数据增广和微调
数据增广
增加一个已有的数据集,使得由更多的多样性
- 在语言里面加入各种不同的白噪音
- 改变图片的颜色和形状
测试的时候一般不会做增强,增加的方式包括但不限于翻转,切割(需要变回之前的形状),色调,高斯模糊等等
最重要现实中回出现这样的情况(比如光线亮度)
最终是为了更好的泛化性能。数据增广还是可以叠加比如先旋转再修改亮度
增广能有效避免过拟合,甚至可以让训练比测试精度高
图片多并不一定代表多样性好,所以即使原始样本足够多,可能也需要做增广。
微调
标注一个数据集是非常珍贵的。
一个神经网络一般可以分成俩快,抽取原始像素变成容易线性分割的特征。线性分类器来做分类器。
可以简单理解为分类任务中,除了softmax,其他的层都是在做特征提取。
正常训练
是一个目标数据集上正常训练任务,相比之下,使用更强的正则化,更小的学习率,更少的数据迭代
源数据原复杂于目标数据。通常微调效果更好。
重用分类器权重:源数据集可能也有目标数据集的标号,可以使用训好模型分类器中对标号的内量来做初始化。
固定一些层:神经网络通常有层次特征的表示
- 低层次的特征更加通用
- 高层次的特征更数据集相关
可以固定底部一些层的参数,不参与更新:更强的正则(模型的复杂度也变小了)
预训练模型质量很重要,微调通常速度更快精度更高
import os
import torch
import torchvision
from torch import nn
from d2l import torch as d2l
# 热狗数据集,正就是热狗,反就不是
d2l.DATA_HUB['hotdog'] = (d2l.DATA_URL + 'hotdog.zip',
'fba480ffa8aa7e0febbb511d181409f899b9baa5')
data_dir = d2l.download_extract('hotdog')
train_imgs = torchvision.datasets.ImageFolder(os.path.join(data_dir, 'train'))
test_imgs = torchvision.datasets.ImageFolder(os.path.join(data_dir, 'test'))
# 图像大小纵横比都是不一样的
hotdogs = [train_imgs[i][0] for i in range(8)]
not_hotdogs = [train_imgs[-i - 1][0] for i in range(8)]
d2l.show_images(hotdogs + not_hotdogs, 2, 8, scale=1.4);
# 使用RGB通道的均值和标准差,以标准化每个通道
# 原模型也使用了
normalize = torchvision.transforms.Normalize(
[0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
train_augs = torchvision.transforms.Compose([
torchvision.transforms.RandomResizedCrop(224),
torchvision.transforms.RandomHorizontalFlip(),
torchvision.transforms.ToTensor(),
normalize])
test_augs = torchvision.transforms.Compose([
torchvision.transforms.Resize([256, 256]),
torchvision.transforms.CenterCrop(224),
torchvision.transforms.ToTensor(),
normalize])
finetune_net = torchvision.models.resnet18(pretrained=True)
# 将最后一层随机初始化为一个线性层,这里的fc是一个输出层
# 这里的操作是输入层和原层一样,输出层是2
finetune_net.fc = nn.Linear(finetune_net.fc.in_features, 2)
# 对最后一层的权重做随机初始化
nn.init.xavier_uniform_(finetune_net.fc.weight)
# 如果param_group=True,输出层中的模型参数将使用十倍的学习率,这里的net是下载下来的resnet网络
def train_fine_tuning(net, learning_rate, batch_size=128, num_epochs=5, param_group=True):
train_iter = torch.utils.data.DataLoader(torchvision.datasets.ImageFolder(
os.path.join(data_dir, 'train'), transform=train_augs),
batch_size=batch_size, shuffle=True)
test_iter = torch.utils.data.DataLoader(torchvision.datasets.ImageFolder(
os.path.join(data_dir, 'test'), transform=test_augs),
batch_size=batch_size)
devices = d2l.try_all_gpus()
loss = nn.CrossEntropyLoss(reduction="none")
if param_group:
# 把不是最后一层的层都拿出来
params_1x = [param for name, param in net.named_parameters() if name not in ["fc.weight", "fc.bias"]]
trainer = torch.optim.SGD([{'params': params_1x},
# 最后一层需要用到10倍的学习率,让最后一层学的更快
{'params': net.fc.parameters(), 'lr': learning_rate * 10}]
, lr=learning_rate, weight_decay=0.001)
else:
trainer = torch.optim.SGD(net.parameters(), lr=learning_rate,
weight_decay=0.001)
d2l.train_ch13(net, train_iter, test_iter, loss, trainer, num_epochs,
devices)
train_fine_tuning(finetune_net, 5e-5)
如果图片类型差距过大可能效果会不好