第四次作业：猫狗大战挑战赛

第四次作业：猫狗大战挑战赛

本博客为OUC软件工程2022秋第18小组第四次作业

第18小组

组长：罗浩宇

组员：罗浩宇

一、VGG模型的迁移学习

1. 下载数据

将教程中的数据集下载到colab，解压。

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

2. 数据处理

使用datasets包进行数据集的制作与加载，加载分为训练数据 train 类和测试用数据 val 类。

datasets 是 torchvision 中的一个包，可以用做加载图像数据。它可以以多线程（multi-thread）的形式从硬盘中读取数据，使用 mini-batch 的形式，在网络训练中向 GPU 输送。在使用CNN处理图像时，需要进行预处理。图片将被整理成 224×224×3 的大小，同时还将进行归一化处理。

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,
            ])

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']}
dset_classes = dsets['train'].classes

输出数据集的一部分属性，可以看到 cat 标记为0，dog 标记为1，训练样本为1800个，测试样本2000个。

Output：

[‘cats’, ‘dogs’]

{‘cats’: 0, ‘dogs’: 1}

[(‘./dogscats/train/cats/cat.0.jpg’, 0), (‘./dogscats/train/cats/cat.1.jpg’, 0), (‘./dogscats/train/cats/cat.10.jpg’, 0), (‘./dogscats/train/cats/cat.100.jpg’, 0), (‘./dogscats/train/cats/cat.101.jpg’, 0)]

dset_sizes: {‘train’: 1800, ‘valid’: 2000}

加载数据 train 和 vaild ，train 的每个 batch 为64张，valid 的每个 batch 为5张

loader_train = torch.utils.data.DataLoader(dsets['train'], batch_size=64, shuffle=True, num_workers=6)
loader_valid = torch.utils.data.DataLoader(dsets['valid'], batch_size=5, shuffle=False, num_workers=6)
'''
valid 数据一共有2000张图，每个batch是5张，因此，下面进行遍历一共会输出到 400
同时，把第一个 batch 保存到 inputs_try, labels_try，分别查看
'''
count = 1
for data in loader_valid:
    print(count, end='\n')
    if count == 1:
        inputs_try,labels_try = data
    count +=1

print(labels_try)
print(inputs_try.shape)

显示valid第一个batch的图片

# 显示 labels_try 的5张图片，即valid里第一个batch的5张图片
out = torchvision.utils.make_grid(inputs_try)
imshow(out, title=[dset_classes[x] for x in labels_try])

3. 创建 VGG Model

使用 ImageNet 上预训练好的通用的CNN模型，下载 ImageNet 1000 个类的 JSON 文件，用于展示。

对输入的5个图片利用VGG模型进行预测，同时，使用softmax对结果进行处理，随后展示识别结果。

!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)

'''
可以看到结果为5行，1000列的数据，每一列代表对每一种目标识别的结果。
但是我也可以观察到，结果非常奇葩，有负数，有正数，
为了将VGG网络输出的结果转化为对每一类的预测概率，我们把结果输入到 Softmax 函数
'''
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. 修改最后一层，冻结前面层的参数

我们的目标是使用预训练好的模型，因此，需要把最后的 nn.Linear 层由1000类，替换为2类。为了在训练中冻结前面层的参数，需要设置 required_grad=False。这样，反向传播训练梯度时，前面层的权重就不会自动更新了。训练中，只会更新最后一层的参数。

print(model_vgg)

model_vgg_new = model_vgg;

for param in model_vgg_new.parameters():
    param.requires_grad = False
model_vgg_new.classifier._modules['6'] = nn.Linear(4096, 2)
model_vgg_new.classifier._modules['7'] = torch.nn.LogSoftmax(dim = 1)

model_vgg_new = model_vgg_new.to(device)

print(model_vgg_new.classifier)

Output：

VGG(
  (features): Sequential(
    (0): Conv2d(3, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (1): ReLU(inplace=True)
    (2): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (3): ReLU(inplace=True)
    (4): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (5): Conv2d(64, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (6): ReLU(inplace=True)
    (7): Conv2d(128, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (8): ReLU(inplace=True)
    (9): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (10): Conv2d(128, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (11): ReLU(inplace=True)
    (12): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (13): ReLU(inplace=True)
    (14): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (15): ReLU(inplace=True)
    (16): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (17): Conv2d(256, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (18): ReLU(inplace=True)
    (19): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (20): ReLU(inplace=True)
    (21): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (22): ReLU(inplace=True)
    (23): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (24): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (25): ReLU(inplace=True)
    (26): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (27): ReLU(inplace=True)
    (28): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (29): ReLU(inplace=True)
    (30): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  )
  (avgpool): AdaptiveAvgPool2d(output_size=(7, 7))
  (classifier): Sequential(
    (0): Linear(in_features=25088, out_features=4096, bias=True)
    (1): ReLU(inplace=True)
    (2): Dropout(p=0.5, inplace=False)
    (3): Linear(in_features=4096, out_features=4096, bias=True)
    (4): ReLU(inplace=True)
    (5): Dropout(p=0.5, inplace=False)
    (6): Linear(in_features=4096, out_features=1000, bias=True)
  )
)
Sequential(
  (0): Linear(in_features=25088, out_features=4096, bias=True)
  (1): ReLU(inplace=True)
  (2): Dropout(p=0.5, inplace=False)
  (3): Linear(in_features=4096, out_features=4096, bias=True)
  (4): ReLU(inplace=True)
  (5): Dropout(p=0.5, inplace=False)
  (6): Linear(in_features=4096, out_features=2, bias=True)
  (7): LogSoftmax(dim=1)
)

5. 训练并测试全连接层

①创建损失函数和优化器、训练模型

'''
第一步：创建损失函数和优化器
损失函数 NLLLoss() 的 输入 是一个对数概率向量和一个目标标签. 
它不会为我们计算对数概率，适合最后一层是log_softmax()的网络. 
'''
criterion = nn.NLLLoss()

# 学习率
lr = 0.001

# 随机梯度下降
optimizer_vgg = torch.optim.SGD(model_vgg_new.classifier[6].parameters(),lr = lr)

'''
第二步：训练模型
'''
def train_model(model,dataloader,size,epochs=1,optimizer=None):
    model.train()
    
    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
        print('Loss: {:.4f} Acc: {:.4f}'.format(
                     epoch_loss, epoch_acc))
               
# 模型训练
train_model(model_vgg_new,loader_train,size=dset_sizes['train'], epochs=1, 
            optimizer=optimizer_vgg) 
            

训练结果：

②测试模型

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=dset_sizes['valid'])

测试结果：

6. 可视化模型预测结果（主观分析）

主观分析就是把预测的结果和相对应的测试图像输出出来看看，一般有四种方式：

• 随机查看一些预测正确的图片
• 随机查看一些预测错误的图片
• 预测正确，同时具有较大的probability的图片
• 预测错误，同时具有较大的probability的图片
• 最不确定的图片，比如说预测概率接近0.5的图片

# 单次可视化显示的图片个数
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'][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])
# 类似的思路，可以显示错误分类的图片，这里不再重复代码

二、猫狗大战挑战赛

1. 简介

本次模型训练及测试主要基于 比赛的训练集(20000张图片)、测试集(2000张图片)，利用fine-tune的VGG模型进行测试，并将测试结果保存到csv文件中，然后将文件上传比赛评测网站进行分数评测。

本次模型训练历史得分和优化后的得分如下图，最高得分为 98.2 分。

2. 数据集制作与上传

本次训练使用的数比赛的训练数据集及测试数据。

首先下载比赛的数据集到本地，手动分类到cats和dogs两种不同的文件夹中，复制比赛数据集中的test到dogscats，在test目录下创建新文件夹test_image，将图片放入，避免出现找不到目录的情况，然后整个打包上传到google云盘。

在 colab 中引用上传到google云盘的数据集，并解压

from google.colab import drive
drive.mount('/content/drive')
! unzip /content/drive/MyDrive/dogscats.zip

制作数据集，因为测试需要使用比赛的测试数据集，所以在原有的数据集代码中引入 test 文件夹目录

dsets = {x: datasets.ImageFolder(os.path.join(data_dir, x), vgg_format)
         for x in ['train', 'valid', 'test']}
dset_sizes = {x: len(dsets[x]) for x in ['train', 'valid', 'test']}

可以看到输出结果显示，已经引入了所有应当使用的文件，20000 个 train 以及新增的 2000 个 test 。

2. 初次模型训练与测试

使用VGG Model中集成的通用的CNN模型，将模型进行训练，训练结果如下

将模型保存以备可能的多次使用

#保存模型
torch.save(model_vgg_new, "/content/drive/MyDrive/model_vgg_new")

对训练结果进行测试，测试文件为test下的图片，每个 batch_size 取10

在目录下创建result_vc.csv，用以储存测试结果，然后将测试结果存入csv文件中

import csv
with open('./dogscats/result_vc.csv','w',newline="")as f:
  writer = csv.writer(f)
  for index,cls in enumerate(predictions):  
    #提取图片路径
    path = datasets.ImageFolder(os.path.join(data_dir,'test'),vgg_format).imgs[index][0]
    #提取图片名字
    image_name = (path.split("/"))[-1] 
    #print(image_name) 
    #提取图片id
    image_id = ((image_name.split("."))[0])
    #print(image_id)
    writer.writerow([image_id,cls])

将csv文件下载到本地，手动进行排序后上传比赛网站。得到评测结果为97.35分。

3. 优化训练

调整训练数据 train 的 batch_size 为128

loader_train = torch.utils.data.DataLoader(dsets['train'], batch_size=128, shuffle=True, num_workers=6)

把 vgg16 修改为使用 vgg19 model

model_vgg = models.vgg19(pretrained=True)

在创建损失函数和优化器时候，将SGD改为Adam优化器

optimizer_vgg = torch.optim.Adam(model_vgg_new.classifier[6].parameters(),lr = lr)

再次进行训练，训练结果显示如下，Acc由 95% 左右提升到了 97% 左右

再次保存模型后进行测试，将测试结果输出并提交比赛网站测评。

可以看到，得分上升到了98.1分。

4. 再次优化训练

在原本的网络中间添加LeakyReLU激活函数，并引入Dropout防止过拟合。

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)

再次尝试训练并得到测试结果，在此次训练中重复训练了两次得到了两个不同的模型，其中第二次的模型得分表现更好。

最终第四个模型得分为98.2分。

5. 总结

为了提高模型预测的准确率，在原本的VGG模型的基础上进行里如下改动，对准确率有所提升。

①调整训练数据 train 的 batch_size 为128

②使用VGG19

③使用Adam优化器而非SGD

lace=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)