PyTorch 转移学习的计算机视觉教程

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。