标签：训练推理模型 py ResNet 数据

ResNet

2024年5月7日更新

在此教程中，我们将对ResNet模型及其原理进行一个简单的介绍，并实现ResNet模型的训练和推理，目前支持数据集有：MNIST、fashionMNIST、CIFAR10等，并给用户提供一个详细的帮助文档。

基本介绍

ResNet描述

ResNet是一种残差网络，咱们可以把它理解为一个子网络，这个子网络经过堆叠可以构成一个很深的网络。下面是一个简单的ResNet结构：

为什么要引入ResNet？

通过前面的学习我们知道，网络越深，咱们能获取的信息越多，而且特征也越丰富。但是根据实验表明，随着网络的加深，优化效果反而越差，测试数据和训练数据的准确率反而降低了，这是由于网络的加深会造成梯度爆炸和梯度消失的问题。如下图所示：

为了让更深的网络也能训练出好的效果，一个新的网络结构——ResNet出现了。

网络结构分析

ResNet block有两种，一种两层结构，一种三层结构，如下图所示：

现在要求解的映射为：H(x)，将这个问题转换为求解网络的残差映射函数，也就是F(x)，其中F(x) = H(x)-x。


残差：观测值与估计值之间的差。
这里H(x)就是观测值，x就是估计值(也就是上一层ResNet输出的特征映射)。
一般称x为identity Function，它是一个跳跃连接；称F(x)为ResNet Function。

于是要求解的问题变成了H(x) = F(x)+x。

关于为什么要经过F(x)之后再求解H(x)，相信很多人会有疑问。如果是采用一般的卷积神经网络的化，原先要求解的是H(x) = F(x)这个值，那么现在假设，在网络中达到某一个深度时已经达到最优状态了，也就是说，此时的错误率是最低的时候，再往下加深网络的化就会出现退化问题(即错误率上升)。现在要更新下一层网络的权值就会变得很麻烦，因为权值得是一个让下一层网络同样也是最优状态才行。

但是采用残差网络就能很好的解决这个问题。仍然假设当前网络的深度能够使得错误率最低，如果继续增加ResNet，为了保证下一层的网络状态仍然是最优状态，只需要令F(x)=0就可以。因为x是当前输出的最优解，为了让它成为下一层的最优解也就是输出H(x)=x的话，只要让F(x)=0就行了。

当然上面提到的只是理想情况，在真实测试的时候x肯定是很难达到最优的，但是总会有那么一个时刻它能够无限接近最优解。这时采用ResNet的话，也只用小小的更新F(x)部分的权重值就行了，而不用像一般的卷积层一样大动干戈。


注意：如果残差映射(F(x))的结果的维度与跳跃连接(x)的维度不同，就没有办法对它们两个进行相加操作的，必须对x进行升维操作，让他俩的维度相同时才能计算。
升维的方法有两种：
- 全0填充
- 采用1*1卷积

ResNet实现

总体概述

本项目旨在实现ResNet模型，并且支持多种数据集，目前该模型可以支持单通道的数据集，如：MNIST、KMNIST、FashionMNIST数据集，也可以支持多通道的数据集，如：CIFAR10、SVHN、STL-10数据集。模型最终将数据集分类为10种类别，可以根据需要增加分类数量。训练轮次默认为4轮，同样可以根据需要增加训练轮次。单通道数据集训练4~5轮就可以达到较高的精确度，而对于多通道数据，建议训练轮次在10轮以上，以增大精确度。

项目地址

模型仓库：MindSpore/hepucuncao/DeepLearning

项目结构

项目的目录分为两个部分：学习笔记README文档，以及ResNet模型的模型训练和推理代码放在train文件夹下。

 ├── train    # 相关代码目录
 │  ├── ResNet.py    # ResNet模型训练代码
 │  └── test.py    # ResNet模型推理代码
 └── README.md

训练及推理步骤

1.首先运行ResNet.py初始化ResNet网络的各参数
2.同时train.py会接着进行模型训练，要加载的训练数据集和测试训练集可以自己选择，本项目可以使用的数据集来源于torchvision的datasets库。相关代码如下：


 #下载数据集
train_set = datasets.数据集名称("下载路径",train=True,download=True,transform=pipeline)
test_set = datasets.数据集名称("下载路径",train=False,download=True,transform=pipeline)
 #加载数据集 一次性加载BATCH_SIZE个打乱顺序的数据
train_loader = DataLoader(train_set,batch_size=BATCH_SIZE,shuffle=True)
test_loader = DataLoader(test_set,batch_size=BATCH_SIZE,shuffle=True)

只需把数据集名称更换成你要使用的数据集(datasets中的数据集)，并修改下载数据集的位置(默认在根目录下，如果路径不存在会自动创建)即可，如果已经提前下载好了则不会下载，否则会自动下载数据集。

同时，程序会将每一个训练轮次的训练过程中的损失值打印出来，并给出每一轮训练的进度条以及损失值变化，损失值越接近0，则说明训练越成功。同时，每一轮训练结束后程序会打印出本轮测试的平均损失值和平均精度。

3.由于ResNet.py代码会将精确度最高的模型权重保存下来，以便推理的时候直接使用最好的模型，因此运行ResNet.py之前，需要设置好保存的路径，相关代码如下：


torch.save(model.state_dict(),'保存路径')

默认保存路径为根目录，可以根据需要自己修改路径，该文件夹不存在时程序会自动创建。

4.保存完毕后，我们可以运行test.py代码，同样需要加载数据集(和训练过程的数据相同)，步骤同2。同时，我们应将保存的最好模型权重文件加载进来，相关代码如下：


model.load_state_dict(torch.load("文件路径"))

文件路径为最好权重模型的路径，注意这里要写绝对路径，并且windows系统要求路径中的斜杠应为反斜杠。

另外，程序中创建了一个classes列表来获取分类结果，分类数量由列表中数据的数量来决定，可以根据需要来增减，相关代码如下：


classes=[
    "0",
    "1",
    ...
    "n-1",
]

要分成n个类别，就写0~n-1个数据项。

5.最后是推理步骤，程序会选取测试数据集的前n张图片进行推理，并打印出每张图片的预测类别和实际类别，若这两个数据相同则说明推理成功。同时，程序会将选取的图片显示在屏幕上，相关代码如下：


for i in range(n): #取前n张图片
    X,y=test_dataset[i][0],test_dataset[i][1]
    show(X).show()
    #把张量扩展为四维
    X=Variable(torch.unsqueeze(X, dim=0).float(),requires_grad=False).to(device)
    model.eval()  # 设置模型为评估模式
    with torch.no_grad():
        pred = model(X)
        predicted,actual=classes[torch.argmax(pred[0])],classes[y]
        print(f'predicted:"{predicted}",actual:"{actual}"')

推理图片的数量即n取多少可以自己修改，但是注意要把显示出来的图片手动关掉，程序才会打印出这张图片的预测类别和实际类别。