貓狗分類CNN

實驗環境

編譯器 ：win10+python3.7.4+pycharm2018

庫： anaconda+pytorch+tensorflow+tensorboardX

硬體 gpu（可以沒有）

效能：

accuracy：準確度大概穩定在0.6左右。這是在二分類的情況下。如果測試自己的圖片，也就是存既不是貓也不是狗的概率的話，肯惡搞準確度會更低。

loss：約為0.02

Ⅰ、解決方法

一、資料集的預處理

1.訓練集

1.1.1 初始化：提取路徑和標籤

​ 這個問題是kaggle競賽的一個賽題。所以資料集也是由官方提供的。訓練集內容如下圖

​

我們可以看到，它的命名規則是 分類.序號.jpg

所以我們就只要建立兩個list，一個存路徑，一個存標籤

 self.list_img = []
 self.list_label = []                # 0:cat，1:dog

然後開啟訓練集，迴圈遍歷裡面的圖片

dir = train_path + '/'              #train_path為訓練集資料夾
for file in os.listdir(dir):
	self.list_img.append(dir + file)
    self.data_size += 1
    name = file.split(sep='.')		#以'.'為界限，分割檔名
    # one-hot
    if name[0] == 'cat':
    	self.list_label.append(0)
    else:
        self.list_label.append(1)
 

採用one-hot編碼，這樣對後期計算損失函式比較友好。

1.1.2 處理圖片

​ 思路：開啟圖片-->重新設定圖片大小-->轉換圖片為tensor的形式-->返回tensor和標籤

img = Image.open(self.list_img[item])		#item為選中的圖片序號
img = img.resize((IMAGE_H, IMAGE_W))		#重新設定圖片大小
img = np.array(img)[:, :, :3]
label = self.list_label[item]
return self.transform(img), torch.LongTensor([label])
 

其中transform函式的方法是

transforms.ToTensor() 

2.測試集

1.2.1初始化：

這是大賽提供的測試集。叫測試集或許不太準確，因為他沒有打標籤。姑且叫他測試集好了。

初始化的思路比訓練集要簡單，因為沒有標籤，所以只要遍歷資料夾然後把路徑存起來。

 dir = test_path + '/'           
 for file in os.listdir(dir):
 self.list_img.append(dir + file)    
 self.data_size += 1

1.2.2 處理圖片

​ 和訓練集差不多，因為沒有標籤所以只需要返回圖片就行

img = Image.open(self.list_img[item])
img = img.resize((IMAGE_H, IMAGE_W))
img = np.array(img)[:, :, :3]
return self.transform(img)

二、模型搭建

傷透心，別人程式碼隨便搭的網路都比我的效果好。果然，網路的搭建還是要有經驗。

有人說可以修改預訓練好的模型來再處理。看了好久，感覺搭了之後視覺化就不太會用了。作為新手操作不了，所以還是選擇用這樣的方法來做

def __init__(self):
    super(myNet, self).__init__()
    self.conv1 = torch.nn.Conv2d(3, 16, 3, padding=1)
    self.conv2 = torch.nn.Conv2d(16, 16, 3, padding=1)
    self.fc1 = nn.Linear(50*50*16, 128)
    self.fc2 = nn.Linear(128, 64)
    self.fc3 = nn.Linear(64, 2)        

def forward(self, x):                   
    x = self.conv1(x)
    x = F.relu(x)
    x = F.max_pool2d(x, 2)

    x = self.conv2(x)
    x = F.relu(x)
    x = F.max_pool2d(x, 2)

    x = x.view(x.size()[0], -1)
    x=self.fc1(x)
    x = F.relu(x)
    x=self.fc2(x)
    x = F.relu(x)
    x = self.fc3(x)

    return F.softmax(x, dim=1)        

三、訓練

1.引數

訓練就是普普通通的呼叫啦，然後一些引數什麼的都寫在開頭，可以根據自己的電腦效能改一改，我的初始引數如下

writer = SummaryWriter('./runs')        #視覺化儲存位置
save_model_path = './model/myModel.pth'               # 模型儲存位置
workers = 10                        # PyTorch讀取資料執行緒數量
batch_size = 32                     # batch_size大小
lr = 0.0001                         # 學習率

2.loss和準確度

因為是要有迭代的曲線。所以loss和準確度都是採用最近訓練的結果來計算的。我是以一個batch_size作為節點計算一次。

其中loss是交叉熵計演算法

for img, label in dataloader:
    img, label = Variable(img).cuda(), Variable(label).cuda()
    out = model(img)
    loss = criterion(out, label.squeeze())     
    loss.backward()
    optimizer.step()
    optimizer.zero_grad()
    cnt += 1

    _, preds = torch.max(out.data, 1)
    acc = float(torch.sum(preds==label.squeeze()))


    print('epoch:{},acc:{:.4f}, loss: {:.4f}'.format(cnt, acc/out.size()[0],loss/batch_size))         

3.結果

具體的曲線實現和展示，在視覺化部分說明

四、測試

1.test

測試方法就是隨機從測試集中提取一個圖片，然後輸出結果。

2.testMyImg

這個測試就是可以測試自己的圖片的。

與test的不同點在於，test測試的都是大賽給的資料集，所以內容不是貓就是狗。但是testMyImg是輸入自己的圖片，所以可能既沒有貓，也沒有狗。所以我設定了一個閾值VPT，只有可能性超過VPT才會判定。

可以根據自己的需求修改

VPT=0.5

注意！！因為設定的三通道，所以圖片格式為jpg

3.結果

1.test結果

2.testMyImg

3.我將整個網路結構都可視化了。具體方法在視覺化部分說明

Ⅱ 視覺化

一、工具

本來想用qypt來做一個介面，在裡面視覺化輸出的。但是中間出的叉子比較多。還涉及到多執行緒，速度太慢了。無意中發現了tensorboardX。發現太好用了！對於我這種還沒入門的新手，需要的功能還特別簡單。上手特！別！快！

tensorboardX是tensorflow下的一個視覺化工具。所以要用tensorboardX的話，要同時安裝tensorflow和tensorboardX。anaconda下安裝就行了，推薦使用豆瓣源

二、程式碼詳解

我是在訓練裡視覺化loss和accracy曲線。然後測試裡可視化了cnn網路結構和權重以及卷積核

開頭定義了儲存位置，可以根據自己的需求修改

writer = SummaryWriter('./runs')        #視覺化儲存位置

1.loss和accracy曲線

​ 用的是tensorboard的add_scalar

 writer.add_scalar('loss', loss/out.size()[0], cnt)
 writer.add_scalar('accuracy', acc/out.size()[0],cnt)

2.cnn網路結構視覺化

  writer.add_graph(model, (img,))  # 記錄神經網路結構

3.權重、卷積核可視化

權重視覺化

for name, param in model.named_parameters():
    if 'conv' in name and 'weight' in name:
        in_channels = param.size()[1]

        k_w, k_h = param.size()[3], param.size()[2]  # 卷積核的尺寸
        kernel_all = param.view(-1, 1, k_w, k_h)  # 每個通道的卷積核
        kernel_grid =utils.make_grid(kernel_all, normalize=True, scale_each=True, nrow=in_channels)
        writer.add_image(f'{name}_all', kernel_grid, global_step=0)

卷積核特徵值視覺化（根據自己的網路結構編寫）

 for name, layer in model._modules.items():
        if not('conv' in name):
             break
        showImg=layer(showImg)
        showImg=F.relu(showImg)
        showImg=F.max_pool2d(showImg,2)
        #
        x1 = showImg.transpose(0, 1)
        img_grid = utils.make_grid(x1, normalize=True, scale_each=True, nrow=4)  # normalize進行歸一化處理
        writer.add_image(f'{name}_feature_maps', img_grid, global_step=0)

4.其它

原圖儲存（以test為例，testMyImg也差不多）

 writer.add_image('img',datafile.__getitem__(index),)

結果儲存

writer.add_text('test\' result',str)

三、使用方法

可以在命令列操作 ，輸入tensorboard =視覺化檔案所在位置

tensorboard --logdir=runs

注意！！！！！

runs檔案內容每次都會新增，而不是覆蓋。如果覺得資料有干擾的話，建議每次執行之前，把上一次的runs檔案刪掉