【pytorch速成】Pytorch图像分类从模型自定义到测试
【pytorch速成】Pytorch图像分类从模型自定义到测试
前面已跟大家介绍了Caffe和TensorFlow，链接如下。
【tensorflow速成】Tensorflow图像分类从模型自定义到测试
今天说说Pytorch。
01什么是 Pytorch
一句话总结 Pytorch = Python + Torch。
Torch 是纽约大学的一个机器学习开源框架，几年前在学术界非常流行，包括 Lecun等大佬都在使用。但是由于使用的是一种绝大部分人绝对没有听过的 Lua 语言，导致很多人都被吓退。后来随着 Python 的生态越来越完善，Facebook 人工智能研究院推出了Pytorch并开源。Pytorch不是简单的封装 Torch并提供Python接口，而是对Tensor以上的所有代码进行了重构，同TensorFlow一样，增加了自动求导。
后来Caffe2全部并入Pytorch，如今已经成为了非常流行的框架。很多最新的研究如风格化、GAN 等大多数采用Pytorch源码，这也是我们必须要讲解它的原因。
1.1 特点
（1）动态图计算。TensorFlow从静态图发展到了动态图机制Eager Execution，pytorch则一开始就是动态图机制。动态图机制的好处就是随时随地修改，随处debug，没有类似编译的过程。
（2）简单。相比TensorFlow中Tensor、Variable、Session等概念充斥，数据读取接口频繁更新，tf.nn、tf.layers、tf.contrib各自重复，Pytorch则是从Tensor到Variable再到nn.Module，最新的Pytorch已经将Tensor和Variable合并，这分别就是从数据张量到网络的抽象层次的递进。有人调侃TensorFlow的设计是“make it complicated”，那么 Pytorch的设计就是“keep it simple”。
1.2 重要概念
（1）Tensor/Variable
每一个框架都有基本的数据结构，Caffe是blob，TensorFlow和Pytorch都是Tensor，都是高维数组。Pytorch中的Tensor使用与Numpy的数组非常相似，两者可以互转且共享内存。
tensor包括cpu和gpu两种类型，如torch.FloatTensortorch.cuda.FloatTensorvirable，就分别表示cpu和gpu下的32位浮点数。
tensor包含一些属性。data，即Tensor内容；Grad，是与data对应的梯度；requires_grad，是否容许进行反向传播的学习，更多的可以去查看API。
（2）nn.module
抽象好的网络数据结构，可以表示为网络的一层，也可以表示为一个网络结构，这是一个基类。在实际使用过程中，经常会定义自己的网络，并继承nn.Module。具体的使用，我们看下面的网络定义吧。
（3）torchvision包，包含了目前流行的数据集，模型结构和常用的图片转换工具
02Pytorch 训练
安装咱们就不说了，接下来的任务就是开始训练模型。训练模型包括数据准备、模型定义、结果保存与分析。
2.1 数据读取
前面已经介绍了Caffe和TensorFlow的数据读取，两者的输入都是图片list，但是读取操作过程差异非常大，Pytorch与这两个又有很大的差异。这一次，直接利用文件夹作为输入，这是 Pytorch更加方便的做法。数据读取的完整代码如下：
data_dir = '../../../../datas/head/' data_transforms = { 'train': transforms.Compose([ transforms.RandomSizedCrop(48), transforms.RandomHorizontalFlip(), transforms.ToTensor(), transforms.Normalize([0.5,0.5,0.5], [0.5,0.5,0.5]) ]), 'val': transforms.Compose([ transforms.Scale(64), transforms.CenterCrop(48), transforms.ToTensor(), transforms.Normalize([0.5,0.5,0.5], [0.5,0.5,0.5]) ]), } image_datasets = {x: datasets.ImageFolder(os.path.join(data_dir, x), data_transforms[x]) for x in ['train', 'val']} dataloders = {x: torch.utils.data.DataLoader(image_datasets[x], batch_size=16, shuffle=True, num_workers=4) for x in ['train', 'val']}
下面一个一个解释，完整代码请移步 Git 工程。
（1）datasets.ImageFolder
Pytorch的torchvision模块中提供了一个dataset 包，它包含了一些基本的数据集如mnist、coco、imagenet和一个通用的数据加载器ImageFolder。
它会以这样的形式组织数据，具体的请到Git工程中查看。
root/left/1.png root/left/2.png root/left/3.png root/right/1.png root/right/2.png root/right/3.png
imagefolder有3个成员变量。
self.classes：用一个list保存类名，就是文件夹的名字。
self.class_to_idx：类名对应的索引，可以理解为 0、1、2、3 等。
self.imgs：保存（imgpath，class），是图片和类别的数组。
不同文件夹下的图，会被当作不同的类，天生就用于图像分类任务。
（2）Transforms
这一点跟Caffe非常类似，就是定义了一系列数据集的预处理和增强操作。到此，数据接口就定义完毕了，接下来在训练代码中看如何使用迭代器进行数据读取就可以了，包括 scale、减均值等。
（3）torch.utils.data.DataLoader
这就是创建了一个 batch，生成真正网络的输入。关于更多 Pytorch 的数据读取方法，请自行学习。
2.2 模型定义
import torch import torch.nn as nn import torch.nn.functional as F import numpy as np class simpleconv3(nn.Module):` def __init__(self): super(simpleconv3,self).__init__() self.conv1 = nn.Conv2d(3, 12, 3, 2) self.bn1 = nn.BatchNorm2d(12) self.conv2 = nn.Conv2d(12, 24, 3, 2) self.bn2 = nn.BatchNorm2d(24) self.conv3 = nn.Conv2d(24, 48, 3, 2) self.bn3 = nn.BatchNorm2d(48) self.fc1 = nn.Linear(48 * 5 * 5 , 1200) self.fc2 = nn.Linear(1200 , 128) self.fc3 = nn.Linear(128 , 2) def forward(self , x): x = F.relu(self.bn1(self.conv1(x))) x = F.relu(self.bn3(self.conv3(x))) x = x.view(-1 , 48 * 5 * 5) x = F.relu(self.fc1(x)) x = F.relu(self.fc2(x)) x = self.fc3(x) return x
我们的例子都是采用一个简单的3层卷积 + 2层全连接层的网络结构。根据上面的网络结构的定义，需要做以下事情。
（1）simpleconv3(nn.Module)
继承nn.Module，前面已经说过，Pytorch的网络层是包含在nn.Module 里，所以所有的网络定义，都需要继承该网络层，并实现super方法，如下：
super(simpleconv3,self).__init__()
这个就当作一个标准执行就可以了。
（2）网络结构的定义都在nn包里，举例说明：
torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
完整的接口如上，定义的第一个卷积层如下：
nn.Conv2d(3, 12, 3, 2)
即输入通道为3，输出通道为12，卷积核大小为3，stride=2，其他的层就不一一介绍了，大家可以自己去看nn的API。
（3）forward
backward方法不需要自己实现，但是forward函数是必须要自己实现的，从上面可以看出，forward 函数也是非常简单，串接各个网络层就可以了。
对比Caffe和TensorFlow可以看出，Pytorch的网络定义更加简单，初始化方法都没有显示出现，因为 Pytorch已经提供了默认初始化。
如果我们想实现自己的初始化，可以这么做：
init.xavier_uniform(self.conv1.weight)init.constant(self.conv1.bias, 0.1)
它会对conv1的权重和偏置进行初始化。如果要对所有conv层使用 xavier 初始化呢？可以定义一个函数：
def weights_init(m): if isinstance(m, nn.Conv2d): xavier(m.weight.data) xavier(m.bias.data) net = Net() net.apply(weights_init)
03模型训练
网络定义和数据加载都定义好之后，就可以进行训练了，老规矩先上代码：
def train_model(model, criterion, optimizer, scheduler, num_epochs=25): for epoch in range(num_epochs): print('Epoch {}/{}'.format(epoch, num_epochs - 1)) for phase in ['train', 'val']: if phase == 'train': scheduler.step() model.train(True) else: model.train(False) running_loss = 0.0 running_corrects = 0.0 for data in dataloders[phase]: inputs, labels = data if use_gpu: inputs = Variable(inputs.cuda()) labels = Variable(labels.cuda()) else: inputs, labels = Variable(inputs), Variable(labels) optimizer.zero_grad() outputs = model(inputs) _, preds = torch.max(outputs.data, 1) loss = criterion(outputs, labels) if phase == 'train': loss.backward() optimizer.step() running_loss += loss.data.item() running_corrects += torch.sum(preds == labels).item() epoch_loss = running_loss / dataset_sizes[phase] epoch_acc = running_corrects / dataset_sizes[phase] if phase == 'train': writer.add_scalar('data/trainloss', epoch_loss, epoch) writer.add_scalar('data/trainacc', epoch_acc, epoch) else: writer.add_scalar('data/valloss', epoch_loss, epoch) writer.add_scalar('data/valacc', epoch_acc, epoch) print('{} Loss: {:.4f} Acc: {:.4f}'.format( phase, epoch_loss, epoch_acc)) writer.export_scalars_to_json("./all_scalars.json") writer.close() return model
分析一下上面的代码，外层循环是epoches，然后利用 for data in dataloders[phase] 循环取一个epoch 的数据，并塞入variable，送入model。需要注意的是，每一次forward要将梯度清零，即optimizer.zero_grad()，因为梯度会记录前一次的状态，然后计算loss进行反向传播。
loss.backward() optimizer.step()
下面可以分别得到预测结果和loss，每一次epoch 完成计算。
epoch_loss = running_loss / dataset_sizes[phase] epoch_acc = running_corrects / dataset_sizes[phase] _, preds = torch.max(outputs.data, 1) loss = criterion(outputs, labels)
可视化是非常重要的，鉴于TensorFlow的可视化非常方便，我们选择了一个开源工具包，tensorboardx，安装方法为pip install tensorboardx，使用非常简单。
第一步，引入包定义创建：
from tensorboardX import SummaryWriter writer = SummaryWriter()
第二步，记录变量，如train阶段的 loss，writer.add_scalar('data/trainloss', epoch_loss, epoch)。
按照以上操作就完成了，完整代码可以看配套的Git 项目，我们看看训练中的记录。Loss和acc的曲线图如下：
网络的收敛没有Caffe和TensorFlow好，大家可以自己去调试调试参数了，随便折腾吧。
04Pytorch 测试
上面已经训练好了模型，接下来的目标就是要用它来做inference了，同样给出代码。
import torch import torch.nn as nn import torch.optim as optim from torch.optim import lr_scheduler from torch.autograd import Variable import torchvision from torchvision import datasets, models, transforms import time import os from PIL import Image import sys import torch.nn.functional as F from net import simpleconv3 data_transforms = transforms.Compose([ transforms.Resize(48), transforms.ToTensor(), transforms.Normalize([0.5,0.5,0.5], [0.5,0.5,0.5])]) net = simpleconv3() modelpath = sys.argv[1] net.load_state_dict(torch.load(modelpath,map_location=lambda storage,loc: storage)) imagepath = sys.argv[2] image = Image.open(imagepath) imgblob = data_transforms(image).unsqueeze(0) imgblob = Variable(imgblob) torch.no_grad() predict = F.softmax(net(imgblob)) print(predict)
从上面的代码可知，做了几件事：
定义网络并使用torch.load和load_state_dict载入模型。
用PIL的Image包读取图片，这里没有用OpenCV，因为Pytorch默认的图片读取工具就是PIL的Image，它会将图片按照RGB的格式，归一化到 0～1 之间。读取图片之后，必须转化为Tensor变量。
evaluation的时候，必须设置torch.no_grad()，然后就可以调用 softmax 函数得到结果了。
05
总结
本节讲了如何用 Pytorch 完成一个分类任务，并学习了可视化以及使用训练好的模型做测试。