PyTorch学习笔记 5.torchvision库-CFANZ编程社区

PyTorch学习笔记 5.torchvision加载数据集

一、简介
二、安装
三、torchvision的主要功能示例

1. 加载model

(1) 加载几个预训练模型
(2) 只加载模型，不加载预训练参数
(4) 加载部分预训练模型
(5) 调整模型
(6) 加载非预训练模型的方法

3.1.6.1 保存和加载整个模型
3.1.6.2 分别加载网络的结构和参数

2. 加载数据集

(1) 示例：加载MNIST
(2) 示例：加载Fashion-MNIST
(3) ImageFolder实现数据导入

3. transforms

一、简介

tochvision主要处理图像数据，包含一些常用的数据集、模型、转换函数等。torchvision独立于PyTorch，需要专门安装。

torchvision主要包含以下三部分：

torchvision.models: 提供深度学习中各种经典的网络结构、预训练好的模型，如：Alex-Net、VGG、ResNet、Inception等。
torchvision.datasets：提供常用的数据集，设计上继承 torch.utils.data.Dataset，主要包括：MNIST、CIFAR10/100、ImageNet、COCO等。
torchvision.transforms：提供常用的数据预处理操作，主要包括对Tensor及PIL Image对象的操作。
torchvision.utils：工具类，如保存张量作为图像到磁盘，给一个小批量创建一个图像网格。

二、安装

pip3 install torchvision

torchvision要注意与pytorch版本和Cuda相匹配。
要查询pytorch和torchvision的版本，可以使用下面语句：

import torch
import torchvision

print(torch.__version__)

print(torchvision.__version__)

三、torchvision的主要功能示例

1. 加载model

(1) 加载几个预训练模型

通过pretrined=True可以加载预训练模型。pretrained默认值是False，不赋值和赋值False效果一样。

import torchvision.models as models

resnet18 = models.resnet18(pretrained=True)
vgg16 = models.vgg16(pretrained=True)
alexnet = models.alexnet(pretrained=True)
squeezenet = models.squeezenet1_0(pretrained=True)
densenet = models.densenet_161()

预训练模型期望的输入：

RGB图像的mini-batch：(batch_size, 3, H, W)，并且H和W不能低于224。
图像的像素值必须在范围[0,1]间，并且用均值mean=[0.485, 0.456, 0.406]和方差std=[0.229, 0.224, 0.225]进行归一化。

下载的模型可以通过state_dict() 来打印状态参数、缓存的字典。

import torchvision.models as models

vgg16 = models.vgg16(pretrained=True)
# 返回包含模块所有状态的字典，包括参数和缓存
pretrained_dict = vgg16.state_dict()

(2) 只加载模型，不加载预训练参数

如果只需要网络结构，不需要用与训练模型的参数来初始化，可以将pretrained = False

# 导入模型结构
resnet18 = models.resnet18(pretrained=False)

# 加载预先下载好的预训练参数到resnet18
resnet18.load_state_dict(torch.load('resnet18-5c106cde.pth'))

(4) 加载部分预训练模型

实际使用中可能会对预训练模型进行调节，就是对预训练模型中的层进行修改。
下面示例中，对原模型中不匹配的键进行了删除，注意新模型改变了的层需要和原模型对应层的名字不一样，比如：resnet最后一层的名字是fc(PyTorch中)，那么我们修改过的resnet的最后一层就不能取这个名字，可以叫fc_

import torchvision.models as models
resnet152 = models.resnet152(pretrained=True)
# 提取参数
pretrained_dict = resnet152.state_dict()
# 预训练模型也可以通过model_zoo下载参数
# pretrained_dict = model_zoo.load_url(model_urls['resnet152'])
model_dict = resnet152.state_dict()
# 将pretrained_dict里不属于model_dict的键剔除掉
pretrained_dict = {k: v for k, v in pretrained_dict.items() if k in model_dict}
# 更新现有的model_dict
model_dict.update(pretrained_dict)
# 加载真正需要的state_dict
resnet152.load_state_dict(model_dict)

(5) 调整模型

预训练的模型有些层并不是直接能用，需要我们微微改一下，比如，resnet最后的全连接层是分1000类，而我们只有21类；或resnet第一层卷积接收的通道是3，我们可能输入图片的通道是4，那么可以通过以下方法修改：

# 修改通道数
resnet.conv1 = nn.Conv2d(4, 64, kernel_size=7, stride=2, padding=3, bias=False)
# 这里的21即是分类
resnet.fc = nn.Linear(2048, 21)

from torchvision import models
from torch import nn

# 加载预训练好的模型，保存到 ~/.torch/models/ 下面
resnet34 = models.resnet34(pretrained=True, num_classes=1000)
# 默认是ImageNet上的1000分类，这里修改最后的全连接层为10分类问题
resnet34.fc = nn.Linear(512, 10)

(6) 加载非预训练模型的方法

这个与torchvision没有关系。

3.1.6.1 保存和加载整个模型

torch.save(model_object, 'resnet.pth')
model = torch.load('resnet.pth')

3.1.6.2 分别加载网络的结构和参数

# 将my_resnet模型字典储存为my_resnet.pth
torch.save(my_resnet.state_dict(), "my_resnet.pth")
# 加载resnet，模型存放在my_resnet.pth
my_resnet.load_state_dict(torch.load("my_resnet.pth"))

2. 加载数据集

torchvision.datasets是从torch.utils.data.Dataset的子类，可以使用torch.utils.data.DataLoader进行多线程处理。

官网参考地址：

https://pytorch.org/vision/stable/datasets.html#

PyTorch学习笔记 5.torchvision库_pytorch

(1) 示例：加载MNIST

from torchvision import datasets
dataset = datasets.MNIST('data/', download=True, train=False, transform=None)

PyTorch学习笔记 5.torchvision库_深度学习_02

(2) 示例：加载Fashion-MNIST

from torchvision import datasets
dataset = datasets.FashionMNIST('data/', download=True, train=False, transform=None)

(3) ImageFolder实现数据导入

datasets.ImageFolder方法可以实现数据导入。

ImageFolder(root,transform=None,target_transform=None,loader=default_loader)

参数说明：

root : 在指定的root路径下面寻找图片。
transform: 接收PIL图像的函数/转换并返回已转换的版本。可以直接使用上面的Compose方法组合需要的变换。
target_transform :对label进行变换。
loader: 指定加载图片的函数，默认操作是读取PIL image对象。

这个方法返回的是list，可以使用data.DataLoader转成Tensor数据。
示例：

data_transforms = {
    'train': transforms.Compose([
        transforms.RandomResizedCrop(224), #Random cutting of an image (224, 224) from the original image
        transforms.RandomHorizontalFlip(), #Reversal at 0.5 probability level
        transforms.ToTensor(),  #Convert a PIL. Image with a range of [0,255] or numpy. ndarray to a shape of [C, H, W], and a FloadTensor with a range of [0,1.0].
        transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) #Normalization
    ]),
    'val': transforms.Compose([
        transforms.Resize(256),
        transforms.CenterCrop(224),
        transforms.ToTensor(),
        transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
    ]),
}
 
#image data file
data_root = ''
image_datasets = {x: datasets.ImageFolder(os.path.join(data_root, x),
                                          data_transforms[x]) for x in ['train', 'val']}
# wrap your data and label into Tensor
dataloders = {x: torch.utils.data.DataLoader(image_datasets[x],
                                             batch_size=10,
                                             shuffle=True,
                                             num_workers=4) for x in ['train', 'val']}

dataloaders 是Variable类型，可以作为模型的输入参数。

3. transforms

transforms包含了一些图像预处理操作，这些操作可以使用torchvison.transforms.Compose连在一起进行串行操作。

这些操作有：

__all__ = ["Compose", "ToTensor", "ToPILImage", "Normalize", "Resize", "Scale", "CenterCrop", "Pad",
           "Lambda", "RandomApply", "RandomChoice", "RandomOrder", "RandomCrop", "RandomHorizontalFlip",
           "RandomVerticalFlip", "RandomResizedCrop", "RandomSizedCrop", "FiveCrop", "TenCrop", "LinearTransformation",
           "ColorJitter", "RandomRotation", "RandomAffine", "Grayscale", "RandomGrayscale"]