> 文档中心 > MaxViT实战:使用MaxViT实现图像分类任务(一)

MaxViT实战:使用MaxViT实现图像分类任务(一)

MaxViT实战

  • 摘要
  • 安装包
    • 安装timm
  • 数据增强Cutout和Mixup
  • EMA
  • 项目结构
  • 计算mean和std
  • 生成数据集

摘要

MaxViT,是今年谷歌提出分层Transformer的模型,将注意力模型与卷积有效地融合在一起。在图像分类方面,MaxViT 在各种设置下都达到了最先进的性能:ImageNet-1K分类任务,MaxViT 达到了 86.5% top-1 准确率; ImageNet-21K 分类任务,达到了 88.7% 的 top-1 准确率。对于下游任务,MaxViT 作为主干在对象检测和视觉美学评估方面提供了良好的性能。
论文的贡献主要有:

  • 提出了一个通用的强 Transformer 主干,MaxViT,可以在网络的每个阶段捕获本地和全局空间交互。
  • 提出了一种新颖的独立多轴注意力模块,由阻塞的局部注意力和扩张的全局注意力组成,享受线性复杂性的全局感知。
  • 通过广泛的消融研究展示了大量的设计选择,包括层数、布局、MBConv 的使用等,设计出了 MaxViT-Block。
  • 广泛的实验表明,MaxViT 在各种数据机制下实现了 SOTA 结果,适用于广泛的任务,包括图像分类、对象检测、图像美学评估和图像生成。

MaxViT实战:使用MaxViT实现图像分类任务(一)

我这篇文章主要讲解如何使用MaxViT完成图像分类任务,接下来我们一起完成项目的实战。本例选用的模型是maxvit_tiny_224,在植物幼苗数据集上实现了95%的准确率。
论文链接:https://arxiv.org/pdf/2204.01697.pdf
论文翻译:https://wanghao.blog.csdn.net/article/details/127064117

MaxViT实战:使用MaxViT实现图像分类任务(一)

MaxViT实战:使用MaxViT实现图像分类任务(一)

通过这篇文章能让你学到:

  1. 如何使用数据增强,包括transforms的增强、CutOut、MixUp、CutMix等增强手段?
  2. 如何实现MaxViT模型实现训练?
  3. 如何使用pytorch自带混合精度?
  4. 如何使用梯度裁剪防止梯度爆炸?
  5. 如何使用DP多显卡训练?
  6. 如何绘制loss和acc曲线?
  7. 如何生成val的测评报告?
  8. 如何编写测试脚本测试测试集?
  9. 如何使用余弦退火策略调整学习率?
  10. 如何使用AverageMeter类统计ACC和loss等自定义变量?
  11. 如何理解和统计ACC1和ACC5?
  12. 如何使用EMA?

安装包

安装timm

使用pip就行,命令:

pip install timm

本次使用的MaxViT,比较新,直接使用pip下载的模型中并没有,所以只能下载源码安装。链接:https://github.com/rwightman/pytorch-image-models
下载后解压,然后
执行:

python setup.py install 

MaxViT实战:使用MaxViT实现图像分类任务(一)

数据增强Cutout和Mixup

为了提高成绩我在代码中加入Cutout和Mixup这两种增强方式。实现这两种增强需要安装torchtoolbox。安装命令:

pip install torchtoolbox

Cutout实现,在transforms中。

from torchtoolbox.transform import Cutout# 数据预处理transform = transforms.Compose([    transforms.Resize((224, 224)),    Cutout(),    transforms.ToTensor(),    transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])])

需要导入包:from timm.data.mixup import Mixup,

定义Mixup,和SoftTargetCrossEntropy

  mixup_fn = Mixup(    mixup_alpha=0.8, cutmix_alpha=1.0, cutmix_minmax=None,    prob=0.1, switch_prob=0.5, mode='batch',    label_smoothing=0.1, num_classes=12) criterion_train = SoftTargetCrossEntropy()

参数详解:

mixup_alpha (float): mixup alpha 值,如果 > 0,则 mixup 处于活动状态。

cutmix_alpha (float):cutmix alpha 值,如果 > 0,cutmix 处于活动状态。

cutmix_minmax (List[float]):cutmix 最小/最大图像比率,cutmix 处于活动状态,如果不是 None,则使用这个 vs alpha。

如果设置了 cutmix_minmax 则cutmix_alpha 默认为1.0

prob (float): 每批次或元素应用 mixup 或 cutmix 的概率。

switch_prob (float): 当两者都处于活动状态时切换cutmix 和mixup 的概率 。

mode (str): 如何应用 mixup/cutmix 参数(每个’batch’,‘pair’(元素对),‘elem’(元素)。

correct_lam (bool): 当 cutmix bbox 被图像边框剪裁时应用。 lambda 校正

label_smoothing (float):将标签平滑应用于混合目标张量。

num_classes (int): 目标的类数。

EMA

EMA(Exponential Moving Average)是指数移动平均值。在深度学习中的做法是保存历史的一份参数,在一定训练阶段后,拿历史的参数给目前学习的参数做一次平滑。具体实现如下:

class EMA():    def __init__(self, model, decay): self.model = model self.decay = decay self.shadow = {} self.backup = {}    def register(self): for name, param in self.model.named_parameters():     if param.requires_grad:  self.shadow[name] = param.data.clone()    def update(self): for name, param in self.model.named_parameters():     if param.requires_grad:  assert name in self.shadow  new_average = (1.0 - self.decay) * param.data + self.decay * self.shadow[name]  self.shadow[name] = new_average.clone()    def apply_shadow(self): for name, param in self.model.named_parameters():     if param.requires_grad:  assert name in self.shadow  self.backup[name] = param.data  param.data = self.shadow[name]    def restore(self): for name, param in self.model.named_parameters():     if param.requires_grad:  assert name in self.backup  param.data = self.backup[name] self.backup = {}

加入到模型中。

# 初始化ema = EMA(model, 0.999)ema.register()# 训练过程中,更新完参数后,同步update shadow weightsdef train():    optimizer.step()    ema.update()# eval前,apply shadow weights;eval之后,恢复原来模型的参数def evaluate():    ema.apply_shadow()    # evaluate    ema.restore()

这个ema最好放在微调的时候使用,否则验证集不上分,或者上分很慢。

项目结构

MaxViT_demo├─data1│  ├─Black-grass│  ├─Charlock│  ├─Cleavers│  ├─Common Chickweed│  ├─Common wheat│  ├─Fat Hen│  ├─Loose Silky-bent│  ├─Maize│  ├─Scentless Mayweed│  ├─Shepherds Purse│  ├─Small-flowered Cranesbill│  └─Sugar beet├─mean_std.py├─makedata.py├─ema.py├─train.py└─test.py

mean_std.py:计算mean和std的值。
makedata.py:生成数据集。
ema.py:EMA脚本

为了能在DP方式中使用混合精度,还需要在模型的forward函数前增加@autocast()。
MaxViT实战:使用MaxViT实现图像分类任务(一)

计算mean和std

为了使模型更加快速的收敛,我们需要计算出mean和std的值,新建mean_std.py,插入代码:

from torchvision.datasets import ImageFolderimport torchfrom torchvision import transformsdef get_mean_and_std(train_data):    train_loader = torch.utils.data.DataLoader( train_data, batch_size=1, shuffle=False, num_workers=0, pin_memory=True)    mean = torch.zeros(3)    std = torch.zeros(3)    for X, _ in train_loader: for d in range(3):     mean[d] += X[:, d, :, :].mean()     std[d] += X[:, d, :, :].std()    mean.div_(len(train_data))    std.div_(len(train_data))    return list(mean.numpy()), list(std.numpy())if __name__ == '__main__':    train_dataset = ImageFolder(root=r'data1', transform=transforms.ToTensor())    print(get_mean_and_std(train_dataset))

数据集结构:

MaxViT实战:使用MaxViT实现图像分类任务(一)

运行结果:

([0.3281186, 0.28937867, 0.20702125], [0.09407319, 0.09732835, 0.106712654])

把这个结果记录下来,后面要用!

生成数据集

我们整理还的图像分类的数据集结构是这样的

data├─Black-grass├─Charlock├─Cleavers├─Common Chickweed├─Common wheat├─Fat Hen├─Loose Silky-bent├─Maize├─Scentless Mayweed├─Shepherds Purse├─Small-flowered Cranesbill└─Sugar beet

pytorch和keras默认加载方式是ImageNet数据集格式,格式是

├─data│  ├─val│  │   ├─Black-grass│  │   ├─Charlock│  │   ├─Cleavers│  │   ├─Common Chickweed│  │   ├─Common wheat│  │   ├─Fat Hen│  │   ├─Loose Silky-bent│  │   ├─Maize│  │   ├─Scentless Mayweed│  │   ├─Shepherds Purse│  │   ├─Small-flowered Cranesbill│  │   └─Sugar beet│  └─train│      ├─Black-grass│      ├─Charlock│      ├─Cleavers│      ├─Common Chickweed│      ├─Common wheat│      ├─Fat Hen│      ├─Loose Silky-bent│      ├─Maize│      ├─Scentless Mayweed│      ├─Shepherds Purse│      ├─Small-flowered Cranesbill│      └─Sugar beet

新增格式转化脚本makedata.py,插入代码:

import globimport osimport shutilimage_list=glob.glob('data1/*/*.png')print(image_list)file_dir='data'if os.path.exists(file_dir):    print('true')    #os.rmdir(file_dir)    shutil.rmtree(file_dir)#删除再建立    os.makedirs(file_dir)else:    os.makedirs(file_dir)from sklearn.model_selection import train_test_splittrainval_files, val_files = train_test_split(image_list, test_size=0.3, random_state=42)train_dir='train'val_dir='val'train_root=os.path.join(file_dir,train_dir)val_root=os.path.join(file_dir,val_dir)for file in trainval_files:    file_class=file.replace("\\","/").split('/')[-2]    file_name=file.replace("\\","/").split('/')[-1]    file_class=os.path.join(train_root,file_class)    if not os.path.isdir(file_class): os.makedirs(file_class)    shutil.copy(file, file_class + '/' + file_name)for file in val_files:    file_class=file.replace("\\","/").split('/')[-2]    file_name=file.replace("\\","/").split('/')[-1]    file_class=os.path.join(val_root,file_class)    if not os.path.isdir(file_class): os.makedirs(file_class)    shutil.copy(file, file_class + '/' + file_name)

完成上面的内容就可以开启训练和测试了。