运维开发网

在PyTorch中使用卷积神经网络建立图像分类模型

运维开发网 https://www.qedev.com 2021-01-08 08:31 出处:51CTO 作者:mb5ff2f3435f5ad
概述在PyTorch中构建自己的卷积神经网络(CNN)的实践教程我们将研究一个图像分类问题——CNN的一个经典和广泛使用的应用我们将以实用的格式介绍深度学习概念介绍我被神经网络的力量和能力所吸引。在机器学习和深度学习领域,几乎每一次突破都以神经网络模型为核心。这在计算机视觉领域尤为普遍。无论是简单的图像分类还是更高级的东西(如对象检测),神经网络开辟了处理图像数据的可能性。简而言之,对于像我这样的

概述

  • 在PyTorch中构建自己的卷积神经网络(CNN)的实践教程
  • 我们将研究一个图像分类问题——CNN的一个经典和广泛使用的应用
  • 我们将以实用的格式介绍深度学习概念

    介绍

    我被神经网络的力量和能力所吸引。在机器学习和深度学习领域,几乎每一次突破都以神经网络模型为核心。

    这在计算机视觉领域尤为普遍。无论是简单的图像分类还是更高级的东西(如对象检测),神经网络开辟了处理图像数据的可能性。简而言之,对于像我这样的数据科学家来说,这是一座金矿!

    在PyTorch中使用卷积神经网络建立图像分类模型

    当我们使用深度学习来解决一个图像分类问题时,简单的神经网络总是一个好的起点。但是,它们确实有局限性,而且模型的性能在达到一定程度后无法得到改善。

    这就是卷积神经网络(CNNs)改变了竞争环境的地方。它们在计算机视觉应用中无处不在。老实说,我觉得每一个计算机视觉爱好者都应该可以很快学会这个概念。

    我将向你介绍使用流行的PyTorch框架进行深度学习的新概念。在本文中,我们将了解卷积神经网络是如何工作的,以及它如何帮助我们改进模型的性能。我们还将研究在PyTorch中CNNs的实现。

    目录

    1.简要介绍PyTorch、张量和NumPy

    2.为什么选择卷积神经网络(CNNs)?

    3.识别服装问题

    4.使用PyTorch实现CNNs

    一、简要介绍PyTorch、张量和NumPy

    让我们快速回顾一下第一篇文章中涉及的内容。我们讨论了PyTorch和张量的基础知识,还讨论了PyTorch与NumPy的相似之处。

    PyTorch是一个基于python的库,提供了以下功能:

  • 用于创建可序列化和可优化模型的TorchScript
  • 以分布式训练进行并行化计算
  • 动态计算图,等等

    在PyTorch中使用卷积神经网络建立图像分类模型

    PyTorch中的张量类似于NumPy的n维数组,也可以与gpu一起使用。在这些张量上执行操作几乎与在NumPy数组上执行操作类似。这使得PyTorch非常易于使用和学习。

    在本系列的第1部分中,我们构建了一个简单的神经网络来解决一个案例研究。使用我们的简单模型,我们在测试集中获得了大约65%的基准准确度。现在,我们将尝试使用卷积神经网络来提高这个准确度。

    二、为什么选择卷积神经网络(CNNs)?

    在我们进入实现部分之前,让我们快速地看看为什么我们首先需要CNNs,以及它们是如何工作的。

    我们可以将卷积神经网络(CNNs)看作是帮助从图像中提取特征的特征提取器。

    在一个简单的神经网络中,我们把一个三维图像转换成一维图像,对吧?让我们看一个例子来理解这一点:

    在PyTorch中使用卷积神经网络建立图像分类模型

    你能认出上面的图像吗?这似乎说不通。现在,让我们看看下面的图片:

    在PyTorch中使用卷积神经网络建立图像分类模型

    我们现在可以很容易地说,这是一只狗。如果我告诉你这两个图像是一样的呢?相信我,他们是一样的!唯一的区别是第一个图像是一维的,而第二个图像是相同图像的二维表示。

    空间定位

    人工神经网络也会丢失图像的空间方向。让我们再举个例子来理解一下:

    在PyTorch中使用卷积神经网络建立图像分类模型

    你能分辨出这两幅图像的区别吗?至少我不能。由于这是一个一维的表示,因此很难确定它们之间的区别。现在,让我们看看这些图像的二维表示:

    在PyTorch中使用卷积神经网络建立图像分类模型

    在这里,图像某些定位已经改变,但我们无法通过查看一维表示来识别它。

    这就是人工神经网络的问题——它们失去了空间定位。

    大量参数

    神经网络的另一个问题是参数太多。假设我们的图像大小是28283 -所以这里的参数是2352。如果我们有一个大小为2242243的图像呢?这里的参数数量为150,528。

    这些参数只会随着隐藏层的增加而增加。因此,使用人工神经网络的两个主要缺点是:

    1.丢失图像的空间方向

    2.参数的数量急剧增加

    那么我们如何处理这个问题呢?如何在保持空间方向的同时减少可学习参数?

    这就是卷积神经网络真正有用的地方。CNNs有助于从图像中提取特征,这可能有助于对图像中的目标进行分类。它首先从图像中提取低维特征(如边缘),然后提取一些高维特征(如形状)。

    我们使用滤波器从图像中提取特征,并使用池技术来减少可学习参数的数量。

    在本文中,我们不会深入讨论这些主题的细节。如果你希望了解滤波器如何帮助提取特征和池的工作方式,我强烈建议你从头开始学习卷积神经网络的全面教程。

    三、理解问题陈述:识别服装

    理论部分已经铺垫完了,开始写代码吧。我们将讨论与第一篇文章相同的问题陈述。这是因为我们可以直接将我们的CNN模型的性能与我们在那里建立的简单神经网络进行比较。

    你可以从这里下载“识别”Apparels问题的数据集。

    https://datahack.analyticsvidhya.com/contest/practice-problem-identify-the-apparels/?utm_source=blog&utm_medium=building-image-classification-models-cnn-pytorch

    让我快速总结一下问题陈述。我们的任务是通过观察各种服装形象来识别服装的类型。我们总共有10个类可以对服装的图像进行分类:

    Label

    Description

在PyTorch中使用卷积神经网络建立图像分类模型

数据集共包含70,000张图像。其中60000张属于训练集,其余10000张属于测试集。所有的图像都是大小(28*28)的灰度图像。数据集包含两个文件夹,—一个用于训练集,另一个用于测试集。每个文件夹中都有一个.csv文件,该文件具有图像的id和相应的标签;

准备好开始了吗?我们将首先导入所需的库:

# 导入库
import pandas as pd
import numpy as np

# 读取与展示图片
from skimage.io import imread
import matplotlib.pyplot as plt
%matplotlib inline

# 创建验证集
from sklearn.model_selection import train_test_split

# 评估模型
from sklearn.metrics import accuracy_score
from tqdm import tqdm

# Pytorch的相关库
import torch
from torch.autograd import Variable
from torch.nn import Linear, ReLU, CrossEntropyLoss, Sequential, Conv2d, MaxPool2d, Module, Softmax, BatchNorm2d, Dropout
from torch.optim import Adam, SGD

加载数据集

现在,让我们加载数据集,包括训练,测试样本:

# 加载数据集
train = pd.read_csv('train_LbELtWX/train.csv')
test = pd.read_csv('test_ScVgIM0/test.csv')

sample_submission = pd.read_csv('sample_submission_I5njJSF.csv')

train.head()

在PyTorch中使用卷积神经网络建立图像分类模型

  • 该训练文件包含每个图像的id及其对应的标签
  • 另一方面,测试文件只有id,我们必须预测它们对应的标签
  • 样例提交文件将告诉我们预测的格式

    我们将一个接一个地读取所有图像,并将它们堆叠成一个数组。我们还将图像的像素值除以255,使图像的像素值在[0,1]范围内。这一步有助于优化模型的性能。

    让我们来加载图像:

# 加载训练图像
train_img = []
for img_name in tqdm(train['id']):
    # 定义图像路径
    image_path = 'train_LbELtWX/train/' + str(img_name) + '.png'
    # 读取图片
    img = imread(image_path, as_gray=True)
    # 归一化像素值
    img /= 255.0
    # 转换为浮点数
    img = img.astype('float32')
    # 添加到列表
    train_img.append(img)

# 转换为numpy数组
train_x = np.array(train_img)
# 定义目标
train_y = train['label'].values
train_x.shape

在PyTorch中使用卷积神经网络建立图像分类模型

如你所见,我们在训练集中有60,000张大小(28,28)的图像。由于图像是灰度格式的,我们只有一个单一通道,因此形状为(28,28)。

现在让我们研究数据和可视化一些图像:

# 可视化图片
i = 0
plt.figure(figsize=(10,10))
plt.subplot(221), plt.imshow(train_x[i], cmap='gray')
plt.subplot(222), plt.imshow(train_x[i+25], cmap='gray')
plt.subplot(223), plt.imshow(train_x[i+50], cmap='gray')
plt.subplot(224), plt.imshow(train_x[i+75], cmap='gray')

在PyTorch中使用卷积神经网络建立图像分类模型

以下是来自数据集的一些示例。我鼓励你去探索更多,想象其他的图像。接下来,我们将把图像分成训练集和验证集。

创建验证集并对图像进行预处理

# 创建验证集
train_x, val_x, train_y, val_y = train_test_split(train_x, train_y, test_size = 0.1)
(train_x.shape, train_y.shape), (val_x.shape, val_y.shape)

我们在验证集中保留了10%的数据,在训练集中保留了10%的数据。接下来将图片和目标转换成torch格式:


# 转换为torch张量
train_x = train_x.reshape(54000, 1, 28, 28)
train_x  = torch.from_numpy(train_x)

# 转换为torch张量
train_y = train_y.astype(int);
train_y = torch.from_numpy(train_y)

# 训练集形状
train_x.shape, train_y.shape

在PyTorch中使用卷积神经网络建立图像分类模型

同样,我们将转换验证图像:

# 转换为torch张量
val_x = val_x.reshape(6000, 1, 28, 28)
val_x  = torch.from_numpy(val_x)

# 转换为torch张量
val_y = val_y.astype(int);
val_y = torch.from_numpy(val_y)

# 验证集形状
val_x.shape, val_y.shape

在PyTorch中使用卷积神经网络建立图像分类模型

我们的数据现在已经准备好了。最后,是时候创建我们的CNN模型了!

四、使用PyTorch实现CNNs

我们将使用一个非常简单的CNN架构,只有两个卷积层来提取图像的特征。然后,我们将使用一个完全连接的Dense层将这些特征分类到各自的类别中。

让我们定义一下架构:


class Net(Module):   
    def __init__(self):
        super(Net, self).__init__()

        self.cnn_layers = Sequential(
            # 定义2D卷积层
            Conv2d(1, 4, kernel_size=3, stride=1, padding=1),
            BatchNorm2d(4),
            ReLU(inplace=True),
            MaxPool2d(kernel_size=2, stride=2),
            # 定义另一个2D卷积层
            Conv2d(4, 4, kernel_size=3, stride=1, padding=1),
            BatchNorm2d(4),
            ReLU(inplace=True),
            MaxPool2d(kernel_size=2, stride=2),
        )

        self.linear_layers = Sequential(
            Linear(4 * 7 * 7, 10)
        )

    # 前项传播
    def forward(self, x):
        x = self.cnn_layers(x)
        x = x.view(x.size(0), -1)
        x = self.linear_layers(x)
        return x

现在我们调用这个模型,定义优化器和模型的损失函数:

# 定义模型
model = Net()
# 定义优化器
optimizer = Adam(model.parameters(), lr=0.07)
# 定义loss函数
criterion = CrossEntropyLoss()
# 检查GPU是否可用
if torch.cuda.is_available():
    model = model.cuda()
    criterion = criterion.cuda()

print(model)

在PyTorch中使用卷积神经网络建立图像分类模型

这是模型的架构。我们有两个卷积层和一个线性层。接下来,我们将定义一个函数来训练模型:


def train(epoch):
    model.train()
    tr_loss = 0
    # 获取训练集
    x_train, y_train = Variable(train_x), Variable(train_y)
    # 获取验证集
    x_val, y_val = Variable(val_x), Variable(val_y)
    # 转换为GPU格式
    if torch.cuda.is_available():
        x_train = x_train.cuda()
        y_train = y_train.cuda()
        x_val = x_val.cuda()
        y_val = y_val.cuda()

    # 清除梯度
    optimizer.zero_grad()

    # 预测训练与验证集
    output_train = model(x_train)
    output_val = model(x_val)

    # 计算训练集与验证集损失
    loss_train = criterion(output_train, y_train)
    loss_val = criterion(output_val, y_val)
    train_losses.append(loss_train)
    val_losses.append(loss_val)

    # 更新权重
    loss_train.backward()
    optimizer.step()
    tr_loss = loss_train.item()
    if epoch%2 == 0:
        # 输出验证集loss
        print('Epoch : ',epoch+1, '\t', 'loss :', loss_val)

最后,我们将对模型进行25个epoch的训练,并存储训练和验证损失:

# 定义轮数
n_epochs = 25
# 空列表存储训练集损失
train_losses = []
# 空列表存储验证集损失
val_losses = []
# 训练模型
for epoch in range(n_epochs):
    train(epoch)

在PyTorch中使用卷积神经网络建立图像分类模型

可以看出,随着epoch的增加,验证损失逐渐减小。让我们通过绘图来可视化训练和验证的损失:

# 画出loss曲线
plt.plot(train_losses, label='Training loss')
plt.plot(val_losses, label='Validation loss')
plt.legend()
plt.show()

在PyTorch中使用卷积神经网络建立图像分类模型

啊,我喜欢想象的力量。我们可以清楚地看到,训练和验证损失是同步的。这是一个好迹象,因为模型在验证集上进行了很好的泛化。

让我们在训练和验证集上检查模型的准确性:

在PyTorch中使用卷积神经网络建立图像分类模型

# 训练集预测
with torch.no_grad():
    output = model(train_x.cuda())

softmax = torch.exp(output).cpu()
prob = list(softmax.numpy())
predictions = np.argmax(prob, axis=1)

# 训练集精度
accuracy_score(train_y, predictions)

训练集的准确率约为72%,相当不错。让我们检查验证集的准确性:

# 验证集预测
with torch.no_grad():
    output = model(val_x.cuda())

softmax = torch.exp(output).cpu()
prob = list(softmax.numpy())
predictions = np.argmax(prob, axis=1)

# 验证集精度
accuracy_score(val_y, predictions)

正如我们看到的损失,准确度也是同步的-我们在验证集得到了72%的准确度。

为测试集生成预测

最后是时候为测试集生成预测了。我们将加载测试集中的所有图像,执行与训练集相同的预处理步骤,最后生成预测。

所以,让我们开始加载测试图像:

# 载入测试图
test_img = []
for img_name in tqdm(test['id']):
    # 定义图片路径
    image_path = 'test_ScVgIM0/test/' + str(img_name) + '.png'
    # 读取图片
    img = imread(image_path, as_gray=True)
    # 归一化像素
    img /= 255.0
    # 转换为浮点数
    img = img.astype('float32')
    # 添加到列表
    test_img.append(img)

# 转换为numpy数组
test_x = np.array(test_img)
test_x.shape

在PyTorch中使用卷积神经网络建立图像分类模型

现在,我们将对这些图像进行预处理步骤,类似于我们之前对训练图像所做的:

# 转换为torch格式
test_x = test_x.reshape(10000, 1, 28, 28)
test_x  = torch.from_numpy(test_x)
test_x.shape

在PyTorch中使用卷积神经网络建立图像分类模型

最后,我们将生成对测试集的预测:

# 生成测试集预测
with torch.no_grad():
    output = model(test_x.cuda())

softmax = torch.exp(output).cpu()
prob = list(softmax.numpy())
predictions = np.argmax(prob, axis=1)

用预测替换样本提交文件中的标签,最后保存文件并提交到排行榜:

# 用预测替换
sample_submission['label'] = predictions
sample_submission.head()

在PyTorch中使用卷积神经网络建立图像分类模型

# 保存文件
sample_submission.to_csv('submission.csv', index=False)

你将在当前目录中看到一个名为submission.csv的文件。你只需要把它上传到问题页面的解决方案检查器上,它就会生成分数。链接:https://datahack.analyticsvidhya.com/contest/practice-problem-identify-the-apparels/?utm_source=blog&utm_medium=building-image-classification-models-cnn-pytorch

我们的CNN模型在测试集上给出了大约71%的准确率,这与我们在上一篇文章中使用简单的神经网络得到的65%的准确率相比是一个很大的进步。

结尾

在这篇文章中,我们研究了CNNs是如何从图像中提取特征的。他们帮助我们将之前的神经网络模型的准确率从65%提高到71%,这是一个重大的进步。

你可以尝试使用CNN模型的超参数,并尝试进一步提高准确性。要调优的超参数可以是卷积层的数量、每个卷积层的滤波器数量、epoch的数量、全连接层的数量、每个全连接层的隐藏单元的数量等。

0

精彩评论

暂无评论...
验证码 换一张
取 消