持续创作，加速生长！这是我参与「日新计划 10 月更文应战」的第27天，点击查看活动详情

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同。在图画分类方面，MaxViT 在各种设置下都达到了最先进的功能：ImageNet-1K分类使命，MaxViT 达到了 86.5% top-1 准确率； ImageNet-21K 分类使命，达到了 88.7% 的 top-1 准确率。关于下流使命，MaxViT 作为骨干在对象检测和视觉美学评价方面供给了良好的功能。论文的奉献首要有：

提出了一个通用的强 Transformer 骨干，MaxViT，可以在网络的每个阶段捕获本地和大局空间交互。
提出了一种新颖的独立多轴注意力模块，由堵塞的部分注意力和扩张的大局注意力组成，享用线性复杂性的大局感知。
通过广泛的消融研讨展现了很多的规划选择，包括层数、布局、MBConv 的运用等，规划出了 MaxViT-Block。
广泛的试验表明，MaxViT 在各种数据机制下完成了 SOTA 成果，适用于广泛的使命，包括图画分类、对象检测、图画美学评价和图画生成。

我这篇文章首要讲解怎么运用MaxViT完结图画分类使命，接下来咱们一同完结项目的实战。本例选用的模型是maxvit_tiny_224,在植物幼苗数据集上完成了95%的准确率。论文链接：arxiv.org/pdf/2204.01… 论文翻译：wanghao.blog.csdn.net/article/det…

通过这篇文章能让你学到：

怎么运用数据增强，包括transforms的增强、CutOut、MixUp、CutMix等增强手段？
怎么完成MaxViT模型完成练习？
怎么运用pytorch自带混合精度？
怎么运用梯度裁剪防止梯度爆炸？
怎么运用DP多显卡练习？
怎么绘制loss和acc曲线？
怎么生成val的测评陈述？
怎么编写测验脚本测验测验集？
怎么运用余弦退火策略调整学习率？
怎么运用AverageMeter类统计ACC和loss等自定义变量？
怎么了解和统计ACC1和ACC5？
怎么运用EMA？

装置包

装置timm

运用pip就行，命令：

pip install timm

本次运用的MaxViT，比较新，直接运用pip下载的模型中并没有，所以只能下载源码装置。链接：github.com/rwightman/p… 下载后解压，然后执行：

python setup.py install

数据增强Cutout和Mixup

为了进步成果我在代码中加入Cutout和Mixup这两种增强方法。完成这两种增强需求装置torchtoolbox。装置命令：

pip install torchtoolbox

Cutout完成，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])
])

需求导入包：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，假如 > 0，则 mixup 处于活动状况。

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

cutmix_minmax (List[float])：cutmix 最小/最大图画比率，cutmix 处于活动状况，假如不是 None，则运用这个 vs alpha。

假如设置了 cutmix_minmax 则cutmix_alpha 默认为1.0

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

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

mode (str): 怎么使用 mixup/cutmix 参数（每个’batch’，’pair’（元素对），’elem’（元素）。

correct_lam (bool): 当 cutmix bbox 被图画边框取舍时使用。 lambda 校正

label_smoothing (float)：将标签滑润使用于混合方针张量。

num_classes (int): 方针的类数。

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前史的一份参数，在必定练习阶段后，拿前史的参数给目前学习的参数做一次滑润。具体完成如下：

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()
# 练习过程中，更新完参数后，同步update shadow weights
def train():
    optimizer.step()
    ema.update()
# eval前，apply shadow weights；eval之后，恢复本来模型的参数
def evaluate():
    ema.apply_shadow()
    # evaluate
    ema.restore()

这个ema最好放在微调的时分运用，不然验证集不上分，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：核算mean和std的值。 makedata.py：生成数据集。 ema.py：EMA脚本

为了能在DP方法中运用混合精度，还需求在模型的forward函数前添加@autocast()。

核算mean和std

为了使模型愈加快速的收敛，咱们需求核算出mean和std的值，新建mean_std.py,刺进代码：

from torchvision.datasets import ImageFolder
import torch
from torchvision import transforms
def 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：

运转成果：

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

把这个成果记录下来，后边要用！

生成数据集

咱们整理还的图画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默认加载方法是ImageNet数据集格局，格局是

├─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

新增格局转化脚本makedata.py,刺进代码：

import glob
import os
import shutil
image_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)#删除再树立
    os.makedirs(file_dir)
else:
    os.makedirs(file_dir)
from sklearn.model_selection import train_test_split
trainval_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)

完结上面的内容就可以开启练习和测验了。

MaxViT实战：使用MaxViT实现图像分类任务（一）

摘要

装置包

装置timm

数据增强Cutout和Mixup

EMA

项目结构

核算mean和std

生成数据集

作者信息

MaxViT实战：使用MaxViT实现图像分类任务（一）

摘要

装置包

装置timm

数据增强Cutout和Mixup

EMA

项目结构

核算mean和std

生成数据集

相关文章

记一次windows环境下PaddleNLP的模型下载bug排除

又翻车了？列表点击事件采集那些你不知道的坑！

下一代代码助手 GitHub Copilot X 发布

drools规则动态化实践

作者信息