基于ResNet18网络完成图像分类任务

图像分类（Image Classification）是计算机视觉中的一个基础任务，将图像的语义将不同图像划分到不同类别。很多任务也可以转换为图像分类任务。比如人脸检测就是判断一个区域内是否有人脸，可以看作一个二分类的图像分类任务。

这里，我们使用的计算机视觉领域的经典数据集：CIFAR-10数据集，网络为ResNet18模型，损失函数为交叉熵损失，优化器为Adam优化器，评价指标为准确率。

5.5.1 数据处理

5.5.1.1 数据集介绍

CIFAR-10数据集包含了10种不同的类别、共60,000张图像，其中每个类别的图像都是6000张，图像大小均为32×3232×32像素。CIFAR-10数据集的示例如 图5.15 所示。

图5.15：CIFAR-10数据集示例

5.5.1.2 数据读取

在本实验中，将原始训练集拆分成了train_set、dev_set两个部分，分别包括40 000条和10 000条样本。将data_batch_1到data_batch_4作为训练集，data_batch_5作为验证集，test_batch作为测试集。 最终的数据集构成为：

• 训练集：40 000条样本。
• 验证集：10 000条样本。
• 测试集：10 000条样本。

读取一个batch数据的代码如下所示：

import numpy as np
import torch
from matplotlib import pyplot as plt
from torchvision.transforms import transforms
import torchvision
from torch.utils.data import DataLoader

transformer = transforms.Compose([transforms.ToTensor(),
                                  transforms.Normalize(mean=[0.4914, 0.4822, 0.4465], std=[0.2023, 0.1994, 0.2010])])

trainset = torchvision.datasets.CIFAR10(root='./cifar10', train=True, download=True, transform=transformer)
devset = torchvision.datasets.CIFAR10(root='./cifar10', train=False, download=True, transform=transformer)
testset = torchvision.datasets.CIFAR10(root='./cifar10', train=False, download=True, transform=transformer)

classes = ('plane', 'car', 'bird', 'cat',
           'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

可视化其中一张图片

image, label = trainset[0]
print(image.size())
image, label = np.array(image), int(label)
plt.imshow(image.transpose(1, 2, 0))
plt.show()

print(classes[label])

5.5.2 模型构建

使用torchvision API中的Resnet18进行图像分类实验。

from torchvision.models import resnet18
 
resnet18_model = resnet18(pretrained=True)

5.5.3 模型训练

复用RunnerV3类，实例化RunnerV3类，并传入训练配置。 使用训练集和验证集进行模型训练，共训练30个epoch。 在实验中，保存准确率最高的模型作为最佳模型。代码实现如下：

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
 
# 学习率大小
lr = 0.001
# 批次大小
batch_size = 64
# 加载数据
train_loader = DataLoader(train_dataset, batch_size=batch_size, shuffle=True)
dev_loader = DataLoader(dev_dataset, batch_size=batch_size)
test_loader = DataLoader(test_dataset, batch_size=batch_size)
# 定义网络
model = resnet18_model.to(device)
# 定义优化器，这里使用Adam优化器以及l2正则化策略，相关内容在7.3.3.2和7.6.2中会进行详细介绍
optimizer = opt.Adam(lr=lr, params=model.parameters(), weight_decay=0.005)
# 定义损失函数
loss_fn = F.cross_entropy
loss_fn = loss_fn
# 定义评价指标
metric = Accuracy(is_logist=True)
# 实例化RunnerV3
runner = RunnerV3(model, optimizer, loss_fn, metric)
# 启动训练
log_steps = 3000
eval_steps = 3000
runner.train(train_loader, dev_loader, num_epochs=30, log_steps=log_steps,
             eval_steps=eval_steps, save_path="best_model.pdparams")

没有预训练

加预训练的训练结果：

根据训练结果来看，明显加了预训练的模型要收敛的更好，更快，准确率高，损失小。 

5.5.4 模型评价

使用测试数据对在训练过程中保存的最佳模型进行评价，观察模型在测试集上的准确率以及损失情况。代码实现如下：

# 加载最优模型
runner.load_model('best_model.pdparams')
# 模型评价
score, loss = runner.evaluate(test_loader)
print("[Test] accuracy/loss: {:.4f}/{:.4f}".format(score, loss))

没加预训练：

加预训练：

从测试集上看也明显加了预训练效果要更好。

5.5.5 模型预测

#获取测试集中的一个batch的数据
X, label = next(iter(test_loader))
logits = runner.predict(X,dim=1)
#多分类，使用softmax计算预测概率
pred = F.softmax(logits)
# print(pred)
#获取概率最大的类别
pred_class = torch.argmax(pred[2][0]).cpu().numpy()
label = label[2].item()
#输出真实类别与预测类别
print("The true category is {} and the predicted category is {}".format(label, pred_class))
#可视化图片
plt.figure(figsize=(2, 2))
imgs, labels = load_cifar10_batch(folder_path=r'C:\Users\29134\PycharmProjects\pythonProject\DL\实验13\cifar-10-batches-py',mode='test')
plt.imshow(imgs[2].transpose(1,2,0))
plt.savefig('cnn-test-vis.pdf')

没加预训练：

加预训练：

 

• 实验结论： 

    根据上面的实验数据可以看出，基于CIFAR-10数据集，ResNet18网络完成图像分类任务中，加上预训练与不加预训练相比，收敛的更快，结果也相对损失小，准确率高。

• 总结及心得体会：

1. 这次实验第一感觉就是累，首先第一个就是跑的很慢，第一次模型训练30轮从下午2：30直接干到晚上10：30
2. CPU训练时间太长了，直接装CUDA吧，好家伙装完再看竟然入坑了，是CPU版本的torch,

直接把环境删了，重新建立，锻炼了我的耐心。

1. 做了这么多的实验，画了那么多的流程图，我感觉这次试验和上面的很多实验的步骤雷同，让我对卷积神经网络有了更深的体验。
2. CIFAR10数据集在处理前要先进行归一化处理，这样可以简化模型，提高速度
3. torchvision.datasets.CIFAR10(root='./cifar10', train=True, download=True, transform=transformer)

上面那串代码给我的一个感觉就是transformer是用来归一化的，结果还是有点出入。

6、什么是“预训练模型”？什么是“迁移学习”？

预训练模型：

预训练模型是指在大规模数据集上事先进行训练的深度学习模型。通常，这种预训练是在某个任务上进行的，例如大规模的语言模型预训练可以是在大量文本数据上进行的。预训练的模型在学习了丰富的特征和模式之后，可以在后续任务上进行微调或迁移学习，以适应特定的领域或任务。预训练模型的目标是通过学习通用的表示和特征，提高模型对各种任务的性能。

通俗理解：就是预训练就是平时做的练习题，预训练可以让我们掌握解题的技巧，增强适应能力，这样在训练就会速度增快。

迁移学习：

迁移学习是一种机器学习方法，它通过将从一个任务学到的知识应用于另一个相关的任务，从而提高学习效果。在深度学习领域，预训练模型为迁移学习提供了有力的工具。具体来说，通过在大规模数据上进行预训练，模型学到了通用的特征和表示，然后可以在相对较小的目标任务数据集上进行微调，以适应目标任务的特定要求。

通俗理解：我们教机器学习了一个猫脸识别模型，这个模型是通过大量的猫脸图片训练得出的。现在我们想让这个模型去识别狗脸，这时就可以使用迁移学习。我们将已经训练好的猫脸识别模型作为基础，然后使用大量的狗脸图片来微调这个模型，使其能够识别狗脸。

参考链接：

基于ResNet18网络完成图像分类任务-CSDN博客