• 36 数据增广【李沐动手学深度学习v2课程笔记】


    目录

    1. 数据增广

    2. 代码实现

    2.1 常用的图像增广方法

    2.1.1 翻转和裁剪

    2.1.2 改变颜色

    2.1.3 结合多种图像增广方法

    2.2 使用图像增广进行训练

    2.2.1 多GPU训练

    2.3 小结


    1. 数据增广

    2. 代码实现

    1. %matplotlib inline
    2. import torch
    3. import torchvision
    4. from torch import nn
    5. from d2l import torch as d2l

    2.1 常用的图像增广方法

    1. d2l.set_figsize()
    2. img = d2l.Image.open('../img/cat1.jpg')
    3. d2l.plt.imshow(img);

    大多数图像增广方法都具有一定的随机性。为了便于观察图像增广的效果,我们下面定义辅助函数apply。 此函数在输入图像img上多次运行图像增广方法aug并显示所有结果。

    1. def apply(img, aug, num_rows=2, num_cols=4, scale=1.5):
    2. Y = [aug(img) for _ in range(num_rows * num_cols)]
    3. d2l.show_images(Y, num_rows, num_cols, scale=scale)

    2.1.1 翻转和裁剪

    左右翻转图像通常不会改变对象的类别。这是最早且最广泛使用的图像增广方法之一。 接下来,我们使用transforms模块来创建RandomFlipLeftRight实例,这样就各有50%的几率使图像向左或向右翻转。

    apply(img, torchvision.transforms.RandomHorizontalFlip())

    上下翻转图像不如左右图像翻转那样常用。但是,至少对于这个示例图像,上下翻转不会妨碍识别。接下来,我们创建一个RandomFlipTopBottom实例,使图像各有50%的几率向上或向下翻转。

    apply(img, torchvision.transforms.RandomVerticalFlip())

    在我们使用的示例图像中,猫位于图像的中间,但并非所有图像都是这样。 在 6.5节中,我们解释了汇聚层可以降低卷积层对目标位置的敏感性。 另外,我们可以通过对图像进行随机裁剪,使物体以不同的比例出现在图像的不同位置。 这也可以降低模型对目标位置的敏感性。

    下面的代码将随机裁剪一个面积为原始面积10%到100%的区域,该区域的宽高比从0.5~2之间随机取值。 然后,区域的宽度和高度都被缩放到200像素。 在本节中(除非另有说明),a和b之间的随机数指的是在区间[a,b]中通过均匀采样获得的连续值。

    1. shape_aug = torchvision.transforms.RandomResizedCrop(
    2. (200, 200), scale=(0.1, 1), ratio=(0.5, 2))
    3. apply(img, shape_aug)

    2.1.2 改变颜色

    另一种增广方法是改变颜色。 我们可以改变图像颜色的四个方面:亮度、对比度、饱和度和色调。 在下面的示例中,我们随机更改图像的亮度,随机值为原始图像的50%(1−0.5)到150%(1+0.5)之间。

    1. apply(img, torchvision.transforms.ColorJitter(
    2. brightness=0.5, contrast=0, saturation=0, hue=0))

    同样,我们可以随机更改图像的色调。

    1. apply(img, torchvision.transforms.ColorJitter(
    2. brightness=0, contrast=0, saturation=0, hue=0.5))

    我们还可以创建一个RandomColorJitter实例,并设置如何同时随机更改图像的亮度(brightness)、对比度(contrast)、饱和度(saturation)和色调(hue)。

    1. color_aug = torchvision.transforms.ColorJitter(
    2. brightness=0.5, contrast=0.5, saturation=0.5, hue=0.5)
    3. apply(img, color_aug)

    2.1.3 结合多种图像增广方法

    1. augs = torchvision.transforms.Compose([
    2. torchvision.transforms.RandomHorizontalFlip(), color_aug, shape_aug])
    3. apply(img, augs)

    2.2 使用图像增广进行训练

    让我们使用图像增广来训练模型。 这里,我们使用CIFAR-10数据集,而不是我们之前使用的Fashion-MNIST数据集。 这是因为Fashion-MNIST数据集中对象的位置和大小已被规范化,而CIFAR-10数据集中对象的颜色和大小差异更明显。 CIFAR-10数据集中的前32个训练图像如下所示。

    1. all_images = torchvision.datasets.CIFAR10(train=True, root="../data",
    2. download=True)
    3. d2l.show_images([all_images[i][0] for i in range(32)], 4, 8, scale=0.8);

    为了在预测过程中得到确切的结果,我们通常对训练样本只进行图像增广,且在预测过程中不使用随机操作的图像增广。 在这里,我们只使用最简单的随机左右翻转。 此外,我们使用ToTensor实例将一批图像转换为深度学习框架所要求的格式,即形状为(批量大小,通道数,高度,宽度)的32位浮点数,取值范围为0~1。

    1. train_augs = torchvision.transforms.Compose([
    2. torchvision.transforms.RandomHorizontalFlip(),
    3. torchvision.transforms.ToTensor()])
    4. test_augs = torchvision.transforms.Compose([
    5. torchvision.transforms.ToTensor()])

    接下来,我们定义一个辅助函数,以便于读取图像和应用图像增广。PyTorch数据集提供的transform参数应用图像增广来转化图像。有关DataLoader的详细介绍,请参阅 3.5节

    1. def load_cifar10(is_train, augs, batch_size):
    2. dataset = torchvision.datasets.CIFAR10(root="../data", train=is_train,
    3. transform=augs, download=True)
    4. dataloader = torch.utils.data.DataLoader(dataset, batch_size=batch_size,
    5. shuffle=is_train, num_workers=d2l.get_dataloader_workers())
    6. return dataloader

    2.2.1 多GPU训练

    我们在CIFAR-10数据集上训练 7.6节中的ResNet-18模型。 回想一下 12.6节中对多GPU训练的介绍。 接下来,我们定义一个函数,使用多GPU对模型进行训练和评估。

    1. #@save
    2. def train_batch_ch13(net, X, y, loss, trainer, devices):
    3. """用多GPU进行小批量训练"""
    4. if isinstance(X, list):
    5. # 微调BERT中所需
    6. X = [x.to(devices[0]) for x in X]
    7. else:
    8. X = X.to(devices[0])
    9. y = y.to(devices[0])
    10. net.train()
    11. trainer.zero_grad()
    12. pred = net(X)
    13. l = loss(pred, y)
    14. l.sum().backward()
    15. trainer.step()
    16. train_loss_sum = l.sum()
    17. train_acc_sum = d2l.accuracy(pred, y)
    18. return train_loss_sum, train_acc_sum
    19. #@save
    20. def train_ch13(net, train_iter, test_iter, loss, trainer, num_epochs,
    21. devices=d2l.try_all_gpus()):
    22. """用多GPU进行模型训练"""
    23. timer, num_batches = d2l.Timer(), len(train_iter)
    24. animator = d2l.Animator(xlabel='epoch', xlim=[1, num_epochs], ylim=[0, 1],
    25. legend=['train loss', 'train acc', 'test acc'])
    26. net = nn.DataParallel(net, device_ids=devices).to(devices[0])
    27. for epoch in range(num_epochs):
    28. # 4个维度:储存训练损失,训练准确度,实例数,特点数
    29. metric = d2l.Accumulator(4)
    30. for i, (features, labels) in enumerate(train_iter):
    31. timer.start()
    32. l, acc = train_batch_ch13(
    33. net, features, labels, loss, trainer, devices)
    34. metric.add(l, acc, labels.shape[0], labels.numel())
    35. timer.stop()
    36. if (i + 1) % (num_batches // 5) == 0 or i == num_batches - 1:
    37. animator.add(epoch + (i + 1) / num_batches,
    38. (metric[0] / metric[2], metric[1] / metric[3],
    39. None))
    40. test_acc = d2l.evaluate_accuracy_gpu(net, test_iter)
    41. animator.add(epoch + 1, (None, None, test_acc))
    42. print(f'loss {metric[0] / metric[2]:.3f}, train acc '
    43. f'{metric[1] / metric[3]:.3f}, test acc {test_acc:.3f}')
    44. print(f'{metric[2] * num_epochs / timer.sum():.1f} examples/sec on '
    45. f'{str(devices)}')

    现在,我们可以定义train_with_data_aug函数,使用图像增广来训练模型。该函数获取所有的GPU,并使用Adam作为训练的优化算法,将图像增广应用于训练集,最后调用刚刚定义的用于训练和评估模型的train_ch13函数。

    1. batch_size, devices, net = 256, d2l.try_all_gpus(), d2l.resnet18(10, 3)
    2. def init_weights(m):
    3. if type(m) in [nn.Linear, nn.Conv2d]:
    4. nn.init.xavier_uniform_(m.weight)
    5. net.apply(init_weights)
    6. def train_with_data_aug(train_augs, test_augs, net, lr=0.001):
    7. train_iter = load_cifar10(True, train_augs, batch_size)
    8. test_iter = load_cifar10(False, test_augs, batch_size)
    9. loss = nn.CrossEntropyLoss(reduction="none")
    10. trainer = torch.optim.Adam(net.parameters(), lr=lr)
    11. train_ch13(net, train_iter, test_iter, loss, trainer, 10, devices)

    让我们使用基于随机左右翻转的图像增广来训练模型。

    train_with_data_aug(train_augs, test_augs, net)

    2.3 小结

    • 图像增广基于现有的训练数据生成随机图像,来提高模型的泛化能力。

    • 为了在预测过程中得到确切的结果,我们通常对训练样本只进行图像增广,而在预测过程中不使用带随机操作的图像增广。

    • 深度学习框架提供了许多不同的图像增广方法,这些方法可以被同时应用。

  • 相关阅读:
    2023年9月青少年机器人技术(二级)等级考试试卷-理论综合
    为什么说智能测试技术是软件行业高质量发展的基石?
    为什么有的人把代码写的如此复杂?
    人脸特征标注——OpenCV
    SPA项目实现登录注册
    因特网的组成,边缘之间的通讯方式,数据交换的方式
    python --windows自定义截图(并返回位置信息)
    Qt安装使用
    ShardingSphere-JDBC分库分表快速入门实战
    数学术语之源——群同态的“核(kernel)”
  • 原文地址:https://blog.csdn.net/qq_53826699/article/details/136654895