一．前言

本次任务是利用ResNet18网络实践更通用的图像分类任务。

ResNet系列网络，图像分类领域的知名算法，经久不衰，历久弥新，直到今天依旧具有广泛的研究意义和应用场景。被业界各种改进，经常用于图像识别任务。

今天主要介绍一下ResNet-18网络结构的案例，其他深层次网络，可以依次类推。

ResNet-18，数字代表的是网络的深度，也就是说ResNet18 网络就是18层的吗？实则不然，其实这里的18指定的是带有权重的 18层，包括卷积层和全连接层，不包括池化层和BN层。

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。

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

ResNet网络简介：

2.2　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 osimport pickleimport numpy as npdef load_cifar10_batch(folder_path, batch_id=1, mode='train'):    if mode == 'test':        file_path = os.path.join(folder_path, 'test_batch')    else:        file_path = os.path.join(folder_path, 'data_batch_'+str(batch_id))    #加载数据集文件    with open(file_path, 'rb') as batch_file:        batch = pickle.load(batch_file, encoding = 'latin1')    imgs = batch['data'].reshape((len(batch['data']),3,32,32)) / 255.    labels = batch['labels']    return np.array(imgs, dtype='float32'), np.array(labels)imgs_batch, labels_batch = load_cifar10_batch(folder_path='datasets/cifar-10-batches-py',                                                 batch_id=1, mode='train')

查看数据的维度：

#打印一下每个batch中X和y的维度print ("batch of imgs shape: ",imgs_batch.shape, "batch of labels shape: ", labels_batch.shape)

batch of imgs shape: (10000, 3, 32, 32) batch of labels shape: (10000,)

可视化观察其中的一张样本图像和对应的标签，代码如下所示：

%matplotlib inlineimport matplotlib.pyplot as pltimage, label = imgs_batch[1], labels_batch[1]print("The label in the picture is {}".format(label))plt.figure(figsize=(2, 2))plt.imshow(image.transpose(1,2,0))plt.savefig('cnn-car.pdf')

2.3　构造Dataset类

构造一个CIFAR10Dataset类，其将继承自paddle.io.DataSet类，可以逐个数据进行处理。代码实现如下：

import paddleimport paddle.io as iofrom paddle.vision.transforms import Normalizeclass CIFAR10Dataset(io.Dataset):    def __init__(self, folder_path='/home/aistudio/cifar-10-batches-py', mode='train'):        if mode == 'train':            #加载batch1-batch4作为训练集            self.imgs, self.labels = load_cifar10_batch(folder_path=folder_path, batch_id=1, mode='train')            for i in range(2, 5):                imgs_batch, labels_batch = load_cifar10_batch(folder_path=folder_path, batch_id=i, mode='train')                self.imgs, self.labels = np.concatenate([self.imgs, imgs_batch]), np.concatenate([self.labels, labels_batch])        elif mode == 'dev':            #加载batch5作为验证集            self.imgs, self.labels = load_cifar10_batch(folder_path=folder_path, batch_id=5, mode='dev')        elif mode == 'test':            #加载测试集            self.imgs, self.labels = load_cifar10_batch(folder_path=folder_path, mode='test')        self.transform = Normalize(mean=[0.4914, 0.4822, 0.4465], std=[0.2023, 0.1994, 0.2010], data_format='CHW')    def __getitem__(self, idx):        img, label = self.imgs[idx], self.labels[idx]        img = self.transform(img)        return img, label    def __len__(self):        return len(self.imgs)paddle.seed(100)train_dataset = CIFAR10Dataset(folder_path='datasets/cifar-10-batches-py', mode='train')dev_dataset = CIFAR10Dataset(folder_path='datasets/cifar-10-batches-py', mode='dev')test_dataset = CIFAR10Dataset(folder_path='datasets/cifar-10-batches-py', mode='test')

三、模型构建

使用飞桨高层API中的Resnet18进行图像分类实验。

from paddle.vision.models import resnet18resnet18_model = resnet18()

飞桨高层 API是对飞桨API的进一步封装与升级，提供了更加简洁易用的API，进一步提升了飞桨的易学易用性。其中，飞桨高层API封装了以下模块：

  1. Model类，支持仅用几行代码完成模型的训练；
  2. 图像预处理模块，包含数十种数据处理函数，基本涵盖了常用的数据处理、数据增强方法；
  3. 计算机视觉领域和自然语言处理领域的常用模型，包括但不限于mobilenet、resnet、yolov3、cyclegan、bert、transformer、seq2seq等等，同时发布了对应模型的预训练模型，可以直接使用这些模型或者在此基础上完成二次开发。

四、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：

import paddle.nn.functional as Fimport paddle.optimizer as optfrom nndl import RunnerV3, Accuracy#指定运行设备use_gpu = True if paddle.get_device().startswith("gpu") else Falseif use_gpu:    paddle.set_device('gpu:0')#学习率大小lr = 0.001  #批次大小batch_size = 64 #加载数据train_loader = io.DataLoader(train_dataset, batch_size=batch_size, shuffle=True)dev_loader = io.DataLoader(dev_dataset, batch_size=batch_size)test_loader = io.DataLoader(test_dataset, batch_size=batch_size) #定义网络model = resnet18_model#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(learning_rate=lr, parameters=model.parameters(), weight_decay=0.005)#定义损失函数loss_fn = F.cross_entropy#定义评价指标metric = Accuracy(is_logist=True)#实例化RunnerV3runner = RunnerV3(model, optimizer, loss_fn, metric)#启动训练log_steps = 3000eval_steps = 3000runner.train(train_loader, dev_loader, num_epochs=30, log_steps=log_steps,                 eval_steps=eval_steps, save_path="best_model.pdparams")

可视化观察训练集与验证集的准确率及损失变化情况。

from nndl import plotplot(runner, fig_name='cnn-loss4.pdf')

在本实验中，使用了第7章中介绍的Adam优化器进行网络优化，如果使用SGD优化器，会造成过拟合的现象，在验证集上无法得到很好的收敛效果。可以尝试使用第7章中其他优化策略调整训练配置，达到更高的模型精度。

五、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))

[Test] accuracy/loss: 0.7234/0.8324

六、模型预测¶

同样地，也可以使用保存好的模型，对测试集中的数据进行模型预测，观察模型效果，具体代码实现如下：

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

The true category is 8 and the predicted category is 8

真实是8，预测是8。ship