1.数据导入
2.数据处理
3.创建VGG Model
4.修改最后一层，冻结前面层的参数
5.训练并测试全连接层
6.可视化模型预测结果（主观分析）
单次可视化显示的图片个数
Make a grid from batch
类似的思路，可以显示错误分类的图片，这里不再重复代码

首次用Colab完成AI研习社的题目，写的详细一点。
——AI研习社：猫狗大战—经典图像分类题

1.数据导入

首先从AI研习社下载数据集(下载链接 : https://static.leiphone.com/cat_dog.rar)
下载完后解压，然后做调整。
一般来说，数据集中包好两个文件夹，train和val，每个文件夹下面包含N个子文件夹，N是你的分类类别数，且每个子文件夹里面存放的就是这个类别的图像。解压完可以发现，这两个文件夹下都没有给你分类，所以需要用最笨的手工方法先分为两个类：cats和dogs。
train：
val：

分完类之后压缩数据集，压缩为.zip压缩包，上传到Google云端硬盘，记住你的路径。（过程巨慢巨卡）

至此准备工作完成，开始撸代码。

连上GPU。

import numpy as np
import matplotlib.pyplot as plt
import os
import torch
import torch.nn as nn
import torchvision
from torchvision import models, transforms, datasets
import time
import json
# 判断是否存在GPU设备
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print('Using gpu: %s ' % torch.cuda.is_available())

解压数据集

!unzip '/content/drive/My Drive/app/cat_dog/cat_dog.zip'

在此之前，要装载云端硬盘

此处我已经装载完成
解压完成

2.数据处理

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

这里采用官方写好的torchvision.datasets.ImageFolder接口实现数据导入。这个接口需要你提供图像所在的文件夹，就是data_dir = ‘./cat_dog’。
这样torchvision.datasets.ImageFolder就会返回一个列表（比如下面代码中的image_datasets[‘train’]或者image_datasets[‘val’]），列表中的每个值都是一个tuple，每个tuple包含图像和标签信息。

通过下面代码可以查看 dsets 的一些属性

print(dsets['train'].classes)
print(dsets['train'].class_to_idx)
print(dsets['train'].imgs[:5])
print('dset_sizes: ', dset_sizes)

前面torchvision.datasets.ImageFolder只是返回list，list是不能作为模型输入的，因此在PyTorch中需要用另一个类来封装list，那就是：torch.utils.data.DataLoader。torch.utils.data.DataLoader类可以将list类型的输入数据封装成Tensor数据格式，以备模型使用。

loader_train = torch.utils.data.DataLoader(dsets['train'], batch_size=64, shuffle=True, num_workers=6)
loader_val = torch.utils.data.DataLoader(dsets['val'], batch_size=5, shuffle=False, num_workers=6)
loader_test = torch.utils.data.DataLoader(dsets['test'], batch_size=5, shuffle=False, num_workers=6)
'''
val 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_val:
  if count == 1:
    inputs_try, labels_try = data
  count += 1
print(labels_try)
print(inputs_try.shape)


# 显示图片的小程序
def imshow(inp, title=None):
#   Imshow for Tensor.
    inp = inp.numpy().transpose((1, 2, 0))
    mean = np.array([0.485, 0.456, 0.406])
    std = np.array([0.229, 0.224, 0.225])
    inp = np.clip(std * inp + mean, 0,1)
    plt.imshow(inp)
    if title is not None:
        plt.title(title)
    plt.pause(0.001)  # pause a bit so that plots are updated
# 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

torchvision中集成了很多在 ImageNet （120万张训练数据）上预训练好的通用的CNN模型，可以直接下载使用。
在本课程中，我们直接使用预训练好的 VGG 模型。同时，为了展示 VGG 模型对本数据的预测结果，还下载了 ImageNet 1000 个类的 JSON 文件。
在这部分代码中，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，随后展示了识别结果。可以看到，识别结果是比较非常准确的。

!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 = inputs_try.to(device)
labels_try = 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，有正数也有负数。
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)

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。

#查看vgg16模型
print(model_vgg)

不对网络详细说明了。训练的时候将更新最后一层的参数，并增加一层logsoftmax

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)

5.训练并测试全连接层

包括三个步骤：第1步，创建损失函数和优化器；第2步，训练模型；第3步，测试模型。


'''
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.Adam(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)
      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)

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)
    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'])

踩坑指南——model.train()和model.eval()的作用：

如果模型中有BN层(Batch Normalization）和Dropout，需要在训练时添加model.train()，在测试时添加model.eval()。其中model.train()是保证BN层用每一批数据的均值和方差，而model.eval()是保证BN用全部训练数据的均值和方差；而对于Dropout，model.train()是随机取一部分网络连接来训练更新参数，而model.eval()是利用到了所有网络连接。
需要联系Batch Normalization和Dropout的原理之后去理解为何要这么做。

（总之，套用框架就是在训练开始之前写上model.train()，在测试时写上model.eval()）

测试test数据：

def t_model(model, dataloader, size):
  model.eval()
  predictions = np.zeros(size)
  i = 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)
    predictions[i:i+len(classes)] = preds.to('cpu').numpy()
    i += len(classes)
    print('Testing: No. ', i, ' process ... total: ', size)   
  return predictions
predictions = t_model(model_vgg_new, loader_test, size=dset_sizes['test'])
print(predictions)

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 ```python
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[‘val’][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

![image.png](https://cdn.nlark.com/yuque/0/2020/png/2722003/1604404075113-ac70c8ca-9e34-4082-ad63-3b2c9c4a62b2.png#align=left&display=inline&height=158&margin=%5Bobject%20Object%5D&name=image.png&originHeight=158&originWidth=681&size=80357&status=done&style=none&width=681)
<a name="eixpk"></a>
### 7.处理测试集
将结果导入到csv文件中
```python
import csv
with open('./cat_dog/cats_vs_dogs.csv','w',newline="")as f:
  writer = csv.writer(f)
  for index,cls in enumerate(predictions):
    path = datasets.ImageFolder(os.path.join(data_dir,'test'),vgg_format).imgs[index][0]
    l = path.split("/")
    img_name = l[-1]
    order = int(img_name.split(".")[0])
    writer.writerow([order,int(predictions[index])])

下载文件cats_vs_dogs.csv，排序，提交到AI研习社

准确率还挺高的

参考博文：

深度学习专栏

深度学习——猫狗大战挑战赛