使用VGG模型進行貓狗大戰

貓狗大戰

將建一個模型來完成 Kaggle 中的貓狗大戰競賽題目。在這個比賽中，有25000張標記好的貓和狗的圖片用做訓練，有12500張圖片用做測試。

檢查是否有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


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

1.下載數據

下載數據並解壓到工作目錄

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

Jeremy Howard 提供了數據的下載，鏈接為：http://files.fast.ai/data/dogscats.zip

在他整理的數據集中，貓和狗的圖片放在單獨的文件夾中， 同時還提供了一個Validation數據。如果沒有GPU設備，請減少用做訓練的圖像數據量即可。

因為這個代碼需要在colab上跑，速度會相對較慢。因此，我們重新整理了數據，制作了新的數據集，訓練集包含1800張圖(貓的圖片900張，狗的圖片900張)，測試集包含2000張圖。下載地址為：http://fenggao-image.stor.sinaapp.com/dogscats.zip

2.數據處理

datasets 是 torchvision 中的一個包，可以用做加載圖像數據。它可以以多線程（multi-thread）的形式從硬盤中讀取數據，使用 mini-batch 的形式，在網絡訓練中向 GPU 輸送。

在使用CNN處理圖像時，需要進行預處理。圖片將被整理成 224×224×3 的大小，同時還將進行歸一化處理，對於訓練集還進行了圖片水平翻轉（即數據增強）。

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']}
# 訓練集進行數據增強
dsets_train = {x: datasets.ImageFolder(os.path.join(data_dir, x), vgg_format_train)
         for x in ['train']}
# 驗證集不需要數據增強
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

# 通過下面代碼可以查看 dsets_train 的一些屬性
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 數據一共有2000張圖，每個batch是5張，因此，下面進行遍歷一共會輸出到 400,這里輸出循環結束時的count，會多1
同時，把第一個 batch 保存到 inputs_try, labels_try，分別查看
'''
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)

# 顯示圖片的小程序
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

# 顯示 labels_try 的5張圖片，即valid里第一個batch的5張圖片
out = torchvision.utils.make_grid(inputs_try)
imshow(out, title=[dset_classes[x] for x in labels_try])

3.創建VGG Model

torchvision中集成了很多在 ImageNet （120萬張訓練數據） 上預訓練好的通用的CNN模型，可以直接下載使用。

在本課程中，我們直接使用預訓練好的 VGG 模型。同時，為了展示 VGG 模型對本數據的預測結果，還下載了 ImageNet 1000 個類的 JSON 文件。

在這部分代碼中，對輸入的5個圖片利用VGG模型進行預測，同時，使用softmax對結果進行處理，隨后展示了識別結果。可以看到，識別結果是比較非常准確的。

!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)

'''
可以看到結果為5行，1000列的數據，每一列代表對每一種目標識別的結果。
但是我也可以觀察到，結果非常奇葩，有負數，有正數，
為了將VGG網絡輸出的結果轉化為對每一類的預測概率，我們把結果輸入到 Softmax 函數
'''
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. 凍結前面層的參數，修改網絡最后一層

最后我增加了兩個線性層，同時使用效果更好的參數為0.2的LeakyReLU函數

print(model_vgg)

model_vgg_new = model_vgg;

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

#增加兩個線性層，使用效果更好的參數為0.2的LeakyReLU函數
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.訓練並測試全連接層

5.1 訓練

訓練100個epoch，將正確率最大時的模型保存下來進行后續測試

from tqdm import trange,tqdm
'''
第一步：創建損失函數和優化器
損失函數 NLLLoss()的輸入是一個對數概率向量和一個目標標簽. 
它不會為我們計算對數概率，適合最后一層是log_softmax()的網絡. 
'''
criterion = nn.NLLLoss()
# 學習率
lr = 0.0003
# 隨機梯度下降優化為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：訓練模型
'''
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")
        
        
# 模型訓練
train_model(model_vgg_new,loader_train,size=dset_sizes['train'], epochs=100,optimizer=optimizer_vgg)

5.2 測試

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)
# 不加圖像增強 97.7

在驗證集上正確率98%

6.可視化模型預測結果（主觀分析）

# 單次可視化顯示的圖片個數
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])

# 類似的思路，可以顯示錯誤分類的圖片，這里不再重復代碼

7. 用test測試集進行測試

7.1 加載測試數據和已訓練好的模型

手動上傳test數據集

ImageFolder()的讀取方式是，在該文件夾內的文件夾中讀取文件。因此讀取時不能到test文件夾下

# 測試test中的加載測試數據,先手動上傳到當前目錄
! 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()的讀取方式是，在該文件夾內的文件夾中讀取文件。因此不能具體到test文件夾下
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)

#加載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 測試，將結果寫入文件

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"]))

最開始的參考代碼對test數據集的得分為96.95，添加數據增強后提升到97.55，在VGG模型最后多添加一個全連接層並采用dropout策略，訓練100個epoch並保存中間結果中模型最好的，這樣得分就提升到97.75了。
后來又將隨機梯度下降優化為Adam，訓練10個epoch就得到很好的效果，得分為98.1.

8.分析總結

使用預訓練的模型，凍結用於提取特征的網絡層的參數而只訓練最后輸出分類結果的網絡層的參數，可以大大降低模型訓練的復雜度。本次實戰中為提高模型分類的准確率，我先后添加了數據增強（對訓練集圖片進行水平翻轉）、在VGG模型最后添加兩個全連接層並采用dropout策略、訓練多個epoch並保存中間結果中模型最好的、將隨機梯度下降優化為Adam，模型准確率從最初的96.95提升到98.1，當然模型還有其他的優化空間，如本次實戰只是使用了原始數據集中的1800張圖片作為訓練集，如果使用的訓練集更大，理論上模型准確率可以進一步提高，如獎金賽冠軍甚至把驗證集的數據合並到訓練集來進行訓練，當然在他的模型中也采取了一定的策略防止過擬合。