目录
前言
一、 前期准备
1. 设置GPU
2. 导入数据
3. 划分数据集
二、调用官方的VGG-16模型
三、 训练模型
1. 编写训练函数
2. 编写测试函数
3. 设置动态学习率
4. 正式训练
四、 结果可视化
1. Loss与Accuracy图
2. 指定图片进行预测
3. 模型评估
五、总结
前言
- 🍨 本文为🔗365天深度学习训练营中的学习记录博客
- 🍖 原作者：K同学啊
一、 前期准备
1. 设置GPU
如果设备上支持GPU就使用GPU,否则使用CPU
import torch
import torch.nn as nn
import torchvision.transforms as transforms
import torchvision
from torchvision import transforms, datasets
import os,PIL,pathlib,warnings
warnings.filterwarnings("ignore") #忽略警告信息
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
device2. 导入数据
import os,PIL,random,pathlib
data_dir = './6-data/'
data_dir = pathlib.Path(data_dir)
data_paths = list(data_dir.glob('*'))
classeNames = [str(path).split("\\")[1] for path in data_paths]
classeNames# 关于transforms.Compose的更多介绍可以参考：https://blog.csdn.net/qq_38251616/article/details/124878863
train_transforms = transforms.Compose([
transforms.Resize([224, 224]), # 将输入图片resize成统一尺寸
# transforms.RandomHorizontalFlip(), # 随机水平翻转
transforms.ToTensor(), # 将PIL Image或numpy.ndarray转换为tensor，并归一化到[0,1]之间
transforms.Normalize( # 标准化处理-->转换为标准正太分布（高斯分布），使模型更容易收敛
mean=[0.485, 0.456, 0.406],
std=[0.229, 0.224, 0.225]) # 其中 mean=[0.485,0.456,0.406]与std=[0.229,0.224,0.225] 从数据集中随机抽样计算得到的。
])
total_data = datasets.ImageFolder("./6-data/",transform=train_transforms)
total_datatotal_data.class_to_idx3. 划分数据集
train_size = int(0.8 * len(total_data))
test_size = len(total_data) - train_size
train_dataset, test_dataset = torch.utils.data.random_split(total_data, [train_size, test_size])
train_dataset, test_datasetbatch_size = 32
train_dl = torch.utils.data.DataLoader(train_dataset,
batch_size=batch_size,
shuffle=True,
num_workers=1)
test_dl = torch.utils.data.DataLoader(test_dataset,
batch_size=batch_size,
shuffle=True,
num_workers=1)for X, y in test_dl:
print("Shape of X [N, C, H, W]: ", X.shape)
print("Shape of y: ", y.shape, y.dtype)
break二、调用官方的VGG-16模型
VGG-16（Visual Geometry Group-16）是由牛津大学视觉几何组（Visual Geometry Group）提出的一种深度卷积神经网络架构，用于图像分类和对象识别任务。VGG-16在2014年被提出，是VGG系列中的一种。VGG-16之所以备受关注，是因为它在ImageNet图像识别竞赛中取得了很好的成绩，展示了其在大规模图像识别任务中的有效性。
以下是VGG-16的主要特点：
1深度：VGG-16由16个卷积层和3个全连接层组成，因此具有相对较深的网络结构。这种深度有助于网络学习到更加抽象和复杂的特征。
2卷积层的设计：VGG-16的卷积层全部采用3x3的卷积核和步长为1的卷积操作，同时在卷积层之后都接有ReLU激活函数。这种设计的好处在于，通过堆叠多个较小的卷积核，可以提高网络的非线性建模能力，同时减少了参数数量，从而降低了过拟合的风险。
3池化层：在卷积层之后，VGG-16使用最大池化层来减少特征图的空间尺寸，帮助提取更加显著的特征并减少计算量。
4全连接层：VGG-16在卷积层之后接有3个全连接层，最后一个全连接层输出与类别数相对应的向量，用于进行分类。
VGG-16结构说明：
●13个卷积层（Convolutional Layer），分别用blockX_convX表示；
●3个全连接层（Fully connected Layer），用classifier表示；
●5个池化层（Pool layer）。
VGG-16包含了16个隐藏层（13个卷积层和3个全连接层），故称为VGG-16
from torchvision.models import vgg16
device = "cuda" if torch.cuda.is_available() else "cpu"
print("Using {} device".format(device))
# 加载预训练模型，并且对模型进行微调
model = vgg16(pretrained = True).to(device) # 加载预训练的vgg16模型
for param in model.parameters():
param.requires_grad = False # 冻结模型的参数，这样子在训练的时候只训练最后一层的参数
# 修改classifier模块的第6层（即：(6): Linear(in_features=4096, out_features=2, bias=True)）
# 注意查看我们下方打印出来的模型
model.classifier._modules['6'] = nn.Linear(4096,len(classeNames)) # 修改vgg16模型中最后一层全连接层，输出目标类别个数
model.to(device)
model
三、 训练模型
1. 编写训练函数
# 训练循环
def train(dataloader, model, loss_fn, optimizer):
size = len(dataloader.dataset) # 训练集的大小
num_batches = len(dataloader) # 批次数目, (size/batch_size，向上取整)
train_loss, train_acc = 0, 0 # 初始化训练损失和正确率
for X, y in dataloader: # 获取图片及其标签
X, y = X.to(device), y.to(device)
# 计算预测误差
pred = model(X) # 网络输出
loss = loss_fn(pred, y) # 计算网络输出和真实值之间的差距，targets为真实值，计算二者差值即为损失
# 反向传播
optimizer.zero_grad() # grad属性归零
loss.backward() # 反向传播
optimizer.step() # 每一步自动更新
# 记录acc与loss
train_acc += (pred.argmax(1) == y).type(torch.float).sum().item()
train_loss += loss.item()
train_acc /= size
train_loss /= num_batches
return train_acc, train_loss2. 编写测试函数
测试函数和训练函数大致相同，但是由于不进行梯度下降对网络权重进行更新，所以不需要传入优化器
def test (dataloader, model, loss_fn):
size = len(dataloader.dataset) # 测试集的大小
num_batches = len(dataloader) # 批次数目, (size/batch_size，向上取整)
test_loss, test_acc = 0, 0
# 当不进行训练时，停止梯度更新，节省计算内存消耗
with torch.no_grad():
for imgs, target in dataloader:
imgs, target = imgs.to(device), target.to(device)
# 计算loss
target_pred = model(imgs)
loss = loss_fn(target_pred, target)
test_loss += loss.item()
test_acc += (target_pred.argmax(1) == target).type(torch.float).sum().item()
test_acc /= size
test_loss /= num_batches
return test_acc, test_loss3. 设置动态学习率
# def adjust_learning_rate(optimizer, epoch, start_lr):
# # 每 2 个epoch衰减到原来的 0.98
# lr = start_lr * (0.92 ** (epoch // 2))
# for param_group in optimizer.param_groups:
# param_group['lr'] = lr
learn_rate = 1e-4 # 初始学习率
# optimizer = torch.optim.SGD(model.parameters(), lr=learn_rate)✨调用官方动态学习率接口
与上面方法是等价的
# 调用官方动态学习率接口时使用
lambda1 = lambda epoch: 0.92 ** (epoch // 4)
optimizer = torch.optim.SGD(model.parameters(), lr=learn_rate)
scheduler = torch.optim.lr_scheduler.LambdaLR(optimizer, lr_lambda=lambda1) #选定调整方法👉调用官方接口示例：
该代码块仅为代码讲解示例，不是整体程序的一部分
model = [torch.nn.Parameter(torch.randn(2, 2, requires_grad=True))]
optimizer = SGD(model, 0.1)
scheduler = ExponentialLR(optimizer, gamma=0.9)
for epoch in range(20):
for input, target in dataset:
optimizer.zero_grad()
output = model(input)
loss = loss_fn(output, target)
loss.backward()
optimizer.step()
scheduler.step()4. 正式训练
model.train()、model.eval()训练营往期文章中有详细的介绍。请注意观察我是如何保存最佳模型，与TensorFlow2的保存方式有何异同。
import copy
from datetime import datetime
import os
# 导入必要的PyTorch组件
import torch
import torch.nn as nn
from torch.optim import lr_scheduler
# 创建交叉熵损失函数
loss_fn = nn.CrossEntropyLoss()
# 设置训练的轮数（epoch）
epochs = 40
# 初始化训练和测试的损失和准确率列表
train_loss = []
train_acc = []
test_loss = []
test_acc = []
# 初始化最佳准确率和最佳模型参数
best_acc = 0
best_model_params = None
# 定义模型保存的根目录
model_root_dir = './model'
# 假设你的模型是一个包含卷积层的模型，下面是一个示例
class SimpleModel(nn.Module):
def __init__(self):
super(SimpleModel, self).__init__()
# 假设输入是一个 (224, 224) 大小的图像，通道数为 3
self.layer1 = nn.Conv2d(3, 32, kernel_size=3, stride=1, padding=1)
self.layer2 = nn.Conv2d(32, 64, kernel_size=3, stride=1, padding=1)
self.layer3 = nn.Conv2d(64, 128, kernel_size=3, stride=1, padding=1)
# 计算展平后线性层的输入特征数
self.fc1 = nn.Linear(128 * 224 * 224, 512) # 根据输入尺寸计算展平后的特征数
self.fc2 = nn.Linear(512, 10) # 假设分类任务是10类
def forward(self, x):
x = self.layer1(x)
x = self.layer2(x)
x = self.layer3(x)
x = x.view(x.size(0), -1) # 展平操作
x = self.fc1(x)
x = self.fc2(x)
return x
# 初始化模型
model = SimpleModel()
# 设置初始学习率和优化器
learn_rate = 1e-4
optimizer = torch.optim.Adam(model.parameters(), lr=learn_rate)
# 设置学习率调度器
lambda1 = lambda epoch: 0.92 ** (epoch // 4)
scheduler = lr_scheduler.LambdaLR(optimizer, lr_lambda=lambda1)
# 假设 train_dl 和 test_dl 已定义为你的训练和测试数据加载器
# 例如：train_dl = DataLoader(train_dataset, batch_size=64, shuffle=True)
# 开始训练循环
for epoch in range(epochs):
# 将模型设置为训练模式
model.train()
# 这里假设有一个函数来执行训练，并返回训练的准确率和损失
epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, optimizer)
# 更新学习率（如果是使用PyTorch的学习率调度器）
scheduler.step()
# 将模型设置为评估模式
model.eval()
# 这里假设有一个函数来执行测试，并返回测试的准确率和损失
epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)
# 如果当前epoch的测试准确率超过了之前的最佳准确率，则保存当前模型参数
if epoch_test_acc > best_acc:
best_acc = epoch_test_acc
best_model_params = copy.deepcopy(model.state_dict())
# 将当前epoch的准确率和损失添加到列表中
train_acc.append(epoch_train_acc)
train_loss.append(epoch_train_loss)
test_acc.append(epoch_test_acc)
test_loss.append(epoch_test_loss)
# 获取当前的学习率
lr = optimizer.state_dict()['param_groups'][0]['lr']
# 打印当前epoch的信息
template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%, Test_loss:{:.3f}, Lr:{:.2E}')
print(template.format(epoch+1, epoch_train_acc*100, epoch_train_loss,
epoch_test_acc*100, epoch_test_loss, lr))
# 创建一个带有时间戳的文件夹用来保存每次训练的最好模型
timestamp = datetime.now().strftime('%Y%m%d_%H%M%S')
model_dir = os.path.join(model_root_dir, timestamp)
os.makedirs(model_dir, exist_ok=True)
# 保存最佳模型参数
torch.save(best_model_params, os.path.join(model_dir, 'best_model_params.pth'))
print('best_model_params.pth 已保存在：' + model_dir)
print('Done')四、 结果可视化
1. Loss与Accuracy图
import matplotlib.pyplot as plt
#隐藏警告
import warnings
warnings.filterwarnings("ignore") #忽略警告信息
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
plt.rcParams['figure.dpi'] = 100 #分辨率
from datetime import datetime
current_time = datetime.now() # 获取当前时间
epochs_range = range(epochs)
plt.figure(figsize=(12, 3))
plt.subplot(1, 2, 1)
plt.plot(epochs_range, train_acc, label='Training Accuracy')
plt.plot(epochs_range, test_acc, label='Test Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')
plt.xlabel(current_time) # 打卡请带上时间戳，否则代码截图无效
plt.subplot(1, 2, 2)
plt.plot(epochs_range, train_loss, label='Training Loss')
plt.plot(epochs_range, test_loss, label='Test Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()
2. 指定图片进行预测
from PIL import Image
classes = list(total_data.class_to_idx)
def predict_one_image(image_path, model, transform, classes):
test_img = Image.open(image_path).convert('RGB')
plt.imshow(test_img) # 展示预测的图片
test_img = transform(test_img)
img = test_img.to(device).unsqueeze(0)
model.eval()
output = model(img)
_,pred = torch.max(output,1)
pred_class = classes[pred]
print(f'预测结果是：{pred_class}')# 预测训练集中的某张照片
predict_one_image(image_path='./6-data/Angelina Jolie/001_fe3347c0.jpg',
model=model,
transform=train_transforms,
classes=classes)
3. 模型评估
best_model.eval()
epoch_test_acc, epoch_test_loss = test(test_dl, best_model, loss_fn)五、总结
在进行模型训练时，我遇到了一些常见的错误和挑战，下面总结了几个注意事项和tips，供后续使用：
1. 模型参数和数据维度匹配：
• 报错：“mat1 and mat2 shapes cannot be multiplied”，通常是因为模型的输入数据维度和模型定义的层不匹配。特别是在卷积层后接全连接层时，确保通过展平（flatten）操作正确调整输入的形状。例如，卷积输出的大小和全连接层的输入维度必须匹配。
2. 'list' object has no attribute 'parameters' 错误：
• 这通常是因为将模型定义为一个列表（model = [torch.nn.Parameter(...)]），而不是一个 nn.Module 的子类对象。确保模型是一个继承自 nn.Module 的类的实例，并使用 model = MyModel() 的形式来初始化。
3. 学习率调整：
• 在使用学习率调度器时，确保传递给调度器的优化器是正确的。例如，scheduler = lr_scheduler.LambdaLR(optimizer, lr_lambda=lambda1)，这里 optimizer 必须是正确初始化的。我的错误是忘记了在定义优化器时直接把学习率衰减的逻辑写到 optimizer 中。
4. 保存模型的参数：
• 在训练过程中，常常需要保存模型的最佳参数。如果在 train() 函数中发现了最佳性能，使用 copy.deepcopy(model.state_dict()) 可以确保保存的是参数而不是模型本身，避免了模型结构被修改或丢失。
5. 学习率调度器：
• 使用学习率调度器（如 LambdaLR）时，确保每次更新都能正确调用 scheduler.step()，并且学习率的更新函数要根据训练周期进行调整。
