©2020-2024 ioDraw All rights reserved,
Privacy Policy
<>写在前面
<>本学习总结主要目的
1.怕以后忘记，到时候翻来看看，
2.梳理一下项目过程，便于工业化生产（哈哈）
3.敲一遍代码加深记忆
4.帮助他人，方便入门同学能够容易入门
<>本过程主要设计到的内容
1.torch.nn，nn模块下的Module类，组件类，neture network
2.tensor，巩固tensor的方法
3.torch.utils.data里面DataLoader的用法
4.torchvision里面transforms的用法
5.torchvision.datasets里面ImageFolder的用法
ImageFolder是主要的，我做这个主要目的就是学习这个类的使用方法
<>项目结构
上面这个是我的项目结构文件，主要有四个py文件，
序号6是model模型文件，里面定义了一个2分类模型
序号5是数据集制作文件，怎么把自己收集的猫狗图片整理成可以供torch训练的数据集形式
序号3是训练算法，直接开始训练，训练完成后会生成一个pt的权重文件，这里的权重文件是wbdog.pt
序号2是检测算法，我下载了序号4的几张图片，训练完毕后，检测一下输出结果
序号1是数据集，是我从网上找的70多张猫狗图片，下面分了两个文件夹0和1，其中0是猫，1是狗
到这里基本所有的结构介绍完毕，下面我就贴一下代码，代码中难理解的部分都注释有print，可以打印看一下具体语句的输出，另外所有代码几乎是一句，没有嵌套，也是为了以后方便阅读。
<>数据集结构
这里有35和36张图片，总共是71张训练集图片，这里有一个疑问，png是三通道的，我也不是很清楚之后训练怎么变成3通道了。
也就是这里的代码ImageFolder怎么把png四个通道转成3通道的，因为模型的第一层的卷积我的in_channel是3.
<>贴代码
<>1 imagefolder.py
#author jinguang chen #wechat ch1107578 from torchvision.datasets import
ImageFolderimport torchvision.transforms as T def mydataset(): root=
"catanddogs_dataset" transform=T.Compose([ T.ToTensor(), T.RandomSizedCrop(180),
]) dataset=ImageFolder(root=root,transform=transform) #print(dataset.size) print
(dataset[1][0].size()) return dataset
<>2 catanddog_train.py
#author jinguang chen #wechat ch1107578 import torch import torch.nn as nn
import torch.optim as optim from torch.utils.data import DataLoader from
imagefolderimport mydataset from model import Net dataset=mydataset() def train(
EPOCH): train_loader = DataLoader(dataset, batch_size=24, shuffle=True) #
选择使用的设备 device = 'cuda' print(device) model = Net() model.to(device) # 训练模式
model.train() criterion = nn.CrossEntropyLoss() optimizer = optim.Adam(model.
parameters(), lr=0.001) # 由命令行参数决定是否从之前的checkpoint开始训练 loss = 0.0 epoch = 0
while epoch < EPOCH: running_loss = 0.0 for i, data in enumerate(train_loader):
# 这里取出的数据就是 __getitem__() 返回的数据 #print(i) inputs, labels = data[0].to(device),
data[1].to(device) optimizer.zero_grad() outs = model(inputs) #print(outs.shape)
#print(labels.shape) loss = criterion(outs, labels) loss.backward() optimizer.
step() running_loss += loss.item() if i % 3 == 1: # every 200 steps print(
'epoch %5d: batch: %5d, loss: %f' % (epoch + 1, i + 1, running_loss / 100))
running_loss= 0.0 # 保存 checkpoint if epoch % 10 == 9: print('Save checkpoint...'
) print('loss', loss) epoch += 1 torch.save(model.state_dict(), 'wbdog.pt')
print('Finish training') # 主程序 if __name__ == '__main__': EPOCH = 500 train(
EPOCH)
<>3 model.py
#author jinguang chen #wechat ch1107578 import torch.nn as nn import torch.nn.
functionalas F class Net(nn.Module): def __init__(self): super(Net, self).
__init__() # input 180*180 self.conv1 = nn.Conv2d(3, 20, 5) #
3个参数分别是in_channels，out_channels，kernel_size，还可以加padding # output 20,180-5/1+1
=176 self.pool = nn.MaxPool2d(2, 2) # 88*88 88-5/1+1=84 self.conv2 = nn.Conv2d(
20, 16, 5) # 84*84 #pool 42*42*16 self.fc1 = nn.Linear(28224, 1024) self.fc2 =
nn.Linear(1024, 512) self.fc3 = nn.Linear(512, 2) # 命令行参数，后面解释 def forward(self,
x): x = self.pool(F.relu(self.conv1(x))) x = self.pool(F.relu(self.conv2(x)))
# print("xshape",x.shape) x = x.view(-1, 28224) # print(x.shape) x = F.relu(self
.fc1(x)) x = F.relu(self.fc2(x)) x = self.fc3(x) x = F.log_softmax(input=x, dim=
1) return x
<>4 catanddog_detect.py
#author jinguang chen #wechat ch1107578 import matplotlib.pyplot as plt from
PILimport Image import numpy as np from model import Net import torch as t from
torchvisionimport transforms as T def detect(model,image): print("预测开始：") model.
eval() wt='wbdog.pt' model.load_state_dict(t.load(wt))
#image=t.from_numpy(image) pred_labels=model(image.cuda()) predicted=t.max(
pred_labels,1)[1].cpu() print(type(predicted)) print(predicted.shape) num=
predicted.numpy() print("num:",num[0]) str=num_to_string(num[0]) print(str) def
num_to_string(num): numbers = { 0 : "cat", 1 : "dog", } return numbers.get(num,
None) def load_image(image_path): image=Image.open(image_path) print('channels',
len(image.split())) image=image.convert('RGB') #plt.imshow(image) #plt.show()
image= image.resize((180, 180)) plt.imshow(image) plt.show() print(image.size)
totensor=T.ToTensor() image=totensor(image).reshape(1,3,180,180)
#image=np.array(image).reshape(1,3,180,180).astype('float32')
#image=image/255-0.5/0.5 print(image) print(image.size()) return image if
__name__=="__main__": model=Net().cuda() image_path = r"detect2.jpg" image=
load_image(image_path) detect(model=model,image=image)
<>写在最后
看一下效果
运行catanddog_detect.py
截图
这里定义了一个方法，把数字映射到dog和cat
<>改天我把数据集传到网盘