automatik

Cross the Rubicon

PyTorch Getting Started : Transfer Learning

昨日の引き続き、PyTorchについてもっと見ていく。今日はTransfer Learning(転移学習)について。
元記事はここを参照。

多くのニューラルネット において、膨大なパラメータを持つためそれらを一から学習させることは非常に困難である。 大規模なデータと、マシンパワーが必要になって来るためである。(特に前者が大変そう。)

転移学習は、大規模データで学習済みのモデルの重みを保ったまま別のタスクに利用すること、利用する技術全般を指す。 PyTorch Tutorialでは、あらかじめ学習したResNetを利用し、アリ or ハチの分類タスクを解いてみよう。

データ用意

必要なライブラリをimportする

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 numpy as np
import torchvision
from torchvision import datasets, models, transforms
import matplotlib.pyplot as plt
import time
import os
import copy

次にデータを用意しよう。作業中のディレクトリで、以下のコマンドを叩いてデータを取得する。

wget https://download.pytorch.org/tutorial/hymenoptera_data.zip
unzip hymenoptera_data.zip

訓練データ224枚、テストデータ153枚のデータセット実際訓練データがこの数では最初から学習させるのは難しい。しかし、転移学習を使えばこの枚数でもかなりの精度が出る。それをこれから見ていこう。

データのロード

ここがやや複雑に見えるかもしれない。一つ一つ順を追って見ていく。
前回のように, transformsを定義する。注意すべきは、訓練時とテスト時でデータにかける変換が異なるという点である(ちょっとハマった)。ここでの変換は自前で用意したものではなく、 torchvision.transforms にあらかじめ用意してあるものを利用している。変換の一覧はこちらを参照。変換を紹介するのはまた別の機会に書こうと思う。

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])
    ]),
}

データセットクラスなどの定義。 訓練時とテスト時でデータセットクラスを作り、DataLoader でイテラブルにする感じである。 ここの ImageFolder はあらかじめ root/分類したいクラス/写真.(jpg|png) となるようにクラスを作ると、自動的に分類タスク用にデータセットクラスを作ってくれるというもの。

data_dir = '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")

ちなみにサンプルすると以下のようなデータが出てくる。

>> image_datasets['train'][0]
(tensor([[[-0.7137, -0.7137, -0.6965,  ..., -0.6965, -0.6623, -0.6281],
         [-0.7137, -0.6965, -0.6794,  ..., -0.6965, -0.6623, -0.6452],
         [-0.6965, -0.6965, -0.6794,  ..., -0.7137, -0.6794, -0.6794],
         ...,
         [-0.6452, -0.6452, -0.6281,  ..., -0.6794, -0.6623, -0.6623],
         [-0.6281, -0.6281, -0.6452,  ..., -0.7137, -0.6965, -0.6965],
         [-0.6281, -0.6281, -0.6623,  ..., -0.7137, -0.6965, -0.6965]],

        [[ 0.6429,  0.6429,  0.6604,  ...,  0.6604,  0.6954,  0.6954],
         [ 0.6429,  0.6604,  0.6779,  ...,  0.6779,  0.6954,  0.6779],
         [ 0.6604,  0.6604,  0.6779,  ...,  0.6604,  0.6779,  0.6429],
         ...,
         [ 0.7479,  0.7479,  0.7654,  ...,  0.6779,  0.6954,  0.6954],
         [ 0.7654,  0.7654,  0.7479,  ...,  0.6429,  0.6604,  0.6604],
         [ 0.7654,  0.7654,  0.7304,  ...,  0.6429,  0.6429,  0.6429]],

        [[ 2.2391,  2.2391,  2.2914,  ...,  2.3088,  2.3437,  2.3611],
         [ 2.2566,  2.2566,  2.3088,  ...,  2.3263,  2.3437,  2.3437],
         [ 2.2566,  2.2566,  2.3263,  ...,  2.3088,  2.3263,  2.3088],
         ...,
         [ 2.3437,  2.3437,  2.3611,  ...,  2.2914,  2.3088,  2.3088],
         [ 2.3611,  2.3611,  2.3437,  ...,  2.2914,  2.3088,  2.3088],
         [ 2.3611,  2.3611,  2.3263,  ...,  2.3263,  2.3437,  2.3437]]]), 0)

Visualize a few images

実際にデータをのぞいてみよう。ここは特にいうことは無し。

def imshow(inp, title=None):
    """Imshow 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])

001.png

Training the model

学習を実行する部分。ちょっと長いが、以下が学習するスクリプト。公式のコメントに付け足す形で適宜コメントをつけている。以下の点に注意。

  • schedulerは torch.optim.lr_scheduler クラスのもの。訓練時のみ、各エポックごとに scheduler.step() を実行して進める。
  • torch.max(output, 1) は二つの値を返す。一つ目は、実際にforwardした時の計算結果で、2つ目は出力層のもっとも大きいindexである。
  • deepcopy()してもっとも良いモデルを別メモリとして持っておくこと。
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('Epoch {}/{}'.format(epoch, num_epochs - 1))
        print('-' * 10)

        # Each epoch has a training and validation phase
        for phase in ['train', 'val']:
            if phase == 'train':
                scheduler.step()
                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)
                    """
                     torch.max(outputs, 1)が返すもの
          
                     outputs : (出力層が2つの場合)
                     tensor([[ 0.4015,  0.4264],
                     [ 0.5723, -0.2256],
                     [ 0.3828, -0.4551],
                     [ 0.6952, -0.6357]], grad_fn=<ThAddmmBackward>)

                     torch.max(outputs, 1)
                    (tensor([0.4264, 0.5723, 0.3828, 0.6952], 
                    grad_fn=<MaxBackward0>), tensor([1, 0, 0, 0]))
                    1つ目のTensorはnn.Linear(in_features, 2)での最後の層の結果を,
                    2つ目のTensorはどちらのindexが大きいかを取得している
                    """
                    _, 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)

            epoch_loss = running_loss / dataset_sizes[phase]
            epoch_acc = running_corrects.double() / dataset_sizes[phase]

            print('{} Loss: {:.4f} Acc: {:.4f}'.format(
                phase, epoch_loss, epoch_acc))

            # 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('Training complete in {:.0f}m {:.0f}s'.format(
        time_elapsed // 60, time_elapsed % 60))
    print('Best val Acc: {:4f}'.format(best_acc))

    # load best model weights
    model.load_state_dict(best_model_wts)
    return model

Finetuning the convnet(resnet)

転移学習をするため、あらかじめ学習しておいたResNetをロードし、最後の層のみを分類したいクラス分が出力になるように取り替える(今回は2クラスなので2)。代入するような形でモデルを操作できるため、finetuningを非常に簡単に行うことができる。

model_ft = models.resnet18(pretrained=True)
num_ftrs = model_ft.fc.in_features
model_ft.fc = nn.Linear(num_ftrs, 2) # 最後の全結合層を取り替える!

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)

モデルを学習させる。CPUだとそこそこ時間かかったので(公式によると25分ほどかかるようだ)、GPUで行った。

model_ft = train_model(model_ft, criterion, optimizer_ft, exp_lr_scheduler,
                       num_epochs=25)

手元の結果では最終的に88%になった。

Epoch 24 / 24
----------
train Loss : 0.2783 Acc : 0.8770
val Loss : 0.2746 Acc : 0.8824

ConvNet as fixed feature extractor

前回の結果では、訓練済みの重みをロードしたあと、全ての重みを訓練データで再学習させたが、parameter.requires_grad をFalseに設定してあげたら良い。 こうすることで、重みをFreezeしたまま、最後の全結合層のパラメータのみを学習することができる。

# ConvNet as a fixed feature extractor
model_conv = torchvision.models.resnet18(pretrained=True)
for param in model_conv.parameters():
  param.requires_grad = False # 全結合層以外の重みをFreeze

# Parameters of newly constructed modules have requires_grad=True by default
num_fits = model_conv.fc.in_features
model_conv.fc = nn.Linear(num_fits, 2)

model_conv.to(device)
crietion = nn.CrossEntropyLoss()

# Observe that only parameters of final layer are being optimized as
# opoosed 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)

# train model
model_conv = train_model(model_conv, crietion, optimizer_conv,
                         exp_lr_scheduler, num_epochs=25)

最終的な結果として、94%になった。

Epoch 24 / 24
----------
train Loss : 0.3329 Acc : 0.8566
val Loss : 0.1881 Acc : 0.9412