D2L-29 数据增广
Published:
本文介绍图像数据增广的动机与常用方法，演示翻转、裁剪和颜色变换等操作，并说明如何在模型训练流程中组合和应用数据增强。
🎦 本节课程视频地址 👇
数据增强（Data Augmentation）
大型数据集是成功应用深度神经网络的先决条件。 以图像增广为例，在对训练图像进行一系列的随机变化之后，生成相似但不同的训练样本，从而扩大了训练集的规模。 此外，应用图像增广的原因是，随机改变训练样本可以减少模型对某些属性的依赖，从而提高模型的泛化能力。
在一个已有数据集，通过数据变换，使得有更多的多样性
- 在语言里加入各种不同的背景噪音
- 改变图片的颜色、形状、位置、变形等待属性
使用增强数据训练
在训练中随机在线生成增强数据，在测试时不进行增强操作。
上下、左右翻转(Flip)：
torchvision.transforms.RandomHorizontalFlip()相应操作要符合语义解释
- 切割，从图片中切割一块，变成固定形状（由 CNN 特性决定），所以还存在拉伸等(Crop)
- 随机高宽比（e.g.[3/4,4/3]）
- 随机大小（e.g.[80%,100%]）
- 随机位置
- 颜色(Color)
- 色调
- 饱和度
- 明亮度
类似于对图片做 PS 的变换
总结
- 数据增广通过变形数据来获取多样性从而使模型泛化性能更好
- 常见方法翻转、切割、变色等等
代码实现
%matplotlib inline
import torch
import torchvision
from torch import nn
from d2l import torch as d2l
d2l.set_figsize()
img = d2l.Image.open('./Image/Lions.png')
d2l.plt.imshow(img)
#定义辅助函数，参数为图片img,和增广方法aug
#默认(2, 4)=8张变换
def apply(img, aug, num_rows=2, num_cols=4, scale=1.5):
Y = [aug(img) for _ in range(num_rows * num_cols)]
d2l.show_images(Y, num_rows, num_cols, scale=scale)
- 翻转
#水平随机翻转
apply(img, torchvision.transforms.RandomHorizontalFlip())
#随机上下翻转
apply(img, torchvision.transforms.RandomVerticalFlip())
- 裁剪
#随机剪裁
#size = (200, 200)，裁出来的图片大小
#scale=(0.1, 1)，裁处区域面积占原始图片百分比，从10%到100%
#ratio=(0.5, 2)，高宽比，1:2 or 2:1
shape_aug = torchvision.transforms.RandomResizedCrop((200, 200), scale=(0.1, 1), ratio=(0.5, 2))
apply(img, shape_aug)
- 更改亮度
brightness、对比度contrast、饱和度saturation、色调hue
apply(img, torchvision.transforms.ColorJitter(
brightness=0.5, contrast=0, saturation=0, hue=0))
apply(img, torchvision.transforms.ColorJitter(
brightness=0, contrast=0, saturation=0, hue=0.5))
- 可结合多种增广方法
torchvision.transforms.Compose([aug1, aug2, aug3, aug4])
augs = torchvision.transforms.Compose([
torchvision.transforms.RandomHorizontalFlip(),
color_aug, shape_aug])
apply(img, augs)
- 指定训练、测试所用增广方式
train_augs = torchvision.transforms.Compose([
torchvision.transforms.RandomHorizontalFlip(),
torchvision.transforms.ToTensor()
])
test_augs = torchvision.transforms.Compose([
torchvision.transforms.ToTensor()
])
- 定义加载数据集函数
def load_cifar10(is_train, augs, batch_size):
dataset = torchvision.datasets.CIFAR10(
root='../data', train=is_train,
transform=augs, download=True)
dataloader = torch.utils.data.DataLoader(
dataset, batch_size=batch_size, shuffle=is_train,
num_workers=4)
#untils.data.DataLoader()
#Combines a dataset and a sampler,
#and provides an iterable over the given dataset.
#dataset:加载的数据集
#batch_size:批量大小
#shuffle：打乱
#aug需要很大的计算量，num_workers可根据CPU核心数设大一些
return dataloader
- 定义训练函数
def train_batch_ch13(net, X, y, loss, trainer, devices):
if isinstance(X, list):
X = [x.to(devices[0]) for x in X]
else:
X = X.to(devices[0])
y = y.to(devices[0])
net.train()
trainer.zero_grad()
pred = net(X)
l = loss(pred, y)
l.sum().backward()
trainer.step()
train_loss_sum = l.sum()
train_acc_sum = d2l.accuracy(pred, y)
return train_loss_sum, train_acc_sum
def train_ch13(net, train_iter, test_iter, loss, trainer, num_epochs,
devices=d2l.try_all_gpus()):
"""用多GPU进行模型训练"""
timer, num_batches = d2l.Timer(), len(train_iter)
animator = d2l.Animator(xlabel='epoch', xlim=[1, num_epochs], ylim=[0, 1],
legend=['train loss', 'train acc', 'test acc'])
net = nn.DataParallel(net, device_ids=devices).to(devices[0])
for epoch in range(num_epochs):
# 4个维度：储存训练损失，训练准确度，实例数，特点数
metric = d2l.Accumulator(4)
for i, (features, labels) in enumerate(train_iter):
timer.start()
l, acc = train_batch_ch13(
net, features, labels, loss, trainer, devices)
metric.add(l, acc, labels.shape[0], labels.numel())
timer.stop()
if (i + 1) % (num_batches // 5) == 0 or i == num_batches - 1:
animator.add(epoch + (i + 1) / num_batches,
(metric[0] / metric[2], metric[1] / metric[3],
None))
test_acc = d2l.evaluate_accuracy_gpu(net, test_iter)
animator.add(epoch + 1, (None, None, test_acc))
print(f'loss {metric[0] / metric[2]:.3f}, train acc '
f'{metric[1] / metric[3]:.3f}, test acc {test_acc:.3f}')
print(f'{metric[2] * num_epochs / timer.sum():.1f} examples/sec on '
f'{str(devices)}')
- 定义网络、训练
batch_size, devices, net = 256, d2l.try_all_gpus(), d2l.resnet18(10, 3)
def init_weights(m):
if type(m) in [nn.Linear, nn.Conv2d]:
nn.init.xavier_uniform_(m.weight)
net.apply(init_weights)
def train_with_data_aug(train_augs, test_augs, net, lr=0.001):
train_iter = load_cifar10(True, train_augs, batch_size)
test_iter = load_cifar10(False, test_augs, batch_size)
loss = nn.CrossEntropyLoss(reduction="none")
trainer = torch.optim.Adam(net.parameters(), lr=lr)
train_ch13(net, train_iter, test_iter, loss, trainer, 10, devices)
train_with_data_aug(train_augs, test_augs, net)
# Out:
# loss 0.177, train acc 0.939, test acc 0.819
# 5079.7 examples/sec on [device(type='cuda', index=0), device(type='cuda', index=1)]
Pytorch 模块参考文档
配图说明：部分旧版图片链接已失效，现采用教材对应章节中的 PyTorch 示例图；图中数值可能与笔记保留的历史运行输出略有不同。