PyTorch 转移学习的计算机视觉教程
2025-06-18 17:16 更新
转移学习是一种非常强大的技术,它允许我们利用预训练模型的知识来解决新的问题。本教程将教你如何使用 PyTorch 实现转移学习,进行图像分类任务。通过在小型数据集上微调预训练模型,即使数据量有限,也能取得很好的效果。示例代码中的注释和变量名都已翻译为中文,方便国内读者理解。
一、什么是转移学习?
转移学习是一种机器学习方法,它允许模型在解决一个任务后,将所学的知识迁移到另一个相关任务上。在深度学习中,我们通常在大规模数据集(如 ImageNet)上预训练一个模型,然后将其用于新的任务。具体来说,这里有两种主要的策略:
- 微调卷积网络 :用预训练的网络初始化模型,例如在 ImageNet 上训练的模型,然后在新的数据集上继续训练整个网络。
- 卷积网络作为固定特征提取器 :冻结网络中除最后一层之外的所有层的权重,替换最后一层为新的分类层,并只训练这个新的分类层。
二、载入数据
我们将使用一个小型的数据集,包含蚂蚁和蜜蜂的图像。数据集分为训练集和验证集。我们使用 torchvision 和 torch.utils.data 包来加载数据,并进行数据增强和归一化处理。
import torch
import torchvision
from torchvision import datasets, models, transforms
import os
## 数据增强和归一化处理
data_transforms = {
'train': transforms.Compose([
transforms.RandomResizedCrop(224), # 随机裁剪到 224x224
transforms.RandomHorizontalFlip(), # 随机水平翻转
transforms.ToTensor(), # 转换为张量
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) # 归一化
]),
'val': transforms.Compose([
transforms.Resize(256), # 调整大小到 256x256
transforms.CenterCrop(224), # 中心裁剪到 224x224
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
]),
}
data_dir = 'data/hymenoptera_data' # 数据集路径
image_datasets = {x: datasets.ImageFolder(os.path.join(data_dir, x), data_transforms[x]) for x in ['train', 'val']}
dataloaders = {x: torch.utils.data.DataLoader(image_datasets[x], batch_size=4, shuffle=True, num_workers=4) for x in ['train', 'val']}
dataset_sizes = {x: len(image_datasets[x]) for x in ['train', 'val']}
class_names = image_datasets['train'].classes # 类别名称
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") # 使用 GPU 或 CPU
三、可视化一些图像
为了更好地理解数据增强的效果,我们可视化一些训练图像。
import matplotlib.pyplot as plt
import numpy as np
def imshow(inp, title=None):
"""Imshow for Tensor."""
inp = inp.numpy().transpose((1, 2, 0)) # 转换张量维度
mean = np.array([0.485, 0.456, 0.406])
std = np.array([0.229, 0.224, 0.225])
inp = std * inp + mean # 反归一化
inp = np.clip(inp, 0, 1) # 限制像素值范围
plt.imshow(inp)
if title is not None:
plt.title(title)
plt.pause(0.001) # 暂停一下以便更新图像显示
## 获取一批训练数据
inputs, classes = next(iter(dataloaders['train']))
## 制作图像网格并显示
out = torchvision.utils.make_grid(inputs)
imshow(out, title=[class_names[x] for x in classes])
四、训练模型
我们编写一个通用的函数来训练模型,包括设置学习率调度、保存最佳模型等功能。
def train_model(model, criterion, optimizer, scheduler, num_epochs=25):
since = time.time()
best_model_wts = copy.deepcopy(model.state_dict()) # 保存最佳模型权重
best_acc = 0.0
for epoch in range(num_epochs):
print(f'Epoch {epoch}/{num_epochs - 1}')
print('-' * 10)
# 每个 epoch 包括训练和验证两个阶段
for phase in ['train', 'val']:
if phase == 'train':
model.train() # 设置为训练模式
else:
model.eval() # 设置为评估模式
running_loss = 0.0
running_corrects = 0
# 迭代数据
for inputs, labels in dataloaders[phase]:
inputs = inputs.to(device)
labels = labels.to(device)
# 清零梯度
optimizer.zero_grad()
# 前向传播
with torch.set_grad_enabled(phase == 'train'):
outputs = model(inputs)
_, preds = torch.max(outputs, 1) # 获取预测类别
loss = criterion(outputs, labels) # 计算损失
# 反向传播和优化(仅在训练阶段)
if phase == 'train':
loss.backward()
optimizer.step()
# 统计损失和准确率
running_loss += loss.item() * inputs.size(0)
running_corrects += torch.sum(preds == labels.data)
# 调整学习率(仅在训练阶段)
if phase == 'train':
scheduler.step()
epoch_loss = running_loss / dataset_sizes[phase]
epoch_acc = running_corrects.double() / dataset_sizes[phase]
print(f'{phase} Loss: {epoch_loss:.4f} Acc: {epoch_acc:.4f}')
# 深拷贝最佳模型
if phase == 'val' and epoch_acc > best_acc:
best_acc = epoch_acc
best_model_wts = copy.deepcopy(model.state_dict())
print()
time_elapsed = time.time() - since
print(f'Training complete in {time_elapsed // 60:.0f}m {time_elapsed % 60:.0f}s')
print(f'Best val Acc: {best_acc:.4f}')
# 加载最佳模型权重
model.load_state_dict(best_model_wts)
return model
五、微调卷积网络
加载预训练的 ResNet-18 模型,并替换最后一层以适应我们的分类任务。
model_ft = models.resnet18(pretrained=True) # 加载预训练模型
num_ftrs = model_ft.fc.in_features # 获取全连接层的输入特征数
model_ft.fc = nn.Linear(num_ftrs, 2) # 替换全连接层为新的分类层(这里假设有两类)
model_ft = model_ft.to(device) # 将模型移动到设备上
criterion = nn.CrossEntropyLoss() # 定义损失函数
## 优化所有参数
optimizer_ft = optim.SGD(model_ft.parameters(), lr=0.001, momentum=0.9)
## 学习率调度
exp_lr_scheduler = lr_scheduler.StepLR(optimizer_ft, step_size=7, gamma=0.1)
## 训练模型
model_ft = train_model(model_ft, criterion, optimizer_ft, exp_lr_scheduler, num_epochs=25)
六、将卷积网络作为固定特征提取器
冻结预训练模型的大部分层,只训练新的分类层。
model_conv = torchvision.models.resnet18(pretrained=True) # 加载预训练模型
## 冻结所有参数
for param in model_conv.parameters():
param.requires_grad = False
## 替换全连接层
num_ftrs = model_conv.fc.in_features
model_conv.fc = nn.Linear(num_ftrs, 2)
model_conv = model_conv.to(device)
criterion = nn.CrossEntropyLoss()
## 仅优化分类层的参数
optimizer_conv = optim.SGD(model_conv.fc.parameters(), lr=0.001, momentum=0.9)
## 学习率调度
exp_lr_scheduler = lr_scheduler.StepLR(optimizer_conv, step_size=7, gamma=0.1)
## 训练模型
model_conv = train_model(model_conv, criterion, optimizer_conv, exp_lr_scheduler, num_epochs=25)
七、总结
通过本教程,你学会了如何在 PyTorch 中利用转移学习进行图像分类。无论是微调预训练模型还是将其作为固定特征提取器,都能有效地提高模型在小型数据集上的性能。
以上内容是否对您有帮助:
更多建议: