简易机器学习笔记（九）LeNet实例

简易机器学习笔记（九）LeNet实例

前言

上一节大概讲了一下LeNet的内容，这一章就直接来用，实际上用一下LeNet来进行训练和分类试试。

调用的数据集：

说明：

如今近视已经成为困扰人们健康的一项全球性负担，在近视人群中，有超过35%的人患有重度近视。近视会拉长眼睛的光轴，也可能引起视网膜或者络网膜的病变。随着近视度数的不断加深，高度近视有可能引发病理性病变，这将会导致以下几种症状：视网膜或者络网膜发生退化、视盘区域萎缩、漆裂样纹损害、Fuchs斑等。因此，及早发现近视患者眼睛的病变并采取治疗，显得非常重要。

数据集实际上用了这么几个部分：

其中DATADIR目录下的图片都是以下形式：

其中照片的成分是按照文件的名称来进行区分的，当其命名规则为P开头的，则代表其为病理性近视，N开头的为正常眼睛，而H开头的则代表为高度近视。

我们将病理性患者的图片作为正样本，标签为1； 非病理性患者的图片作为负样本，标签为0。从数据集中选取两张图片，通过LeNet提取特征，构建分类器，对正负样本进行分类，并将图片显示出来。

流程

正式开始之前，我们还是要将任务按照流程划分
我们在这次开发中，不仅要训练模型，计算Loss，还需要用数据集对成果进行准确性分析。

1. 定义数据读取器

2. 定义LeNet模型

3. 编写训练过程

4. 定义评估过程

5. 进行模型计算

实际开发

定义数据读取器

我们需要读取两部分数据，分别是训练集和评估集，这两个集是分开的

1. 首先我们需要进行一个预处理部分：

# 对读入的图像数据进行预处理
def transform_img(img):# 将图片尺寸缩放道 224x224img = size(img, (224, 224))# 读入的图像数据格式是[H, W, C]# 使用转置操作将其变成[C, H, W]img = np.transpose(img, (2,0,1))img = img.astype('float32')# 将数据范围调整到[-1.0, 1.0]之间img = img / 255.img = img * 2.0 - 1.0return img

2. 定义一个训练集数据读取器

类似之前的，我们需要将训练集划分batch，还需要将其打乱进行。

至于Label，则是由名称决定的

分组读取完毕之后，

# 定义训练集数据读取器
def data_loader(datadir, batch_size=10, mode = 'train'):# 将datadir目录下的文件列出来，每条文件都要读入filenames = os.listdir(datadir)def reader():if mode == 'train':# 训练时随机打乱数据顺序random.shuffle(filenames)batch_imgs = []batch_labels = []for name in filenames:filepath = os.path.join(datadir, name)img = cv2.imread(filepath)img = transform_img(img)if name[0] == 'H' or name[0] == 'N':# H开头的文件名表示高度近似，N开头的文件名表示正常视力# 高度近视和正常视力的样本，都不是病理性的，属于负样本，标签为0label = 0elif name[0] == 'P':# P开头的是病理性近视，属于正样本，标签为1label = 1else:raise('Not excepted file name')# 每读取一个样本的数据，就将其放入数据列表中batch_imgs.append(img)batch_labels.append(label)if len(batch_imgs) == batch_size:# 当数据列表的长度等于batch_size的时候，# 把这些数据当作一个mini-batch，并作为数据生成器的一个输出imgs_array = np.array(batch_imgs).astype('float32')labels_array = np.array(batch_labels).astype('float32').reshape(-1, 1)yield imgs_array, labels_arraybatch_imgs = []batch_labels = []if len(batch_imgs) > 0:# 剩余样本数目不足一个batch_size的数据，一起打包成一个mini-batchimgs_array = np.array(batch_imgs).astype('float32')labels_array = np.array(batch_labels).astype('float32').reshape(-1, 1)yield imgs_array, labels_arrayreturn reader

定义一个验证集数据读取器

训练集读取时通过文件名来确定样本标签，验证集则通过csvfile来读取每个图片对应的标签

请查看解压后的验证集标签数据，观察csvfile文件里面所包含的内容

需要注意的是,原先的文件不是csv，而是一个xlsx，不能直接改个后缀就直接用，而是需要使用office或者wps重新保存一下，而且需要注意的是，请使用UTF-8或者gbk格式打开，否则可能会导致无法正确读取文件。

csvfile文件所包含的内容格式如下，每一行代表一个样本，其中第一列是图片id，第二列是文件名，第三列是图片标签，第四列和第五列是Fovea的坐标，与分类任务无关

ID,imgName,Label,Fovea_X,Fovea_Y
1,V0001.jpg,0,1157.74,1019.87
2,V0002.jpg,1,1285.82,1080.47

打开包含验证集标签的csvfile，并读入其中的内容

# 定义验证集数据读取器
def valid_data_loader(datadir, csvfile, batch_size=10, mode='valid'):# 训练集读取时通过文件名来确定样本标签，验证集则通过csvfile来读取每个图片对应的标签# 请查看解压后的验证集标签数据，观察csvfile文件里面所包含的内容# csvfile文件所包含的内容格式如下，每一行代表一个样本，# 其中第一列是图片id，第二列是文件名，第三列是图片标签，# 第四列和第五列是Fovea的坐标，与分类任务无关# ID,imgName,Label,Fovea_X,Fovea_Y# 1,V0001.jpg,0,1157.74,1019.87# 2,V0002.jpg,1,1285.82,1080.47# 打开包含验证集标签的csvfile，并读入其中的内容filelists = open(csvfile).readlines()def reader():batch_imgs = []batch_labels = []for line in filelists[1:]:line = line.strip().split(',')name = line[1]label = int(line[2])# 根据图片文件名加载图片，并对图像数据作预处理filepath = os.path.join(datadir, name)img = cv2.imread(filepath)img = transform_img(img)# 每读取一个样本的数据，就将其放入数据列表中batch_imgs.append(img)batch_labels.append(label)if len(batch_imgs) == batch_size:# 当数据列表的长度等于batch_size的时候，# 把这些数据当作一个mini-batch，并作为数据生成器的一个输出imgs_array = np.array(batch_imgs).astype('float32')labels_array = np.array(batch_labels).astype('float32').reshape(-1, 1)yield imgs_array, labels_arraybatch_imgs = []batch_labels = []if len(batch_imgs) > 0:# 剩余样本数目不足一个batch_size的数据，一起打包成一个mini-batchimgs_array = np.array(batch_imgs).astype('float32')labels_array = np.array(batch_labels).astype('float32').reshape(-1, 1)yield imgs_array, labels_arrayreturn reader

定义LeNet模型

这个地方其实上一节也说过了，就是LeNet是如何定义的，详情可以参考

简易机器学习笔记（八）关于经典的图像分类问题-常见经典神经网络LeNet

这里就不过多介绍了，简单放一下代码：

# -*- coding:utf-8 -*-# 导入需要的包
import paddle
import numpy as np
 import Conv2D, MaxPool2D, Linear, Dropout
functional as F# 定义 LeNet 网络结构
class Layer):def __init__(self, num_classes=1):super(LeNet, self).__init__()self.num_classes = num_classes# 创建卷积和池化层块，每个卷积层使用Sigmoid激活函数，后面跟着一个2x2的池化v1 = Conv2D(in_channels=3, out_channels=6, kernel_size=5)self.max_pool1 = MaxPool2D(kernel_size=2, stride=v2 = Conv2D(in_channels=6, out_channels=16, kernel_size=5)self.max_pool2 = MaxPool2D(kernel_size=2, stride=2)# 创建第3个卷积层v3 = Conv2D(in_channels=16, out_channels=120, kernel_size=4)# 创建全连接层，第一个全连接层的输出神经元个数为64self.fc1 = Linear(in_features=300000, out_features=64)# 第二个全连接层输出神经元个数为分类标签的类别数self.fc2 = Linear(in_features=64, out_features=num_classes)# 网络的前向计算过程def forward(self, x, label=None):x = v1(x)x = F.sigmoid(x)x = self.max_pool1(x)x = v2(x)x = F.sigmoid(x)x = self.max_pool2(x)x = v3(x)x = F.sigmoid(x)x = shape(x, [x.shape[0], -1])x = self.fc1(x)x = F.sigmoid(x)x = self.fc2(x)if label is not None:if self.num_classes == 1:pred = F.sigmoid(x)pred = at([1.0 - pred, pred], axis=1)acc = ic.accuracy(pred, paddle.cast(label, dtype='int64'))else:acc = ic.accuracy(x, paddle.cast(label, dtype='int64'))return x, accelse:return x

编写训练过程

训练过程实际上和之前文章中提到的训练过程并无二至，实际上还是老一套：

1. 读数据
2. 前向计算预测
3. 计算loss函数
4. 反向传播
5. 更新权重
6. 清除梯度

当然了，这次的训练主要目的不是为了进行实际的工作，而是来进行模型准确度的测算，这也是我们在上面为什么读取数据集的时候除了基本的训练集，还添加了一个验证集。

验证集的验证工作其实比较简单，就是把model和验证集的参数传进去，然后让模型的预测和实际结果进行比较，计算出预测值和实际的label值的binary_cross_entropy_with_logits，再求出平均的损失值和准确度

代码如下：

# -*- coding: utf-8 -*-
# LeNet 识别眼疾图片
import os
import random
import paddle
import numpy as npDATADIR = '/home/aistudio/work/palm/PALM-Training400/PALM-Training400'
DATADIR2 = '/home/aistudio/work/palm/PALM-Validation400'
CSVFILE = '/home/aistudio/labels.csv'def train_pm(model, optimizer):print('start training ... ')ain()#定义数据读取器，训练数据读取器和验证数据读取器train_loader = data_loader(DATADIR, batch_size=10, mode='train')valid_loader = valid_data_loader(DATADIR2, CSVFILE)for epoch in range(EPOCH_NUM):for batch_id,data in enumerate(train_loader()):x_data,y_data = dataimg = _tensor(x_data)label = _tensor(y_data)# 运行模型前向计算，得到预测值logits = model(img)loss = F.binary_cross_entropy_with_logits(logits, label)avg_loss = an(loss)if batch_id % 10 == 0:print("epoch: {}, batch_id: {}, loss is: {:.4f}".format(epoch, batch_id, float(avg_loss.numpy())))#反向传播，更新权重，清除梯度avg_loss.backward()optimizer.step()optimizer.clear_grad()model.eval()accuracies = []losses = []for batch_id,data in enumerate(valid_loader()):x_data, y_data = dataimg = _tensor(x_data)label = _tensor(y_data)# 运行模型前向计算，得到预测值logits = model(img)# 二分类，sigmoid计算后的结果以0.5为阈值分两个类别# 计算sigmoid后的预测概率，进行loss计算pred = F.sigmoid(logits)loss = F.binary_cross_entropy_with_logits(logits, label)# 计算预测概率小于0.5的类别pred2 = pred * (-1.0) + 1.0   # 得到两个类别的预测概率，并沿第一个维度级联pred = at([pred2, pred], axis=1)acc = ic.accuracy(pred, paddle.cast(label, dtype='int64'))accuracies.append(acc.numpy())losses.append(loss.numpy())print("[validation] accuracy/loss: {:.4f}/{:.4f}".an(accuracies), np.mean(losses)))ain()paddle.save(model.state_dict(), 'palm.pdparams')paddle.save(optimizer.state_dict(), 'palm.pdopt')#定义评估过程
def evaluation(model,params_file_path):print('')#加载模型参数model_state_dict = paddle.load(params_file_path)model.load_dict(model_state_dict)model.eval()eval_loader = data_loader(DATADIR, batch_size=10, mode='eval')acc_set = []avg_loss_set = []for batch_id, data in enumerate(eval_loader()):x_data,y_data = dataimg = _tensor(x_data)label = _tensor(y_data)y_data = y_data.astype(np.int64)label_64 = _tensor(y_data)# 计算预测和精度prediction, acc = model(img, label_64)# 计算损失函数值loss = F.binary_cross_entropy_with_logits(prediction, label)avg_loss = an(loss)acc_set.append(float(acc.numpy()))avg_loss_set.append(float(avg_loss.numpy()))# 求平均精度acc_val_mean = np.array(acc_set).mean()avg_loss_val_mean = np.array(avg_loss_set).mean()print('loss={:.4f}, acc={:.4f}'.format(avg_loss_val_mean, acc_val_mean))

上述就是LeNet在实际验证中的总全部代码，稍微看懂整理一下即可。我们可以跑一下看看结果

结果

他奶奶的，本来就是个三分法的问题，算出来的准确度才0.5几，那不就和我瞎猜准确度高一点点…

不过也能理解，原来1444x1444的图片压缩到244x244再进行处理，这个精确度能高就有鬼了…

不过这也算是一个全流程的设计与开发，可以参考一下流程，

start training ... 
epoch: 0, batch_id: 0, loss is: 0.8100
epoch: 0, batch_id: 10, loss is: 0.6131
epoch: 0, batch_id: 20, loss is: 0.7744
epoch: 0, batch_id: 30, loss is: 0.7073
[validation] accuracy/loss: 0.5275/0.6923
epoch: 1, batch_id: 0, loss is: 0.7042
epoch: 1, batch_id: 10, loss is: 0.6933
epoch: 1, batch_id: 20, loss is: 0.6831
epoch: 1, batch_id: 30, loss is: 0.6810
[validation] accuracy/loss: 0.5275/0.6920
epoch: 2, batch_id: 0, loss is: 0.7451
epoch: 2, batch_id: 10, loss is: 0.6951
epoch: 2, batch_id: 20, loss is: 0.7227
epoch: 2, batch_id: 30, loss is: 0.6579
[validation] accuracy/loss: 0.5275/0.6918
epoch: 3, batch_id: 0, loss is: 0.6808
epoch: 3, batch_id: 10, loss is: 0.6888
epoch: 3, batch_id: 20, loss is: 0.6944
epoch: 3, batch_id: 30, loss is: 0.6829
[validation] accuracy/loss: 0.5275/0.6917
epoch: 4, batch_id: 0, loss is: 0.6855
epoch: 4, batch_id: 10, loss is: 0.6458
epoch: 4, batch_id: 20, loss is: 0.7227
epoch: 4, batch_id: 30, loss is: 0.7857
[validation] accuracy/loss: 0.5275/0.6917

loss=0.6912, acc=0.5325

我们换一种方法，不改变图片的大小了，直接上1444x1444图片，然后把神经元改一下，fc1的全连接层的输入值要改成15123000

 # 创建全连接层，第一个全连接层的输出神经元个数为64self.fc1 = Linear(in_features=15123000, out_features=64)

然后这个模型，他奶奶的，跑了快五分钟才跑了一个batch，不知道跑到明天能不能跑出来…跑出来再给大家看看结果

算了笑死，刚刚跑了一下下采样改成600 x 600，结果结果和244 x 244 完全一样，不知道这个对于图片大小到底是不是真的