PyTorch 2.0 チュートリアル : 画像と動画 : 転移学習チュートリアル (翻訳/解説)
翻訳 : (株)クラスキャット セールスインフォメーション
作成日時 : 05/02/2023 (2.0.0)
* 本ページは、PyTorch 2.0 Tutorials の以下のページを翻訳した上で適宜、補足説明したものです：
- Image and Video : Transfer Learning for Computer Vision Tutorial
* サンプルコードの動作確認はしておりますが、必要な場合には適宜、追加改変しています。
* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。
クラスキャット 人工知能 研究開発支援サービス
◆ クラスキャット は人工知能・テレワークに関する各種サービスを提供しています。お気軽にご相談ください :
- 人工知能研究開発支援
- 人工知能研修サービス(経営者層向けオンサイト研修)
- テクニカルコンサルティングサービス
- 実証実験(プロトタイプ構築)
- アプリケーションへの実装
- 人工知能研修サービス
- PoC(概念実証)を失敗させないための支援
◆ 人工知能とビジネスをテーマに WEB セミナーを定期的に開催しています。スケジュール。
- お住まいの地域に関係なく Web ブラウザからご参加頂けます。事前登録 が必要ですのでご注意ください。
◆ お問合せ : 本件に関するお問い合わせ先は下記までお願いいたします。
- 株式会社クラスキャット セールス・マーケティング本部 セールス・インフォメーション
- sales-info@classcat.com ; Website: www.classcat.com ; ClassCatJP
PyTorch 2.0 チュートリアル : 画像と動画 : 転移学習チュートリアル
このチュートリアルでは、転移学習を使用して画像分類用の畳込みニューラルネットワークをどのように訓練するかを学習します。転移学習については cs231n ノート で更に読むことができます。
これらのノートを引用すると、
実際には、非常に少しの人々が畳込みニューラルネットワーク全体を (ランダム初期化で) スクラッチから訓練します、何故ならば十分なサイズのデータセットを持つことは比較的稀 (まれ) だからです。代わりに、非常に大規模なデータセット (e.g. ImageNet, これは 1000 カテゴリを持つ 120 万画像を含みます) 上で ConvNet を事前訓練して、それからその ConvNet を初期化のためか関心があるタスクのための固定された特徴抽出器として利用するのが一般的です。
これらの２つの主要な転移学習シナリオは次のようなものです :
- convnet の再調整 : ランダム初期化の代わりに、imagenet 1000 データセット上で訓練されたもののような、事前訓練済みネットワークを使用してネットワークを初期化します。訓練の残りは通常のようなものです。
- 固定された特徴抽出器としての ConvNet : ここでは、(最後の完全結合層の重みを除く) ネットワークの総てのための重みを凍結します。この最後の完全結合層はランダム重みを持つ新しいもので置き換えられてこの層だけ訓練されます。
# License: BSD
# Author: Sasank Chilamkurthy
from __future__ import print_function, division
import torch
import torch.nn as nn
import torch.optim as optim
from torch.optim import lr_scheduler
import torch.backends.cudnn as cudnn
import numpy as np
import torchvision
from torchvision import datasets, models, transforms
import matplotlib.pyplot as plt
import time
import os
import copy
cudnn.benchmark = True
plt.ion() # interactive mode
データをロードする
データをロードするために torchvision と torch.utils.data パッケージを使用します。
今日解いていく問題は アリ (= ants) と ハチ (= bees) を分類するモデルを訓練することです。アリとハチのそれぞれ用におよそ 120 の訓練画像を持ちます。各クラスのために 75 の検証画像があります。通常は、スクラッチから訓練される場合、これは (その上で) 一般化するには非常に小さいデータセットです。私達は転移学習を使用していますので、合理的に上手く一般化することができるはずです。
このデータセットは imagenet の非常に小さなサブセットです。
Note: ここ からデータをダウンロードしてそれを現在のディレクトリに展開します。
# Data augmentation and normalization for training
# Just normalization for validation
data_transforms = {
'train': transforms.Compose([
transforms.RandomResizedCrop(224),
transforms.RandomHorizontalFlip(),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
]),
'val': transforms.Compose([
transforms.Resize(256),
transforms.CenterCrop(224),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
]),
}
data_dir = 'data/hymenoptera_data'
image_datasets = {x: datasets.ImageFolder(os.path.join(data_dir, x),
data_transforms[x])
for x in ['train', 'val']}
dataloaders = {x: torch.utils.data.DataLoader(image_datasets[x], batch_size=4,
shuffle=True, num_workers=4)
for x in ['train', 'val']}
dataset_sizes = {x: len(image_datasets[x]) for x in ['train', 'val']}
class_names = image_datasets['train'].classes
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
幾つか画像を可視化する
データ増強を理解するために少しの訓練画像を可視化しましょう。
def imshow(inp, title=None):
"""Display image for Tensor."""
inp = inp.numpy().transpose((1, 2, 0))
mean = np.array([0.485, 0.456, 0.406])
std = np.array([0.229, 0.224, 0.225])
inp = std * inp + mean
inp = np.clip(inp, 0, 1)
plt.imshow(inp)
if title is not None:
plt.title(title)
plt.pause(0.001) # pause a bit so that plots are updated
# Get a batch of training data
inputs, classes = next(iter(dataloaders['train']))
# Make a grid from batch
out = torchvision.utils.make_grid(inputs)
imshow(out, title=[class_names[x] for x in classes])
モデルの訓練
さて、モデルを訓練するための一般的な関数を書きましょう。ここでは、次を示します :
- 学習率のスケジューリング
- ベスト・モデルのセーブ
以下で、パラメータ・スケジューラは torch.optim.lr_scheduler からの LR スケジューラ・オブジェクトです。
def train_model(model, criterion, optimizer, scheduler, num_epochs=25):
since = time.time()
best_model_wts = copy.deepcopy(model.state_dict())
best_acc = 0.0
for epoch in range(num_epochs):
print(f'Epoch {epoch}/{num_epochs - 1}')
print('-' * 10)
# Each epoch has a training and validation phase
for phase in ['train', 'val']:
if phase == 'train':
model.train() # Set model to training mode
else:
model.eval() # Set model to evaluate mode
running_loss = 0.0
running_corrects = 0
# Iterate over data.
for inputs, labels in dataloaders[phase]:
inputs = inputs.to(device)
labels = labels.to(device)
# zero the parameter gradients
optimizer.zero_grad()
# forward
# track history if only in train
with torch.set_grad_enabled(phase == 'train'):
outputs = model(inputs)
_, preds = torch.max(outputs, 1)
loss = criterion(outputs, labels)
# backward + optimize only if in training phase
if phase == 'train':
loss.backward()
optimizer.step()
# statistics
running_loss += loss.item() * inputs.size(0)
running_corrects += torch.sum(preds == labels.data)
if phase == 'train':
scheduler.step()
epoch_loss = running_loss / dataset_sizes[phase]
epoch_acc = running_corrects.double() / dataset_sizes[phase]
print(f'{phase} Loss: {epoch_loss:.4f} Acc: {epoch_acc:.4f}')
# deep copy the model
if phase == 'val' and epoch_acc > best_acc:
best_acc = epoch_acc
best_model_wts = copy.deepcopy(model.state_dict())
print()
time_elapsed = time.time() - since
print(f'Training complete in {time_elapsed // 60:.0f}m {time_elapsed % 60:.0f}s')
print(f'Best val Acc: {best_acc:4f}')
# load best model weights
model.load_state_dict(best_model_wts)
return model
モデル予測の可視化
幾つかの画像のための予測を表示する一般的な関数。
def visualize_model(model, num_images=6):
was_training = model.training
model.eval()
images_so_far = 0
fig = plt.figure()
with torch.no_grad():
for i, (inputs, labels) in enumerate(dataloaders['val']):
inputs = inputs.to(device)
labels = labels.to(device)
outputs = model(inputs)
_, preds = torch.max(outputs, 1)
for j in range(inputs.size()[0]):
images_so_far += 1
ax = plt.subplot(num_images//2, 2, images_so_far)
ax.axis('off')
ax.set_title(f'predicted: {class_names[preds[j]]}')
imshow(inputs.cpu().data[j])
if images_so_far == num_images:
model.train(mode=was_training)
return
model.train(mode=was_training)
ConvNet の再調整
事前訓練済みモデルをロードして最後の完全結合層をリセットします。
model_ft = models.resnet18(weights='IMAGENET1K_V1')
num_ftrs = model_ft.fc.in_features
# Here the size of each output sample is set to 2.
# Alternatively, it can be generalized to ``nn.Linear(num_ftrs, len(class_names))``.
model_ft.fc = nn.Linear(num_ftrs, 2)
model_ft = model_ft.to(device)
criterion = nn.CrossEntropyLoss()
# Observe that all parameters are being optimized
optimizer_ft = optim.SGD(model_ft.parameters(), lr=0.001, momentum=0.9)
# Decay LR by a factor of 0.1 every 7 epochs
exp_lr_scheduler = lr_scheduler.StepLR(optimizer_ft, step_size=7, gamma=0.1)
Downloading: "https://download.pytorch.org/models/resnet18-f37072fd.pth" to /var/lib/jenkins/.cache/torch/hub/checkpoints/resnet18-f37072fd.pth 0%| | 0.00/44.7M [00:00<?, ?B/s] 28%|##7 | 12.3M/44.7M [00:00<00:00, 129MB/s] 89%|########9 | 39.8M/44.7M [00:00<00:00, 223MB/s] 100%|##########| 44.7M/44.7M [00:00<00:00, 214MB/s]
訓練と評価
それは CPU 上でおよそ 15-25 分かかるはずです。けれども GPU 上なら、1 分もかかりません。
model_ft = train_model(model_ft, criterion, optimizer_ft, exp_lr_scheduler,
num_epochs=25)
Epoch 0/24 ---------- train Loss: 0.6078 Acc: 0.6721 val Loss: 0.1650 Acc: 0.9216 Epoch 1/24 ---------- train Loss: 0.4609 Acc: 0.8279 val Loss: 0.2639 Acc: 0.8889 Epoch 2/24 ---------- train Loss: 0.4854 Acc: 0.7910 val Loss: 0.2495 Acc: 0.9085 Epoch 3/24 ---------- train Loss: 0.5026 Acc: 0.7951 val Loss: 0.3658 Acc: 0.8431 Epoch 4/24 ---------- train Loss: 0.3531 Acc: 0.8525 val Loss: 0.1452 Acc: 0.9412 Epoch 5/24 ---------- train Loss: 0.5783 Acc: 0.7746 val Loss: 0.6261 Acc: 0.7582 Epoch 6/24 ---------- train Loss: 0.3722 Acc: 0.8279 val Loss: 0.3069 Acc: 0.9020 Epoch 7/24 ---------- train Loss: 0.3410 Acc: 0.8525 val Loss: 0.2780 Acc: 0.8954 Epoch 8/24 ---------- train Loss: 0.3374 Acc: 0.8607 val Loss: 0.2899 Acc: 0.9020 Epoch 9/24 ---------- train Loss: 0.3152 Acc: 0.8689 val Loss: 0.2745 Acc: 0.9020 Epoch 10/24 ---------- train Loss: 0.2569 Acc: 0.9139 val Loss: 0.2655 Acc: 0.9150 Epoch 11/24 ---------- train Loss: 0.2025 Acc: 0.9221 val Loss: 0.2658 Acc: 0.9216 Epoch 12/24 ---------- train Loss: 0.2722 Acc: 0.8893 val Loss: 0.2575 Acc: 0.9281 Epoch 13/24 ---------- train Loss: 0.3553 Acc: 0.8361 val Loss: 0.2665 Acc: 0.9085 Epoch 14/24 ---------- train Loss: 0.2306 Acc: 0.8893 val Loss: 0.2594 Acc: 0.9150 Epoch 15/24 ---------- train Loss: 0.3257 Acc: 0.8361 val Loss: 0.2764 Acc: 0.9020 Epoch 16/24 ---------- train Loss: 0.2838 Acc: 0.8730 val Loss: 0.2705 Acc: 0.9150 Epoch 17/24 ---------- train Loss: 0.3629 Acc: 0.8443 val Loss: 0.2663 Acc: 0.9085 Epoch 18/24 ---------- train Loss: 0.3257 Acc: 0.8525 val Loss: 0.2598 Acc: 0.9150 Epoch 19/24 ---------- train Loss: 0.2406 Acc: 0.8975 val Loss: 0.2624 Acc: 0.9216 Epoch 20/24 ---------- train Loss: 0.2980 Acc: 0.8525 val Loss: 0.2730 Acc: 0.9150 Epoch 21/24 ---------- train Loss: 0.2475 Acc: 0.8934 val Loss: 0.2874 Acc: 0.9085 Epoch 22/24 ---------- train Loss: 0.3315 Acc: 0.8525 val Loss: 0.2657 Acc: 0.9216 Epoch 23/24 ---------- train Loss: 0.2147 Acc: 0.9139 val Loss: 0.2589 Acc: 0.9216 Epoch 24/24 ---------- train Loss: 0.2934 Acc: 0.8811 val Loss: 0.2682 Acc: 0.9150 Training complete in 1m 11s Best val Acc: 0.941176
visualize_model(model_ft)
固定された特徴抽出器としての ConvNet
ここでは、最終層を除くネットワーク総てを凍結する必要があります。勾配が backward() で計算されないようにパラメータを凍結するために requires_grad == False を設定する必要があります。
これについての詳細は ここ のドキュメントで読むことができます。
model_conv = torchvision.models.resnet18(weights='IMAGENET1K_V1')
for param in model_conv.parameters():
param.requires_grad = False
# Parameters of newly constructed modules have requires_grad=True by default
num_ftrs = model_conv.fc.in_features
model_conv.fc = nn.Linear(num_ftrs, 2)
model_conv = model_conv.to(device)
criterion = nn.CrossEntropyLoss()
# Observe that only parameters of final layer are being optimized as
# opposed to before.
optimizer_conv = optim.SGD(model_conv.fc.parameters(), lr=0.001, momentum=0.9)
# Decay LR by a factor of 0.1 every 7 epochs
exp_lr_scheduler = lr_scheduler.StepLR(optimizer_conv, step_size=7, gamma=0.1)
訓練と評価
これは CPU 上で前のシナリオに比べておよそ半分の時間がかかるでしょう。これはネットワークの殆どに対して勾配が計算される必要がないことが想定されています。けれども、forward は計算される必要があります。
model_conv = train_model(model_conv, criterion, optimizer_conv,
exp_lr_scheduler, num_epochs=25)
Epoch 0/24 ---------- train Loss: 0.5727 Acc: 0.6926 val Loss: 0.2872 Acc: 0.8954 Epoch 1/24 ---------- train Loss: 0.5454 Acc: 0.7459 val Loss: 0.1864 Acc: 0.9673 Epoch 2/24 ---------- train Loss: 0.5405 Acc: 0.7295 val Loss: 0.2657 Acc: 0.8758 Epoch 3/24 ---------- train Loss: 0.3744 Acc: 0.8361 val Loss: 0.2195 Acc: 0.9150 Epoch 4/24 ---------- train Loss: 0.5419 Acc: 0.7541 val Loss: 0.1779 Acc: 0.9477 Epoch 5/24 ---------- train Loss: 0.6799 Acc: 0.7541 val Loss: 0.2231 Acc: 0.9085 Epoch 6/24 ---------- train Loss: 0.4096 Acc: 0.7992 val Loss: 0.1798 Acc: 0.9477 Epoch 7/24 ---------- train Loss: 0.2708 Acc: 0.8934 val Loss: 0.1779 Acc: 0.9542 Epoch 8/24 ---------- train Loss: 0.3113 Acc: 0.8811 val Loss: 0.2165 Acc: 0.9216 Epoch 9/24 ---------- train Loss: 0.3181 Acc: 0.8648 val Loss: 0.2023 Acc: 0.9346 Epoch 10/24 ---------- train Loss: 0.3703 Acc: 0.8402 val Loss: 0.2200 Acc: 0.9150 Epoch 11/24 ---------- train Loss: 0.3576 Acc: 0.8320 val Loss: 0.2014 Acc: 0.9542 Epoch 12/24 ---------- train Loss: 0.3457 Acc: 0.8402 val Loss: 0.1809 Acc: 0.9542 Epoch 13/24 ---------- train Loss: 0.3352 Acc: 0.8525 val Loss: 0.2015 Acc: 0.9412 Epoch 14/24 ---------- train Loss: 0.3434 Acc: 0.8484 val Loss: 0.1985 Acc: 0.9412 Epoch 15/24 ---------- train Loss: 0.4325 Acc: 0.8115 val Loss: 0.2082 Acc: 0.9085 Epoch 16/24 ---------- train Loss: 0.3189 Acc: 0.8730 val Loss: 0.2073 Acc: 0.9346 Epoch 17/24 ---------- train Loss: 0.4128 Acc: 0.8402 val Loss: 0.1877 Acc: 0.9542 Epoch 18/24 ---------- train Loss: 0.3727 Acc: 0.8443 val Loss: 0.2371 Acc: 0.9281 Epoch 19/24 ---------- train Loss: 0.3586 Acc: 0.8443 val Loss: 0.2009 Acc: 0.9346 Epoch 20/24 ---------- train Loss: 0.3391 Acc: 0.8443 val Loss: 0.1913 Acc: 0.9477 Epoch 21/24 ---------- train Loss: 0.3443 Acc: 0.8320 val Loss: 0.2063 Acc: 0.9346 Epoch 22/24 ---------- train Loss: 0.3730 Acc: 0.8238 val Loss: 0.2009 Acc: 0.9477 Epoch 23/24 ---------- train Loss: 0.3085 Acc: 0.8607 val Loss: 0.1990 Acc: 0.9346 Epoch 24/24 ---------- train Loss: 0.4164 Acc: 0.8156 val Loss: 0.1880 Acc: 0.9477 Training complete in 0m 44s Best val Acc: 0.967320
visualize_model(model_conv)
plt.ioff()
plt.show()
Further Learning
転移学習の応用について更に学習したいのであれば、Quantized Transfer Learning for Computer Vision チュートリアル を確認してください。
以上