作业:day43的时候我们安排大家对自己找的数据集用简单cnn训练,现在可以尝试下借助这几天的知识来实现精度的进一步提高

import torch
import torch.nn as nn
import torch.nn.functional as F
import torchvision
import torchvision.transforms as transforms
import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
import os# 设置随机种子确保结果可复现
torch.manual_seed(42)
np.random.seed(42)# --- MODIFICATION 1: 更改为你的数据集路径 ---
# 将 'path/to/your_dataset' 替换为你的数据集所在的根目录
# Using a placeholder path. Please update this to your actual dataset path.
data_dir = r'/data/wangjinjun/learn/data/10 Big Cats of the Wild - Image Classification'
train_dir = os.path.join(data_dir, 'train')
test_dir = os.path.join(data_dir, 'test')# 检查路径是否存在
if not os.path.isdir(data_dir):print(f"Warning: Dataset directory not found at '{data_dir}'. "f"Please update the 'data_dir' variable to your dataset's path. "f"The script will fail if the path is not correct.")# Create dummy directories to allow the script to run without FileNotFoundError# You should replace this with your actual data.os.makedirs(train_dir, exist_ok=True)os.makedirs(test_dir, exist_ok=True)# Create dummy class folders and imagesfor d in [train_dir, test_dir]:for c in ['AFRICAN LEOPARD', 'TIGER']: # Example classesos.makedirs(os.path.join(d, c), exist_ok=True)Image.new('RGB', (100, 100)).save(os.path.join(d, c, 'dummy.jpg'))# --- MODIFICATION 2: 使用ImageFolder加载自定义数据集 ---
# 定义数据预处理步骤
transform = transforms.Compose([transforms.Resize((32, 32)),transforms.ToTensor(),transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
])# 加载训练集和测试集
trainset = torchvision.datasets.ImageFolder(root=train_dir, transform=transform)
testset = torchvision.datasets.ImageFolder(root=test_dir, transform=transform)# 从训练数据集中自动获取类别名称和数量
classes = trainset.classes
num_classes = len(classes)
print(f"从数据集中找到 {num_classes} 个类别: {classes}")# 创建数据加载器
trainloader = torch.utils.data.DataLoader(trainset, batch_size=64, shuffle=True, num_workers=2)
testloader = torch.utils.data.DataLoader(testset, batch_size=64, shuffle=False, num_workers=2)# --- NEW: CBAM (Convolutional Block Attention Module) 实现 ---
class ChannelAttention(nn.Module):def __init__(self, in_planes, ratio=16):super(ChannelAttention, self).__init__()self.avg_pool = nn.AdaptiveAvgPool2d(1)self.max_pool = nn.AdaptiveMaxPool2d(1)self.fc = nn.Sequential(nn.Conv2d(in_planes, in_planes // ratio, 1, bias=False),nn.ReLU(),nn.Conv2d(in_planes // ratio, in_planes, 1, bias=False))self.sigmoid = nn.Sigmoid()def forward(self, x):avg_out = self.fc(self.avg_pool(x))max_out = self.fc(self.max_pool(x))out = avg_out + max_outreturn self.sigmoid(out)class SpatialAttention(nn.Module):def __init__(self, kernel_size=7):super(SpatialAttention, self).__init__()assert kernel_size in (3, 7), 'kernel size must be 3 or 7'padding = 3 if kernel_size == 7 else 1self.conv1 = nn.Conv2d(2, 1, kernel_size, padding=padding, bias=False)self.sigmoid = nn.Sigmoid()def forward(self, x):avg_out = torch.mean(x, dim=1, keepdim=True)max_out, _ = torch.max(x, dim=1, keepdim=True)x = torch.cat([avg_out, max_out], dim=1)x = self.conv1(x)return self.sigmoid(x)class CBAM(nn.Module):def __init__(self, in_planes, ratio=16, kernel_size=7):super(CBAM, self).__init__()self.ca = ChannelAttention(in_planes, ratio)self.sa = SpatialAttention(kernel_size)def forward(self, x):x = self.ca(x) * xx = self.sa(x) * xreturn x# --- MODIFICATION 3: 动态调整CNN模型以适应你的数据集并集成CBAM ---
class SimpleCNN_CBAM(nn.Module):def __init__(self, num_classes):super(SimpleCNN_CBAM, self).__init__()self.conv1 = nn.Conv2d(3, 32, kernel_size=3, padding=1)self.cbam1 = CBAM(32)self.conv2 = nn.Conv2d(32, 64, kernel_size=3, padding=1)self.cbam2 = CBAM(64)self.conv3 = nn.Conv2d(64, 128, kernel_size=3, padding=1)self.cbam3 = CBAM(128)self.pool = nn.MaxPool2d(2, 2)# 输入特征数128 * 4 * 4取决于输入图像大小和网络结构。# 由于我们将所有图像调整为32x32,经过3次2x2的池化后,尺寸变为 32 -> 16 -> 8 -> 4。所以这里是4*4。self.fc1 = nn.Linear(128 * 4 * 4, 512)# **重要**: 输出层的大小现在由num_classes决定self.fc2 = nn.Linear(512, num_classes)def forward(self, x):x = F.relu(self.conv1(x))x = self.cbam1(x)x = self.pool(x)x = F.relu(self.conv2(x))x = self.cbam2(x)x = self.pool(x)x = F.relu(self.conv3(x))x = self.cbam3(x)x = self.pool(x)x = x.view(-1, 128 * 4 * 4)x = F.relu(self.fc1(x))x = self.fc2(x)return x# 初始化模型,传入你的数据集的类别数量
model = SimpleCNN_CBAM(num_classes=num_classes)
print("带有CBAM模块的模型已创建")# 如果有GPU则使用GPU
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
model = model.to(device)# 训练模型函数 (现在使用传入的trainloader)
def train_model(model, trainloader, epochs=5):criterion = nn.CrossEntropyLoss()optimizer = torch.optim.Adam(model.parameters(), lr=0.001)print("开始训练...")for epoch in range(epochs):running_loss = 0.0for i, data in enumerate(trainloader, 0):inputs, labels = datainputs, labels = inputs.to(device), labels.to(device)optimizer.zero_grad()outputs = model(inputs)loss = criterion(outputs, labels)loss.backward()optimizer.step()running_loss += loss.item()if i % 100 == 99:print(f'[{epoch + 1}, {i + 1:5d}] 损失: {running_loss / 100:.3f}')running_loss = 0.0print("训练完成")# 定义模型保存路径
model_save_path = 'my_custom_cnn_cbam.pth'# 尝试加载预训练模型
try:model.load_state_dict(torch.load(model_save_path, map_location=device))print(f"已从 '{model_save_path}' 加载预训练模型")
except FileNotFoundError:print("无法加载预训练模型,将开始训练新模型。")train_model(model, trainloader, epochs=5) # 训练新模型torch.save(model.state_dict(), model_save_path) # 保存训练好的模型print(f"新模型已训练并保存至 '{model_save_path}'")# 设置模型为评估模式
model.eval()# Grad-CAM实现 (这部分无需修改)
class GradCAM:def __init__(self, model, target_layer):self.model = modelself.target_layer = target_layerself.gradients = Noneself.activations = Noneself.register_hooks()def register_hooks(self):def forward_hook(module, input, output):self.activations = output.detach()def backward_hook(module, grad_input, grad_output):self.gradients = grad_output[0].detach()self.target_layer.register_forward_hook(forward_hook)self.target_layer.register_backward_hook(backward_hook)def generate_cam(self, input_image, target_class=None):model_output = self.model(input_image)if target_class is None:target_class = torch.argmax(model_output, dim=1).item()self.model.zero_grad()one_hot = torch.zeros_like(model_output)one_hot[0, target_class] = 1model_output.backward(gradient=one_hot, retain_graph=True)gradients = self.gradientsactivations = self.activationsweights = torch.mean(gradients, dim=(2, 3), keepdim=True)cam = torch.sum(weights * activations, dim=1, keepdim=True)cam = F.relu(cam)cam = F.interpolate(cam, size=(32, 32), mode='bilinear', align_corners=False)cam = cam - cam.min()cam = cam / cam.max() if cam.max() > 0 else camreturn cam.cpu().squeeze().numpy(), target_class# --- 示例:对测试集中的一张图片使用Grad-CAM ---
# 初始化Grad-CAM,目标层是最后一个卷积层
# 注意:我们将 Grad-CAM 目标层更改为 self.cbam3,以可视化注意力模块后的特征图
grad_cam = GradCAM(model, model.cbam3)# 从测试集中获取一张图片
if len(testset) > 0:img, label = testset[0]img_tensor = img.unsqueeze(0).to(device)# 生成CAMcam, predicted_class_idx = grad_cam.generate_cam(img_tensor)# 可视化结果def visualize_cam(img, cam, predicted_class, true_class):img = img.cpu().permute(1, 2, 0).numpy() # 转换回 (H, W, C)# 反归一化以便显示img = img * 0.5 + 0.5img = np.clip(img, 0, 1)heatmap = plt.cm.jet(cam)heatmap = heatmap[:, :, :3] # 去掉alpha通道overlay = heatmap * 0.4 + img * 0.6plt.figure(figsize=(10, 5))plt.subplot(1, 3, 1)plt.imshow(img)plt.title(f'Original Image\nTrue: {true_class}')plt.axis('off')plt.subplot(1, 3, 2)plt.imshow(heatmap)plt.title('Grad-CAM Heatmap')plt.axis('off')plt.subplot(1, 3, 3)plt.imshow(overlay)plt.title(f'Overlay\nPredicted: {predicted_class}')plt.axis('off')plt.show()# 显示结果predicted_class_name = classes[predicted_class_idx]true_class_name = classes[label]visualize_cam(img, cam, predicted_class_name, true_class_name)
else:print("Test set is empty. Cannot perform visualization.")

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/web/87926.shtml
繁体地址,请注明出处:http://hk.pswp.cn/web/87926.shtml
英文地址,请注明出处:http://en.pswp.cn/web/87926.shtml

如若内容造成侵权/违法违规/事实不符,请联系英文站点网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

针对网络爬虫的相关法律法规整理

在中国,网络爬虫的法律法规涉及多个层面,包括个人信息保护、数据安全、网络安全、知识产权、反不正当竞争等。以下是详细的法律法规分析及合规指南: 1. 核心法律法规及适用场景​ ​​(1)《民法典》——隐私权与个人信…

1.1_5_2 计算机网络的性能指标(下)

继续来看计算机网络的性能指标,接下来我们探讨时延,时延带宽积和往返时延,以及信道利用率这几个性能指标。 首先来看时延这个性能指标,英文叫delay,也有的教材,把它翻译为延迟。所谓的时延,就是…

PP-OCRv2:超轻OCR系统的万能包

PP-OCRv2:超轻OCR系统的万能包摘要光学字符识别(OCR)系统已广泛应用于多种场景,但设计兼顾精度与效率的OCR系统仍具挑战性。我们此前提出的超轻量OCR系统PP-OCR在平衡两者方面取得进展。本文进一步提出PP-OCRv2,通过五…

常见的软件版本开源协议

开源软件许可证核心指南 一、许可证基础分类 1. 宽松型许可证(Permissive) 核心特征:允许闭源衍生,仅保留版权声明适用场景:商业集成、快速开发代表协议: 📜 MIT 📜 Apache 2.0 &…

基于FPGA的一维序列三次样条插值算法verilog实现,包含testbench

目录 1.前言 2.算法运行效果图预览 3.算法运行软件版本 4.部分核心程序 5.算法仿真参数 6.算法理论概述 7.参考文献 8.算法完整程序工程 1.前言 三次样条插值是一种在数据拟合和信号处理中广泛应用的技术,它通过构造分段三次多项式来逼近给定的离散数据点&a…

RAG 之 Prompt 动态选择的三种方式

“如果我有5个prompt模板,我想只选择一个每次都自动五选一能做到吗怎么做?” 完全可以做到。这在复杂的RAG或Agentic工作流中是一个非常普遍且关键的需求,通常被称为“条件路由(Conditional Routing)”或“动态调度&am…

【ROS2 自动驾驶学习】02-安装ROS2及其配套工具

目录 一、设置语言环境 二、添加存储库 三、添加软件源 四、安装ROS2 五、配置环境 六、测试ROS2 七、安装一些工具 7.1 terminator 7.2 colcon工具 7.3 tf工具 7.4 joint-state-publisher工具 7.5 urdf 八、安装三方库 8.1 Eigen 8.2 yaml-cpp 8.3 matplotl…

系统学习Python——并发模型和异步编程:基础知识

分类目录:《系统学习Python》总目录 并行是并发的一种特殊情况。**所有并行系统都是并发的,但不是所有并发系统都是并行的。**在21世纪初,我们可以使用单核设备在GNU Linux上同时处理100个进程。一台拥有4个CPU核的现代笔记本计算机&#xff…

睿尔曼系列机器人——以创新驱动未来,重塑智能协作新生态(下)

在智能制造与人工智能深度融合的当下,机器人技术正经历从 “功能替代” 到 “价值共创” 的深刻跃迁。睿尔曼,作为全球超轻量仿人机械臂领域的先行者,始终秉持 “让机器人触手可及” 的使命,凭借底层技术的突破性进展,…

表征工程(Representation Engineering, RepE)

表征工程(Representation Engineering, RepE) 近年来,表征工程(Representation Engineering, RepE)在提升AI系统透明度和可控性方面取得了显著进展。 一、大模型可解释性与可控性的突破 核心论文:《Representation Engineering: A Top-Down Approach to AI Transparen…

国产ARM+FPGA工业开发平台——GM-3568JHF

一、引言 随着物联网和国产替代需求的快速发展,嵌入式系统面临计算性能与硬件灵活性的双重挑战。GM-3568JHF开发板基于国产“ARMFPGA”异构架构,结合瑞芯微RK3568J处理器与紫光同创Logos-2 FPGA芯片,支持国产自主操作系统,满足通…

RISCV Linux 虚拟内存精讲系列一 Sv39

笔者认为,Linux 操作系统(Operating System)最核心的机制是虚拟内存(Virtual Memory)。因为,操作系统主要作用是将硬件环境抽象起来,给在其中运行的应用(Applications)提…

【apply from: “$flutterRoot/packages/flutter_tools/gradle/flutter.gradle“作用】

这行代码的作用是将 Flutter 的 Gradle 构建脚本集成到 Android 项目中,具体细节如下:作用解析:引入 Flutter 构建逻辑 flutter.gradle 是 Flutter SDK 的核心构建脚本,它负责: 编译 Dart 代码为原生二进制文件&#x…

深入理解JavaScript设计模式之命令模式

深入理解JavaScript设计模式之命令模式 文章目录深入理解JavaScript设计模式之命令模式定义简单命令模式组合命令模式使用命令模式实现文本编辑器目标关键类说明实现的效果交互逻辑流程所有代码:总结定义 命令模式也是设计模式种相对于变焦简单容易理解的一种设计模…

CSS 网页布局:从基础到进阶

CSS 网页布局:从基础到进阶 引言 随着互联网的飞速发展,网页设计已经成为了一个不可或缺的领域。CSS(层叠样式表)作为网页设计中的关键工具,用于控制网页元素的样式和布局。本文将为您全面解析CSS网页布局,…

【人工智能】大语言模型(LLM) NLP

大语言模型(LLM)& NLP1.大语言模型(LLM)1.1 一句话解释1.2 更形象的比喻1.3 为什么叫 “大” 模型1.4 它能做什么1.5 现实中的例子2.对比 NLP2.1 用 “汽车进化” 比喻 NLP → LLM2.2 为什么说 LLM 属于 NLP2.3 LLM 的 “革命…

Unity HDRP + Azure IoT 的 Python 后端实现与集成方案

Unity HDRP Azure IoT 的 Python 后端实现与集成方案 虽然Unity HDRP本身使用C#开发,但我们可以构建Python后端服务支持物联网系统,并与Unity引擎深度集成。以下是完整的实现方案: 系统架构 #mermaid-svg-qCDb0g9Ik287Cg8X {font-family:&qu…

小黑黑日常积累大模型prompt句式2:【以段落的形式输出,不分点列举】【如果没有相关内容则不输出】【可读性强】【输出格式规范】

以段落的形式输出,不分点列举 每个标题下直接接续段落内容,不编号、不分点。......标题下直接接续段落内容,不继续进行分点列举。如果没有相关内容则不输出 若某一部分无法从原文中提取有效信息,则跳过该部分内容,不做…

React Native 基础组件详解<一>

一、Text组件 1)numberOfLines:显示行数 2)ellipsizeMode:超出隐藏的位置 clip->裁掉 head/middle/ tail->点的位置 3)selectable: 是否可以选中 4)selectionColor:选中后的颜色 5&#…

异步编程(Promise/Generator/async)

1、Promise 2、Generator 3、async/await