_input這種最基本的問題沒出錯，還好還好。重啟電腦后發現，博客還在，就是網聯不上了，又重啟一次后一切正常了。行吧，原諒你了，誰讓我上午心情好呢。
寫在后面
- 到這一步來說，應該算是學習結束了，基本弄清楚了訓練文件是怎么產生的。昨天晚上和今天早上真是收獲頗豐呢！弄清楚了很多東西，nice！我真bang(苦笑.jpg)
- 我在舍友的呼嚕聲中把這篇學習博客完成了，剛開始還想，我打字的聲音會不會吵醒他們？，后來發現完全是多慮了，他們呼嚕聲超大，影響我學習？！，沒有沒有，開玩笑開玩笑，把刀放下好好說話……鬼知道為什么我昨晚最晚睡(3:00 am)，卻是最早起床的(8:30 am)，orz
- Happy Birthday To nado, my dear idol
結語
真心喜歡過的人沒法做朋友 因為看多幾眼 都還是想擁有