pytorch实现性别检测

卷积神经网络的训练是耗时的,很多场合不可能每次都从随机初始化参数开始训练网络。
 
1.训练
pytorch中自带几种常用的深度学习网络预训练模型,如VGG、ResNet等。往往为了加快学习的进度,在训练的初期我们直接加载pre-train模型中预先训练好的参数,所以这里使用的网络是:
torchvision.models.Resnet34(pretrained=True)

然后更改其最后的全连接层。因为resnet网络最后一层分类层fc是对1000种类型进行划分,对于自己的数据集,这里进行的是性别检测,只有男/女2类,所以修改的代码为:

#提取fc层中固定的参数
fc_features = model.fc.in_features
#修改类别为2
model.fc = nn.Linear(fc_features, )

在网上看见一些教程仅对最后一层全连接层的参数进行训练,所以他们的设定为:

#冻结参数,不训练卷积层网络
for param in model_conv.parameters():
param.requires_grad = False

然后下面就是定义你使用的损失函数,优化器和学习率调整的算法:

注意在这里可以看见优化器中输入的参数为model_conv.fc.parameters(),即仅对全连接层fc的参数进行调参

#定义使用的损失函数为交叉熵代价函数
criterion = nn.CrossEntropyLoss()
#定义使用的优化器
optimizer_conv = optim.SGD(model_conv.fc.parameters(), lr=0.0001, momentum=0.9)
#设置自动递减的学习率,等间隔调整学习率,即在25个step时,将学习率调整为 lr*gamma
exp_lr_scheduler = optim.lr_scheduler.StepLR(optimizer_conv, step_size=, gamma=0.1)

但是我训练过程发现这样做的效果不是很好,我还是对整个网络的参数都进行了训练,所以我没有进行冻结参数的设定,同时使用的算法中传入的参数是model_conv.parameters()

这样得到的最好训练结果是:

train Loss: 0.1020 Acc: 0.9617
val Loss: 0.0622 Acc: 0.9820
Training complete in 336m 56s
Best val Acc: 0.982000

可见其实还没有训练完,还是欠拟合的状态

⚠️补充知识:optimizer.step()和scheduler.step()的区别:
optimizer.step()通常用在每个mini-batch之中,而scheduler.step()通常用在epoch里面,但是不绝对,可以根据具体的需求来做。只有用了optimizer.step(),模型才会更新,而scheduler.step()是对lr进行调整。

然后后面我调了一下优化器,从momentum改成了Adam,并将学习率的调整step_size更改为20,让其一开始能更快收敛:

#定义的优化器
optimizer_conv = optim.Adam(model_conv.parameters(), lr=0.0001, betas=(0.9, 0.99))
#设置自动递减的学习率,等间隔调整学习率,即在20个step时,将学习率调整为 lr*gamma
exp_lr_scheduler = optim.lr_scheduler.StepLR(optimizer_conv, step_size=, gamma=0.1)

运行结果优化为:

train Loss: 0.0668 Acc: 0.9725
val Loss: 0.0630 Acc: 0.9820
Training complete in 385m 42s
Best val Acc: 0.986000

可见效果好了一点,但是还是没能训练完,之后又对代码进行了更改,将step_size调节得更大,使得一开始能够收敛得快一些,以免后面的学习率过小后一直收敛不下去:

optimizer_conv = optim.Adam(model_conv.parameters(), lr=0.0001, betas=(0.9, 0.99))
#设置自动递减的学习率,等间隔调整学习率,即在45个step时,将学习率调整为 lr*gamma
exp_lr_scheduler = optim.lr_scheduler.StepLR(optimizer_conv, step_size=, gamma=0.1)

判断的代码也进行了更改,不再是以最高的val acc作为最优参数的选择,而是选择train acc最高且train acc大于val acc的训练参数:

            # deep copy the model
# 对模型进行深度复制 if phase == 'train' and epoch_acc > best_train_acc:
temp = epoch_acc
if phase =='val' and epoch_acc > and epoch_acc < temp:
best_train_acc = temp
best_val_acc = epoch_acc
best_iteration = epoch
best_model_wts = copy.deepcopy(model.state_dict())

这样的返回值果然更好了一点:

Training complete in 500m 10s
Best epoch: 166.000000
Best train Acc: 0.985175
Best val Acc: 0.984000

代码运行过程中出现了错误:

RuntimeError: Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should be the same 

这个的解决办法是为model_conv也添加.to(device):

model_conv.to(device)

另一个错误是:

RuntimeError: Expected object of backend CPU but got backend CUDA for argument # 'mat1' 

觉得原因可能是因为我的机器上面只有一个cuda,所以要显示指明使用的是'cuda:0':

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

或者是因为一开始我将model_conv.to(device)写错了位置,写到了model_conv.fc = nn.Linear(fc_features, 2)之前,写到其后面即可

所以最后的训练代码为:

# coding:utf8
from torchvision import datasets, models
from torch import nn, optim
from torchvision import transforms as T
from torch.utils import data import os
import copy
import time
import torch #首先进行数据的处理
data_dir = './data'
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") #转换图片数据
normalize = T.Normalize([0.485, 0.456, 0.406],[0.229, 0.224, 0.225])
data_transforms ={
'train': T.Compose([
T.RandomResizedCrop(),#从图片中心截取
T.RandomHorizontalFlip(),#随机水平翻转给定的PIL.Image,翻转概率为0.
T.ToTensor(),#转成Tensor格式,大小范围为[,]
normalize
]), 'val': T.Compose([
T.Resize(),#重新设定大小
T.CenterCrop(),
T.ToTensor(),
normalize
]),
} #加载图片
#man的label为0, woman的label为1
image_datasets = {x : datasets.ImageFolder(os.path.join(data_dir, x), data_transforms[x]) for x in ['train', 'val']} #得到train和val中的数据量
dataset_sizes = {x : len(image_datasets[x].imgs) for x in ['train', 'val']}
dataloaders = {x : data.DataLoader(image_datasets[x], batch_size=, shuffle=True,num_workers=) for x in ['train', 'val']} #然后选择使用的模型
model_conv = models.resnet34(pretrained=True)
#冻结参数,不训练卷积层网络
#for param in model_conv.parameters():
# param.requires_grad = False #提取fc全连接层中固定的参数,后面的训练只对全连接层的参数进行优化
fc_features = model_conv.fc.in_features
#修改类别为2,即man和woman
model_conv.fc = nn.Linear(fc_features, )
model_conv.to(device)
#定义使用的损失函数为交叉熵代价函数
criterion = nn.CrossEntropyLoss()
#定义使用的优化器
#optimizer_conv = optim.SGD(model_conv.fc.parameters(), lr=0.0001, momentum=0.9)
#optimizer_conv = optim.SGD(model_conv.parameters(), lr=0.0001, momentum=0.9)
optimizer_conv = optim.Adam(model_conv.parameters(), lr=0.0001, betas=(0.9, 0.99))
#设置自动递减的学习率,等间隔调整学习率,即在7个step时,将学习率调整为 lr*gamma
exp_lr_scheduler = optim.lr_scheduler.StepLR(optimizer_conv, step_size=, gamma=0.1)
#exp_lr_scheduler = optim.lr_scheduler.ReduceLROnPlateau(optimizer_conv, mode='min', verbose=True) # 训练模型
# 参数说明:
# model:待训练的模型
# criterion:评价函数
# optimizer:优化器
# scheduler:学习率
# num_epochs:表示实现完整训练的次数,一个epoch表示一整個训练周期
def train_model(model, criterion, optimizer, scheduler, num_epochs=):
# 定义训练开始时间
since = time.time()
#用于保存最优的权重
best_model_wts = copy.deepcopy(model.state_dict())
#最优精度值
best_train_acc = 0.0
best_val_acc = 0.0
best_iteration = # # meters,统计指标:平滑处理之后的损失,还有混淆矩阵
# loss_meter = meter.AverageValueMeter()#能够计算所有数的平均值和标准差,用来统计一个epoch中损失的平均值
# confusion_matrix = meter.ConfusionMeter()#用来统计分类问题中的分类情况,是一个比准确率更详细的统计指标 # 对整个数据集进行num_epochs次训练
for epoch in range(num_epochs):
print('Epoch {}/{}'.format(epoch, num_epochs - ))
print('-' * ) #用于存储train acc还没有与val acc比较之前的值
temp =
# Each epoch has a training and validation phase
# 每轮训练训练包含`train`和`val`的数据
for phase in ['train', 'val']:
if phase == 'train':
# 学习率步进
scheduler.step()
# 设置模型的模式为训练模式(因为在预测模式下,采用了`Dropout`方法的模型会关闭部分神经元)
model.train() # Set model to training mode
else:
# 预测模式
model.eval() # Set model to evaluate mode running_loss = 0.0
running_corrects = # Iterate over data.
# 遍历数据,这里的`dataloaders`近似于一个迭代器,每一次迭代都生成一批`inputs`和`labels`数据,
# 一批有四个图片,一共有dataset_sizes['train']/4或dataset_sizes['val']/4批
# 这里循环几次就看有几批数据
for inputs, labels in dataloaders[phase]:
inputs = inputs.to(device) # 当前批次的训练输入
labels = labels.to(device) # 当前批次的标签输入
# print('input : ', inputs)
# print('labels : ', labels) # 将梯度参数归0
optimizer.zero_grad() # 前向计算
# track history if only in train
with torch.set_grad_enabled(phase == 'train'):
# 相应输入对应的输出
outputs = model(inputs)
# print('outputs : ', outputs)
# 取输出的最大值作为预测值preds,dim=,得到每行中的最大值的位置索引,用来判别其为0或1
_, preds = torch.max(outputs, )
# print('preds : ', preds)
# 计算预测的输出与实际的标签之间的误差
loss = criterion(outputs, labels)
# backward + optimize only if in training phase
if phase == 'train':
# 对误差进行反向传播
loss.backward()
#scheduler.step(loss) #当使用的学习率递减函数为optim.lr_scheduler.ReduceLROnPlateau时,使用在这里
# 执行优化器对梯度进行优化
optimizer.step() # loss_meter.add(loss.item())
# confusion_matrix.add(outputs.detach(), labels.detach()) # statistics
# 计算`running_loss`和`running_corrects`
#loss.item()得到的是此时损失loss的值
#inputs.size()得到的是一批图片的数量,这里为4
#两者相乘得到的是4张图片的总损失
#叠加得到所有数据的损失
running_loss += loss.item() * inputs.size()
#torch.sum(preds == labels.data)判断得到的结果中有几个正确,running_corrects得到四个中正确的个数
#叠加得到所有数据中判断成功的个数
running_corrects += torch.sum(preds == labels.data) # 当前轮的损失,除以所有数据量个数得到平均loss值
epoch_loss = running_loss / dataset_sizes[phase]
# 当前轮的精度,除以所有数据量个数得到平均准确度
epoch_acc = running_corrects.double() / dataset_sizes[phase] print('{} Loss: {:.4f} Acc: {:.4f}'.format(phase, epoch_loss, epoch_acc)) # deep copy the model
# 对模型进行深度复制
if phase == 'train' and epoch_acc > best_train_acc:
temp = epoch_acc
if phase =='val' and epoch_acc > and epoch_acc < temp:
best_train_acc = temp
best_val_acc = epoch_acc
best_iteration = epoch
best_model_wts = copy.deepcopy(model.state_dict()) # 计算训练所需要的总时间
time_elapsed = time.time() - since
print('Training complete in {:.0f}m {:.0f}s'.format(time_elapsed // 60, time_elapsed % 60))
print('Best epoch: {:4f}'.format(best_iteration))
print('Best train Acc: {:4f}'.format(best_train_acc))
print('Best val Acc: {:4f}'.format(best_val_acc)) # load best model weights
# 加载模型的最优权重
model.load_state_dict(best_model_wts)
return model if __name__ == '__main__':
model_train = train_model(model_conv, criterion, optimizer_conv, exp_lr_scheduler)
torch.save(model_train, 'GenderTest.pkl')
 
2.测试

使用上面生成的GenderTest.pkl进行测试:

测试数据集dataset_test.py的设计为:

# coding:utf8
import os
from torchvision import transforms as T
from PIL import Image
from torch.utils import data class GenderData(data.Dataset):
def __init__(self, root, transforms=None):
#将图片路径存储在imgs列表中
imgs = [os.path.join(root, img) for img in os.listdir(root)] self.imgs = imgs
if transforms is None:
#设置对数据进行转换的transform
normalize = T.Normalize([0.485, 0.456, 0.406],[0.229, 0.224, 0.225])
self.transforms = T.Compose([
T.Resize(),
T.CenterCrop(),
T.ToTensor(),
normalize
]) def __getitem__(self, index):
img_path = self.imgs[index]
#得到图片数据
data = Image.open(img_path)
#对数据进行转换
data = self.transforms(data)
return data def __len__(self):
return len(self.imgs)

测试代码test.py为:

# coding:utf8
import visdom
from datasets_test import GenderData
from torch.utils import data
from torchvision.utils import make_grid
import torch def visualize(data, preds):
viz = visdom.Visdom(env='main')
# print(data.size()) #一开始的大小为torch.Size([, , , ])
out = make_grid(data) #这样得到的输出的数据就是将四张图合成了一张图的大小,为
# print(out.size()) #torch.Size([, , ])
#因为反标准化时需要将图片的维度从(channels,imgsize,imgsieze)变成(imgsize,imgsieze,channels),这样才能与下面的std,mean正确计算
inp = torch.transpose(out, , )
# print(inp.size()) #返回torch.Size([, , ])
mean = torch.FloatTensor([0.485, 0.456, 0.406])
std = torch.FloatTensor([0.229, 0.224, 0.225])
inp = std * inp + mean
#计算完后还是要将维度变回来,所以再进行一次转换
inp = torch.transpose(inp, , )
# print(inp.size()) #返回torch.Size([, , ]) #注意,这里是因为设置了batch_size为四,所以title中才这样,如果你的batch_size不是4这里需要做一些更改
viz.images(inp, opts=dict(title='{},{},{},{}'.format(preds[].item(), preds[].item(), preds[].item(), preds[].item())))
#比如下面这个就是将batch_size改成1的结果
# viz.images(inp, opts=dict(title='{}'.format(preds[].item()))) def self_dataset():
data_test_root = './data/test1' #测试数据集所在的路径
test_data = GenderData(data_test_root)
#如果只测试一张图片,这里batch_size要改成1
dataloaders = data.DataLoader(test_data, batch_size= ,shuffle=True,num_workers=)
for inputs in dataloaders:
inputs = inputs.to(device) # 当前批次的训练输入
outputs = model_test(inputs)
_, preds = torch.max(outputs, )
visualize(inputs,preds) if __name__ == '__main__':
device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')
print(device) #导入上面训练得到的效果最佳的网络,因为测试是在只有cpu的机器上跑的,所以这里要添加map_location='cpu'
model_test = torch.load('./GenderTest.pkl',map_location='cpu')
#如果你是在有GPU的机器上跑的,可以删掉map_location='cpu',并添加一行
#model_test.to(device)
model_test.eval() dataloaders = self_dataset()

要将visdom打开:

python -m visdom.server

然后运行:

python test.py

即可以在visdom中看见结果,如下面的图片被判断为女生,右上角显示1:

pytorch实现性别检测

当然,这其实是国荣哥的剧照,只能说天生丽质的,应该不是我训练的效果问题

测试时出现一个问题:

OSError: cannot identify image file './data/test/.DS_Store'

这是因为mac系统中会自动生成一个.DS_Store隐藏文件,这里保存着针对这个目录的特殊信息和设置配置,例如查看方式、图标大小以及这个目录的一些附属元数据

而当我们想要打开图片的时候它会被当作一个图片文件路径加载,进而报错,因为它并不是一个图片文件,解决办法是在该图片文件夹下输入删除命令:

sudo find / -name ".DS_Store" -depth -exec rm {} \;

或者更简单的方法是到图片文件夹处直接运行:

rm .DS_Store

后面换成使用resnet18也能达到相近的效果,大家可以试试

上一篇:Windows多线程同步系列之三-----事件对象


下一篇:Android开发 ---基本UI组件2:图像按钮、单选按钮监听、多选按钮监听、开关