建站宝盒哪个牌子好,网站建设ppt课件,oa系统品牌,会员制网站 建设PyTorch深度学习实战#xff08;26#xff09;——卷积自编码器 0. 前言1. 卷积自编码器2. 使用 t-SNE 对相似图像进行分组小结系列链接 0. 前言
我们已经学习了自编码器 (AutoEncoder) 的原理#xff0c;并使用 PyTorch 搭建了全连接自编码器#xff0c;但我们使用的数据… PyTorch深度学习实战26——卷积自编码器 0. 前言1. 卷积自编码器2. 使用 t-SNE 对相似图像进行分组小结系列链接 0. 前言
我们已经学习了自编码器 (AutoEncoder) 的原理并使用 PyTorch 搭建了全连接自编码器但我们使用的数据集较为简单每张图像只有一个通道(每张图像都为黑白图像)且图像相对较小 (28 x 28)。但在现实场景中图像数据通常为彩色图像( 3 个通道)且图像尺寸通常较大。在本节中我们将实现能够处理多维输入图像的卷积自编码器为了与普通自编码器进行对比同样使用 MNIST 数据集。
1. 卷积自编码器
与传统的全连接自编码器不同卷积自编码器 (Convolutional Autoencoder) 利用卷积层和池化层替代了全连接层以处理具有高维空间结构的图像数据。这样的设计使得卷积自编码器能够在较少的参数量下对输入数据进行降维和压缩同时保留重要的空间特征。卷积自编码器架构如下所示 从上图中可以看出输入图像被表示为瓶颈层中的潜空间变量用于重建图像。图像经过多次卷积(编码器)得到低维潜空间表示然后在解码器中将潜空间变量还原为原始尺寸使解码器的输出能够近似恢复原始输入。 本质上卷积自编码器在其网络中使用卷积、池化操作来代替原始自编码器的全连接操作并使用反卷积操作 (Conv2DTranspose) 对特征图进行上采样。了解卷积自编码器的原理后使用 PyTorch 实现此架构。
(1) 数据集的加载和构建方式与全连接自编码器完全相同
from torchvision.datasets import MNIST
from torchvision import transforms
from torch.utils.data import DataLoader, Dataset
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms
from torchvision.utils import make_grid
import numpy as np
from matplotlib import pyplot as plt
device cuda if torch.cuda.is_available() else cpuimg_transform transforms.Compose([transforms.ToTensor(),transforms.Normalize([0.5], [0.5]),transforms.Lambda(lambda x: x.to(device))
])trn_ds MNIST(MNIST/, transformimg_transform, trainTrue, downloadTrue)
val_ds MNIST(MNIST/, transformimg_transform, trainFalse, downloadTrue)batch_size 256
trn_dl DataLoader(trn_ds, batch_sizebatch_size, shuffleTrue)
val_dl DataLoader(val_ds, batch_sizebatch_size, shuffleFalse)(2) 定义神经网络类 ConvAutoEncoder。
定义 __init__ 方法
class ConvAutoEncoder(nn.Module):def __init__(self):super().__init__()定义编码器架构 self.encoder nn.Sequential(nn.Conv2d(1, 32, 3, stride3, padding1), nn.ReLU(True),nn.MaxPool2d(2, stride2),nn.Conv2d(32, 64, 3, stride2, padding1), nn.ReLU(True),nn.MaxPool2d(2, stride1))在以上代码中通道数最初由 1 开始逐渐增加到 64同时通过 nn.MaxPool2d 和 nn.Conv2d 操作减小输入图像尺寸。
定义解码器架构 self.decoder nn.Sequential(nn.ConvTranspose2d(64, 32, 3, stride2), nn.ReLU(True),nn.ConvTranspose2d(32, 16, 5, stride3, padding1), nn.ReLU(True),nn.ConvTranspose2d(16, 1, 2, stride2, padding1), nn.Tanh())定义前向传播方法 forward def forward(self, x):x self.encoder(x)x self.decoder(x)return x(3) 使用 summary 方法获取模型摘要信息
model ConvAutoEncoder().to(device)
from torchsummary import summary
summary(model, (1,28,28))
输出结果如下所示
shell
----------------------------------------------------------------Layer (type) Output Shape Param #
Conv2d-1 [-1, 32, 10, 10] 320ReLU-2 [-1, 32, 10, 10] 0MaxPool2d-3 [-1, 32, 5, 5] 0Conv2d-4 [-1, 64, 3, 3] 18,496ReLU-5 [-1, 64, 3, 3] 0MaxPool2d-6 [-1, 64, 2, 2] 0ConvTranspose2d-7 [-1, 32, 5, 5] 18,464ReLU-8 [-1, 32, 5, 5] 0ConvTranspose2d-9 [-1, 16, 15, 15] 12,816ReLU-10 [-1, 16, 15, 15] 0ConvTranspose2d-11 [-1, 1, 28, 28] 65Tanh-12 [-1, 1, 28, 28] 0Total params: 50,161
Trainable params: 50,161
Non-trainable params: 0
----------------------------------------------------------------
Input size (MB): 0.00
Forward/backward pass size (MB): 0.14
Params size (MB): 0.19
Estimated Total Size (MB): 0.34
----------------------------------------------------------------从以上模型架构信息可以看出使用尺寸为 batch size x 64 x 2 x 2 的 MaxPool2d-6 层作为瓶颈层。
模型训练过程训练和验证损失随时间的变化以及对输入图像的重建结果如下
def train_batch(input, model, criterion, optimizer):model.train()optimizer.zero_grad()output model(input)loss criterion(output, input)loss.backward()optimizer.step()return losstorch.no_grad()
def validate_batch(input, model, criterion):model.eval()output model(input)loss criterion(output, input)return lossmodel ConvAutoEncoder().to(device)
criterion nn.MSELoss()
optimizer torch.optim.AdamW(model.parameters(), lr0.001, weight_decay1e-5)num_epochs 20
train_loss_epochs []
val_loss_epochs []
for epoch in range(num_epochs):N len(trn_dl)trn_loss []val_loss []for ix, (data, _) in enumerate(trn_dl):loss train_batch(data, model, criterion, optimizer)pos (epoch (ix1)/N)trn_loss.append(loss.item())train_loss_epochs.append(np.average(trn_loss))N len(val_dl)for ix, (data, _) in enumerate(val_dl):loss validate_batch(data, model, criterion)pos epoch (1ix)/Nval_loss.append(loss.item())val_loss_epochs.append(np.average(val_loss))epochs np.arange(num_epochs)1
plt.plot(epochs, train_loss_epochs, bo, labelTraining loss)
plt.plot(epochs, val_loss_epochs, r-, labelTest loss)
plt.title(Training and Test loss over increasing epochs)
plt.xlabel(Epochs)
plt.ylabel(Loss)
plt.legend()
plt.grid(off)
plt.show()for _ in range(5):ix np.random.randint(len(val_ds))im, _ val_ds[ix]_im model(im[None])[0]plt.subplot(121)# fig, ax plt.subplots(1,2,figsize(3,3)) plt.imshow(im[0].detach().cpu(), cmapgray)plt.title(input)plt.subplot(122)plt.imshow(_im[0].detach().cpu(), cmapgray)plt.title(prediction)plt.show()从上图中我们可以看到卷积自编码器重建后的图像比全连接自编码器更清晰可以通过改变编码器和解码器中的通道数观察模型训练结果。在下一节中我们将根据瓶颈层潜变量对相似图像进行分组
2. 使用 t-SNE 对相似图像进行分组
假设相似的图像具有相似的潜变量(也称嵌入)而不相似的图像具有不同的潜变量使用自编码器可以在低维空间中表示图像。接下来我们继续学习图像的相似度度量在二维空间中绘制潜变量使用 t-SNE 技术将卷积自编码器的 64 维向量缩减至到 2 维空间。 在 2 维空间中我们可以方便的可视化潜变量以观察相似图像是否具有相似的潜变量相似图像在二维平面中应该聚集在一起。接下里我们在二维平面中表示所有测试图像的潜变量。
(1) 初始化列表以便存储潜变量 (latent_vectors) 和相应的图像类别(存储每个图像的类别只是为了验证同一类别的图像是否具有较高的相似性并不会在训练过程使用)
latent_vectors []
classes [](2) 遍历验证数据加载器 (val_dl) 中的图像并存储编码器的输出 (model.encoder(im).view(len(im),-1)) 和每个图像 (im) 对应的类别 (clss)
for im,clss in val_dl:latent_vectors.append(model.encoder(im).view(len(im),-1))classes.extend(clss)(3) 连接潜变量 (latent_vectors) NumPy 数组
latent_vectors torch.cat(latent_vectors).cpu().detach().numpy()(4) 导入 t-SNE 库 (TSNE)并将潜变量转换为二维向量 (TSNE(2)) 以便进行绘制
from sklearn.manifold import TSNE
tsne TSNE(2)(5) 通过在图像潜变量 (latent_vectors) 上运行 fit_transform 方法来拟合 t-SNE
clustered tsne.fit_transform(latent_vectors)(6) 拟合 t-SNE 后绘制数据点
fig plt.figure(figsize(12,10))
cmap plt.get_cmap(Spectral, 10)
plt.scatter(*zip(*clustered), cclasses, cmapcmap)
plt.colorbar(drawedgesTrue)
plt.show()可以看到同一类别的图像能够聚集在一起即相似的图像将具有相似的潜变量值。
小结
卷积自编码器是一种基于卷积神经网络结构的自编码器适用于处理图像数据。卷积自编码器在图像处理领域有广泛的应用包括图像去噪、图像压缩、图像生成等任务。通过训练卷积自编码器可以提取出输入图像的关键特征并实现对图像数据的降维和压缩同时保留重要的空间信息。在本节中我们介绍了卷积自编码器的模型架构使用 PyTorch 从零开始实现在 MNIST 数据集上训练了一个简单的卷积自编码器并使用 t-SNE 技术在二维平面中表示了所有测试图像的潜变量。
系列链接
PyTorch深度学习实战1——神经网络与模型训练过程详解 PyTorch深度学习实战2——PyTorch基础 PyTorch深度学习实战3——使用PyTorch构建神经网络 PyTorch深度学习实战4——常用激活函数和损失函数详解 PyTorch深度学习实战5——计算机视觉基础 PyTorch深度学习实战6——神经网络性能优化技术 PyTorch深度学习实战7——批大小对神经网络训练的影响 PyTorch深度学习实战8——批归一化 PyTorch深度学习实战9——学习率优化 PyTorch深度学习实战10——过拟合及其解决方法 PyTorch深度学习实战11——卷积神经网络 PyTorch深度学习实战12——数据增强 PyTorch深度学习实战13——可视化神经网络中间层输出 PyTorch深度学习实战14——类激活图 PyTorch深度学习实战15——迁移学习 PyTorch深度学习实战16——面部关键点检测 PyTorch深度学习实战17——多任务学习 PyTorch深度学习实战18——目标检测基础 PyTorch深度学习实战19——从零开始实现R-CNN目标检测 PyTorch深度学习实战20——从零开始实现Fast R-CNN目标检测 PyTorch深度学习实战21——从零开始实现Faster R-CNN目标检测 PyTorch深度学习实战22——从零开始实现YOLO目标检测 PyTorch深度学习实战23——使用U-Net架构进行图像分割 PyTorch深度学习实战24——从零开始实现Mask R-CNN实例分割 PyTorch深度学习实战25——自编码器(Autoencoder)
