pytorch实现kaggle猫狗识别

参考：https://blog.csdn.net/weixin_37813036/article/details/90718310

kaggle是一个为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台，在这上面有非常多的好项目、好资源可供机器学习、深度学习爱好者学习之用。碰巧最近入门了一门非常的深度学习框架：pytorch（如果你对pytorch不甚了解，请点击这里），所以今天我和大家一起用pytorch实现一个图像识别领域的入门项目：猫狗图像识别。
深度学习的基础就是数据，咱们先从数据谈起。此次使用的猫狗分类图像一共25000张，猫狗分别有12500张。下载地址：https://www.kaggle.com/c/dogs-vs-cats-redux-kernels-edition/data我们先来简单的看看都是一些什么图片。我们从下载文件里可以看到有两个文件夹：train和test1，分别用于训练和测试。打开train文件夹可以看到有25000 张小猫小狗的图片，图片名字为cat.0.jpg，cat.1.jpg，dog.0.jpg，dog.1.jpg。

 

 

仔细看小猫小狗，可以发现它们姿态不一，有的站着，有的眯着眼睛，有的甚至和其他可识别物体比如桶、人混在一起。同时，小猫们的图片尺寸也不一致，有的是竖放的长方形，有的是横放的长方形，但我们最终需要是合理尺寸的图片。所以需要进行图片处理，并把图片转化成Tensor作为模型的输入。代码如下：

 1 data_transform = transforms.Compose([
 2     transforms.Resize(256),
 3     transforms.CenterCrop(224),
 4     transforms.ToTensor(),
 5     transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
 6 ])
 7 
 8 train_dataset = datasets.ImageFolder(root='./data2/train/', 
 9                                      transform=data_transform)
10 train_loader = torch.utils.data.DataLoader(train_dataset, 
11                                            batch_size=batch_size, 
12                                            shuffle=True,
13                                            num_workers=num_workers)

为方便训练过程，需要把训练集进行处理：把猫狗的图片分别放在cat，dog文件夹中，并划分出一部分图片作为测试集（与下载的测试集不同）。代码如下：

 1 #接下来的数据是把原训练集90%的数据做训练，10%做测试集，其中把分为训练集的数据内的猫和狗分开，分为测试集的数据的猫和狗进行分开保存在新的各自的目录下
 2 # kaggle原始数据集地址
 3 original_dataset_dir = 'D:\\Code\\Python\\Kaggle-Dogs_vs_Cats_PyTorch-master\\data\\train'  #训练集地址
 4 total_num = int(len(os.listdir(original_dataset_dir)) )  #训练集数据总数，包含猫和狗
 5 random_idx = np.array(range(total_num))
 6 np.random.shuffle(random_idx)#打乱图片顺序
 7 
 8 # 待处理的数据集地址
 9 base_dir = 'D:\\Code\\dogvscat\\data2' #把原训练集数据分类后的数据存储在该目录下
10 if not os.path.exists(base_dir):
11     os.mkdir(base_dir)
12 
13 # 训练集、测试集的划分
14 sub_dirs = ['train', 'test']
15 animals = ['cats', 'dogs']
16 train_idx = random_idx[:int(total_num * 0.9)] #打乱后的数据的90%是训练集，10是测试集
17 test_idx = random_idx[int(total_num * 0.9):int(total_num * 1)]
18 numbers = [train_idx, test_idx]
19 for idx, sub_dir in enumerate(sub_dirs):
20     dir = os.path.join(base_dir, sub_dir)#'D:\\Code\\dogvscat\\data2\\train'或'D:\\Code\\dogvscat\\data2\\test'
21     if not os.path.exists(dir):
22         os.mkdir(dir)
23 
24     animal_dir = ""
25 
26     #fnames = ['.{}.jpg'.format(i) for i in numbers[idx]]
27     fnames = ""
28     if sub_dir == 'train':
29         idx = 0
30     else:
31         idx =1
32     for i in numbers[idx]:
33         #print(i)
34         if i>=12500:#把数据保存在dogs目录下
35             fnames = str('dog'+'.{}.jpg'.format(i))
36             animal_dir = os.path.join(dir,'dogs')
37 
38             if not os.path.exists(animal_dir):
39                 os.mkdir(animal_dir)
40         if i<12500:#图片是猫，数据保存在cats目录下
41             fnames = str('cat'+'.{}.jpg'.format(i))
42             animal_dir = os.path.join(dir, 'cats')
43             if not os.path.exists(animal_dir):
44                 os.mkdir(animal_dir)
45         src = os.path.join(original_dataset_dir, str(fnames)) #原数据地址
46         #print(src)
47         dst = os.path.join(animal_dir, str(fnames))#新地址
48         #print(dst)
49         shutil.copyfile(src, dst)#复制
50 
51 
52         # 验证训练集、测试集的划分的照片数目
53     print(dir + ' total images : %d' % (len(os.listdir(dir+'\\dogs'))+len(os.listdir(dir+'\\cats'))))
54     # coding=utf-8

紧接着我们了解一下特别适用于图像识别领域的神经网络：卷积神经网络。学习过神经网络的同学可能或多或少地听说过卷积神经网络。这是一种典型的多层神经网络，擅长处理图像特别是大图像的相关机器学习问题。卷积神经网络通过一系列的方法，成功地将大数据量的图像识别问题不断降维，最终使其能够被训练。CNN最早由Yann LeCun提出并应用在手写体识别上。一个典型的CNN网络架构如下：

 

 

这是一个典型的CNN架构，由卷基层、池化层、全连接层组合而成。其中卷基层与池化层配合，组成多个卷积组，逐层提取特征，最终完成分类。听到上述一连串的术语如果你有点蒙了，也别怕，因为这些复杂、抽象的技术都已经在pytorch中一一实现，我们要做的不过是正确的调用相关函数。

# 创建模型
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)
        self.maxpool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.fc1 = nn.Linear(16 * 53 * 53, 1024)
        self.fc2 = nn.Linear(1024, 512)
        self.fc3 = nn.Linear(512, 2)

    def forward(self, x):
        x = self.maxpool(F.relu(self.conv1(x)))
        x = self.maxpool(F.relu(self.conv2(x)))
        x = x.view(-1, 16 * 53 * 53)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)

        return x
class Net2(nn.Module):
    def __init__(self):
        super(Net2, self).__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)
        self.maxpool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.fc1 = nn.Linear(16 * 53 * 53, 1024)
        torch.nn.Dropout(0.5)
        self.fc2 = nn.Linear(1024, 512)
        torch.nn.Dropout(0.5)
        self.fc3 = nn.Linear(512, 2)

    def forward(self, x):
        x = self.maxpool(F.relu(self.conv1(x)))
        x = self.maxpool(F.relu(self.conv2(x)))
        x = x.view(-1, 16 * 53 * 53)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)

        return x

我们从conv1说起。conv1实际上就是定义一个卷积层，3,6,5分别是什么意思？3代表的是输入图像的像素数组的层数，一般来说就是你输入的图像的通道数，比如这里使用的小猫图像都是彩色图像，由R、G、B三个通道组成，所以数值为3；6代表的是我们希望进行6次卷积，每一次卷积都能生成不同的特征映射数组，用于提取小猫和小狗的6种特征。每一个特征映射结果最终都会被堆叠在一起形成一个图像输出，再作为下一步的输入；5就是过滤框架的尺寸，表示我们希望用一个5 * 5的矩阵去和图像中相同尺寸的矩阵进行点乘再相加，形成一个值。定义好了卷基层，我们接着定义池化层。池化层所做的事说来简单，其实就是因为大图片生成的像素矩阵实在太大了，我们需要用一个合理的方法在降维的同时又不失去物体特征，所以深度学习学者们想出了一个称为池化的技术，说白了就是从左上角开始，每四个元素(2 * 2)合并成一个元素，用这一个元素去代表四个元素的值，所以图像体积一下子降为原来的四分之一。再往下一行，我们又一次碰见了一个卷积层：conv2,和conv1一样，它的输入也是一个多层像素数组，输出也是一个多层像素数组，不同的是这一次完成的计算量更大了，我们看这里面的参数分别是6，16，5。之所以为6是因为conv1的输出层数为6，所以这里输入的层数就是6；16代表conv2的输出层数，和conv1一样，16代表着这一次卷积操作将会学习小猫小狗的16种映射特征，特征越多理论上能学习的效果就越好，大家可以尝试一下别的值，看看效果是否真的编变好。conv2使用的过滤框尺寸和conv1一样，所以不再重复。

关于53这个数字可以根据（（n+2p-f）/ s）+1计算出来。而三个全连接层所做的事很类似，就是不断训练，最后输出一个二分类数值。net类的forward函数表示前向计算的整个过程。forward接受一个input，返回一个网络输出值，中间的过程就是一个调用init函数中定义的层的过程。F.relu是一个激活函数，把所有的非零值转化成零值。此次图像识别的最后关键一步就是真正的循环训练操作。

进行训练的代码：

 1 def train():
 2 
 3     for epoch in range(epochs):
 4         running_loss = 0.0
 5         train_correct = 0
 6         train_total = 0
 7         for step, data in enumerate(train_loader, 0):#第二个参数表示指定索引从0开始
 8             inputs, train_labels = data
 9             if use_gpu:
10                 inputs, labels = Variable(inputs.cuda()), Variable(train_labels.cuda())
11             else:
12                 inputs, labels = Variable(inputs), Variable(train_labels)
13             optimizer.zero_grad()
14             outputs = net(inputs)
15             _, train_predicted = torch.max(outputs.data, 1)  #返回每一行最大值的数值和索引，索引对应分类
16             train_correct += (train_predicted == labels.data).sum()
17             loss = cirterion(outputs, labels)
18             loss.backward()
19             optimizer.step()
20             running_loss += loss.item()
21             train_total += train_labels.size(0)
22 
23         print('train %d epoch loss: %.3f  acc: %.3f ' % (
24             epoch + 1, running_loss / train_total, 100 * train_correct / train_total))
25         # 模型测试
26         correct = 0
27         test_loss = 0.0
28         test_total = 0
29         test_total = 0
30         net.eval() #测试的时候整个模型的参数不再变化
31         for data in test_loader:
32             images, labels = data
33             if use_gpu:
34                 images, labels = Variable(images.cuda()), Variable(labels.cuda())
35             else:
36                 images, labels = Variable(images), Variable(labels)
37             outputs = net(images)
38             _, predicted = torch.max(outputs.data, 1)
39             loss = cirterion(outputs, labels)
40             test_loss += loss.item()
41             test_total += labels.size(0)
42             correct += (predicted == labels.data).sum()

完整的代码如下

  1 # coding=utf-8
  2 import os
  3 import numpy as np
  4 import torch
  5 import torch.nn as nn
  6 import torch.nn.functional as F
  7 import torch.optim as optim
  8 from torch.autograd import Variable
  9 from torch.utils.data import Dataset
 10 from torchvision import transforms, datasets, models
 11 import shutil
 12 from matplotlib import pyplot as plt
 13 # 随机种子设置
 14 random_state = 42
 15 np.random.seed(random_state)
 16 #接下来的数据是把原训练集90%的数据做训练，10%做测试集，其中把分为训练集的数据内的猫和狗分开，分为测试集的数据的猫和狗进行分开保存在新的各自的目录下
 17 # kaggle原始数据集地址
 18 original_dataset_dir = 'D:\\Code\\Python\\Kaggle-Dogs_vs_Cats_PyTorch-master\\data\\train'  #训练集地址
 19 total_num = int(len(os.listdir(original_dataset_dir)) )  #训练集数据总数，包含猫和狗
 20 random_idx = np.array(range(total_num))
 21 np.random.shuffle(random_idx)#打乱图片顺序
 22 
 23 # 待处理的数据集地址
 24 base_dir = 'D:\\Code\\dogvscat\\data2' #把原训练集数据分类后的数据存储在该目录下
 25 if not os.path.exists(base_dir):
 26     os.mkdir(base_dir)
 27 
 28 # 训练集、测试集的划分
 29 sub_dirs = ['train', 'test']
 30 animals = ['cats', 'dogs']
 31 train_idx = random_idx[:int(total_num * 0.9)] #打乱后的数据的90%是训练集，10是测试集
 32 test_idx = random_idx[int(total_num * 0.9):int(total_num * 1)]
 33 numbers = [train_idx, test_idx]
 34 for idx, sub_dir in enumerate(sub_dirs):
 35     dir = os.path.join(base_dir, sub_dir)#'D:\\Code\\dogvscat\\data2\\train'或'D:\\Code\\dogvscat\\data2\\test'
 36     if not os.path.exists(dir):
 37         os.mkdir(dir)
 38 
 39     animal_dir = ""
 40 
 41     #fnames = ['.{}.jpg'.format(i) for i in numbers[idx]]
 42     fnames = ""
 43     if sub_dir == 'train':
 44         idx = 0
 45     else:
 46         idx =1
 47     for i in numbers[idx]:
 48         #print(i)
 49         if i>=12500:#把数据保存在dogs目录下
 50             fnames = str('dog'+'.{}.jpg'.format(i))
 51             animal_dir = os.path.join(dir,'dogs')
 52 
 53             if not os.path.exists(animal_dir):
 54                 os.mkdir(animal_dir)
 55         if i<12500:#图片是猫，数据保存在cats目录下
 56             fnames = str('cat'+'.{}.jpg'.format(i))
 57             animal_dir = os.path.join(dir, 'cats')
 58             if not os.path.exists(animal_dir):
 59                 os.mkdir(animal_dir)
 60         src = os.path.join(original_dataset_dir, str(fnames)) #原数据地址
 61         #print(src)
 62         dst = os.path.join(animal_dir, str(fnames))#新地址
 63         #print(dst)
 64         shutil.copyfile(src, dst)#复制
 65 
 66 
 67         # 验证训练集、测试集的划分的照片数目
 68     print(dir + ' total images : %d' % (len(os.listdir(dir+'\\dogs'))+len(os.listdir(dir+'\\cats'))))
 69     # coding=utf-8
 70 
 71 # 配置参数
 72 random_state = 1
 73 torch.manual_seed(random_state)  # 设置随机数种子，确保结果可重复
 74 torch.cuda.manual_seed(random_state)# #为GPU设置种子用于生成随机数，以使得结果是确定的
 75 torch.cuda.manual_seed_all(random_state) #为所有GPU设置种子用于生成随机数，以使得结果是确定的
 76 np.random.seed(random_state)
 77 # random.seed(random_state)
 78 
 79 epochs = 10 # 训练次数
 80 batch_size = 4  # 批处理大小
 81 num_workers = 0  # 多线程的数目
 82 use_gpu = torch.cuda.is_available()
 83 PATH='D:\\Code\\dogvscat\\model.pt'
 84 # 对加载的图像作归一化处理， 并裁剪为[224x224x3]大小的图像
 85 data_transform = transforms.Compose([
 86     transforms.Resize(256),#重置图像分辨率
 87     transforms.CenterCrop(224), #中心裁剪
 88     transforms.ToTensor(),
 89     transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])  #归一化
 90 ])
 91 
 92 train_dataset = datasets.ImageFolder(root='D:\\Code\\dogvscat\\data2\\train',
 93                                      transform=data_transform)
 94 print(train_dataset)
 95 train_loader = torch.utils.data.DataLoader(train_dataset,
 96                                            batch_size=batch_size,
 97                                            shuffle=True,
 98                                            num_workers=num_workers)
 99 
100 test_dataset = datasets.ImageFolder(root='D:\\Code\\dogvscat\\data2\\test', transform=data_transform)
101 test_loader = torch.utils.data.DataLoader(test_dataset, batch_size=batch_size, shuffle=True, num_workers=num_workers)
102 
103 
104 # 创建模型
105 class Net(nn.Module):
106     def __init__(self):
107         super(Net, self).__init__()
108         self.conv1 = nn.Conv2d(3, 6, 5)
109         self.maxpool = nn.MaxPool2d(2, 2)
110         self.conv2 = nn.Conv2d(6, 16, 5)
111         self.fc1 = nn.Linear(16 * 53 * 53, 1024)
112         self.fc2 = nn.Linear(1024, 512)
113         self.fc3 = nn.Linear(512, 2)
114 
115     def forward(self, x):
116         x = self.maxpool(F.relu(self.conv1(x)))
117         x = self.maxpool(F.relu(self.conv2(x)))
118         x = x.view(-1, 16 * 53 * 53)
119         x = F.relu(self.fc1(x))
120         x = F.relu(self.fc2(x))
121         x = self.fc3(x)
122 
123         return x
124 class Net2(nn.Module):
125     def __init__(self):
126         super(Net2, self).__init__()
127         self.conv1 = nn.Conv2d(3, 6, 5)
128         self.maxpool = nn.MaxPool2d(2, 2)
129         self.conv2 = nn.Conv2d(6, 16, 5)
130         self.fc1 = nn.Linear(16 * 53 * 53, 1024)
131         torch.nn.Dropout(0.5)
132         self.fc2 = nn.Linear(1024, 512)
133         torch.nn.Dropout(0.5)
134         self.fc3 = nn.Linear(512, 2)
135 
136     def forward(self, x):
137         x = self.maxpool(F.relu(self.conv1(x)))
138         x = self.maxpool(F.relu(self.conv2(x)))
139         x = x.view(-1, 16 * 53 * 53)
140         x = F.relu(self.fc1(x))
141         x = F.relu(self.fc2(x))
142         x = self.fc3(x)
143 
144         return x
145 
146 
147 net = Net2()
148 if(os.path.exists('D:\\Code\\dogvscat\\model.pt')):
149     net=torch.load('D:\\Code\\dogvscat\\model.pt')
150 
151 if use_gpu:
152     print('gpu is available')
153     net = net.cuda()
154 else:
155     print('gpu is unavailable')
156 
157 print(net)
158 trainLoss = []
159 trainacc = []
160 testLoss = []
161 testacc = []
162 x = np.arange(1,11)
163 # 定义loss和optimizer
164 cirterion = nn.CrossEntropyLoss()
165 optimizer = optim.SGD(net.parameters(), lr=0.01, momentum=0.9)
166 
167 def train():
168 
169     for epoch in range(epochs):
170         running_loss = 0.0
171         train_correct = 0
172         train_total = 0
173         for step, data in enumerate(train_loader, 0):#第二个参数表示指定索引从0开始
174             inputs, train_labels = data
175             if use_gpu:
176                 inputs, labels = Variable(inputs.cuda()), Variable(train_labels.cuda())
177             else:
178                 inputs, labels = Variable(inputs), Variable(train_labels)
179             optimizer.zero_grad()
180             outputs = net(inputs)
181             _, train_predicted = torch.max(outputs.data, 1)  #返回每一行最大值的数值和索引，索引对应分类
182             train_correct += (train_predicted == labels.data).sum()
183             loss = cirterion(outputs, labels)
184             loss.backward()
185             optimizer.step()
186             running_loss += loss.item()
187             train_total += train_labels.size(0)
188 
189         print('train %d epoch loss: %.3f  acc: %.3f ' % (
190             epoch + 1, running_loss / train_total, 100 * train_correct / train_total))
191         # 模型测试
192         correct = 0
193         test_loss = 0.0
194         test_total = 0
195         test_total = 0
196         net.eval() #测试的时候整个模型的参数不再变化
197         for data in test_loader:
198             images, labels = data
199             if use_gpu:
200                 images, labels = Variable(images.cuda()), Variable(labels.cuda())
201             else:
202                 images, labels = Variable(images), Variable(labels)
203             outputs = net(images)
204             _, predicted = torch.max(outputs.data, 1)
205             loss = cirterion(outputs, labels)
206             test_loss += loss.item()
207             test_total += labels.size(0)
208             correct += (predicted == labels.data).sum()
209 
210         print('test  %d epoch loss: %.3f  acc: %.3f ' % (epoch + 1, test_loss / test_total, 100 * correct / test_total))
211         trainLoss.append(running_loss / train_total)
212         trainacc.append(100 * train_correct / train_total)
213         testLoss.append(test_loss / test_total)
214         testacc.append(100 * correct / test_total)
215     plt.figure(1)
216     plt.title('train')
217     plt.plot(x,trainacc,'r')
218     plt.plot(x,trainLoss,'b')
219     plt.show()
220     plt.figure(2)
221     plt.title('test')
222     plt.plot(x,testacc,'r')
223     plt.plot(x,testLoss,'b')
224     plt.show()
225 
226 
227 
228     torch.save(net, 'D:\\Code\\dogvscat\\model.pt')
229 
230 
231 train()

看一下某次的运行结果

D:\anaconda\anaconda\pythonw.exe D:/Code/Python/pytorch入门与实践/第六章_pytorch实战指南/猫和狗二分类.py
D:\Code\dogvscat\data2\train\cats total images : 11253
D:\Code\dogvscat\data2\test\dogs total images : 1253
Net(
  (conv1): Conv2d(3, 6, kernel_size=(5, 5), stride=(1, 1))
  (maxpool): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  (conv2): Conv2d(6, 16, kernel_size=(5, 5), stride=(1, 1))
  (fc1): Linear(in_features=44944, out_features=1024, bias=True)
  (fc2): Linear(in_features=1024, out_features=512, bias=True)
  (fc3): Linear(in_features=512, out_features=2, bias=True)
)
train 1 epoch loss: 0.162  acc: 61.000 
test  1 epoch loss: 0.153  acc: 66.000 
train 2 epoch loss: 0.148  acc: 68.000 
test  2 epoch loss: 0.143  acc: 71.000 
train 3 epoch loss: 0.138  acc: 71.000 
test  3 epoch loss: 0.138  acc: 72.000 
train 4 epoch loss: 0.130  acc: 74.000 
test  4 epoch loss: 0.137  acc: 72.000 
train 5 epoch loss: 0.119  acc: 77.000 
test  5 epoch loss: 0.132  acc: 74.000 
train 6 epoch loss: 0.104  acc: 81.000 
test  6 epoch loss: 0.129  acc: 75.000 
train 7 epoch loss: 0.085  acc: 85.000 
test  7 epoch loss: 0.132  acc: 75.000 
train 8 epoch loss: 0.060  acc: 90.000 
test  8 epoch loss: 0.146  acc: 75.000 
train 9 epoch loss: 0.036  acc: 94.000 
test  9 epoch loss: 0.200  acc: 74.000 
train 10 epoch loss: 0.022  acc: 97.000 
test  10 epoch loss: 0.207  acc: 75.000 

Process finished with exit code 0

发现这个程序运行结果训练集准确率很高，测试集准确率为75%左右，因此Net类有点过拟合，Net2加入了Dropout降低网络复杂度处理过拟合。这个程序属于最基础的分类算法，因此准确率并不是很高，但是我认为初学者可以先会这个程序，再继续提高网络的准确率。