【小白學PyTorch】5 torchvision預訓練模型與數據集全覽

文章來自：微信公衆號【機器學習煉丹術】。一個ai專業研究生的個人學習分享公衆號

文章目錄：

torchvision

官網上的介紹（翻牆）：The torchvision package consists of popular datasets, model architectures, and common image transformations for computer vision.

翻譯過來就是：
torchvision包由流行的數據集、模型體系結構和通用的計算機視覺圖像轉換組成。簡單地說就是常用數據集+常見模型+常見圖像增強方法

這個torchvision中主要有包組成：

• torchvision.datasets
• torchvision.models
• torchvision.transforms

1 torchvision.datssets

包含賊多的數據集，包含下面的：

官方說明了：All the datasets have almost similar API. They all have two common arguments: transform and target_transform to transform the input and target respectively.

翻譯過來就是：每一個數據集的API都是基本相同的。他們都有兩個相同的參數：transform和target_transform(後面細講)

我們就用最經典最簡單的MNIST手寫數字數據集作爲例子，先看這個的API：

包含5個參數：

• root：就是你想要保存MNIST數據集的位置，如果download是Flase的話，則會從目標位置讀取數據集；
• download：True的話就會自動從網上下載這個數據集，到root的位置；
• train：True的話，數據集下載的是訓練數據集；False的話則下載測試數據集（真方便，都不用自己劃分了）
• transform：這個是對圖像進行處理的transform，比方說旋轉平移縮放，輸入的是PIL格式的圖像（不是tensor矩陣）；
• target_transform：這個是對圖像標籤進行處理的函數（這個我沒用過不太確定，也許是做標籤平滑那種的處理？）

【下面用代碼進一步理解】

import torchvision
mydataset = torchvision.datasets.MNIST(root='./',
                                      train=True,
                                      transform=None,
                                      target_transform=None,
                                      download=True)

運行結果如下，表示下載完畢（我不太確定這個下載數據集是否需要翻牆，我會把這次需要用的代碼和數據集放到公衆號，後臺回覆【torchvision】獲取，下載出現問題請務必私戳我）

之後我們需要用到上一節課講到的dataloader的內容：

from torch.utils.data import Dataset,DataLoader
myloader = DataLoader(dataset=mydataset,
                     batch_size=16)
for i,(data,label) in enumerate(myloader):
    print(data.shape)
    print(label.shape)
    break

這時候會拋出一個錯誤：

大致看一看，就是pytorch的這個dataloader不是可以把數據集分成batch嘛，這個dataloder只能把tensor或者numpy這樣的組合成batch，而現在的數據集的格式是PIL格式。這裏驗證了之前說到的，transform這個輸入是PIL格式的圖片，解決方法是：transform不能是None，我們需要將PIL轉化成tensor纔可以

所以我們把上面的transform稍作修改：

mydataset = torchvision.datasets.MNIST(root='./',
                                      train=True,        
                                      transform=torchvision.transforms.ToTensor(),
                                      target_transform=None,
                              ![](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/071a7b749c094d30b482c29f16f8ec08~tplv-k3u1fbpfcp-zoom-1.image)        download=True)

重新運行的時候可以得到結果：

結果中，16表示一個batch有16個樣本，1表示這是單通道的灰度圖片，28表示MNIST數據集圖片是\(28\times 28\)的大小，然後每一個圖片有一個label。

想要獲取其他的數據集也是一樣的，不過這裏就用MNIST作爲舉例，其他的相同。

2 torchvision.models

預訓練模型中torchvision提供了很多種，大體分成下面四類：

分別是分類模型，語義模型，目標檢測模型和視頻分類模型。這裏呢因爲分類模型比較常見也比較基礎，就主要介紹這個好啦。

在torch1.6.0版本中(應該是比較近的版本)，主要包含下面的預訓練模型：

構建模型可以通過下面的代碼：

import torchvision.models as models
resnet18 = models.resnet18()
alexnet = models.alexnet()
vgg16 = models.vgg16()
squeezenet = models.squeezenet1_0()
densenet = models.densenet161()
inception = models.inception_v3()
googlenet = models.googlenet()
shufflenet = models.shufflenet_v2_x1_0()
mobilenet = models.mobilenet_v2()
resnext50_32x4d = models.resnext50_32x4d()
wide_resnet50_2 = models.wide_resnet50_2()
mnasnet = models.mnasnet1_0()

這樣構建的模型的權重值是隨機的，只有結構是保存的。想要獲取預訓練的模型，則需要設置參數pretrained:

import torchvision.models as models
resnet18 = models.resnet18(pretrained=True)
alexnet = models.alexnet(pretrained=True)
squeezenet = models.squeezenet1_0(pretrained=True)
vgg16 = models.vgg16(pretrained=True)
densenet = models.densenet161(pretrained=True)
inception = models.inception_v3(pretrained=True)
googlenet = models.googlenet(pretrained=True)
shufflenet = models.shufflenet_v2_x1_0(pretrained=True)
mobilenet = models.mobilenet_v2(pretrained=True)
resnext50_32x4d = models.resnext50_32x4d(pretrained=True)
wide_resnet50_2 = models.wide_resnet50_2(pretrained=True)
mnasnet = models.mnasnet1_0(pretrained=True)

我看官網的英文講解，提到了一點：似乎這些模型的預訓練數據集都是ImageNet的那個數據集，輸入圖片都是3通道的，並且要求輸入圖片的寬高不小於224像素，並且要求輸入圖片像素值的範圍在0到1之間，然後做一個normalization標準化。

不知道各位在看一些案例的時候，有沒有看到這個標準化：mean = [0.485, 0.456, 0.406] 和 std = [0.229, 0.224, 0.225]，這個應該是ImageNet的圖片的標準化的參數。

這些預訓練的模型參數不確定能不能直接下載，我也就把這些模型存起來一併放在了公衆號的後臺，依然是回覆【torchvision】獲取。

得到了.pth文件之後使用torch.load來加載即可。

# torch.save(model, 'model.pth')
model = torch.load('model.pth')

模型比較

最後呢，torchvision官方提供了一個不同模型在Imagenet 1-crop 的一個錯誤率的比較。可以一起來看看到底哪個模型比較好使。這裏我放了一些常見的模型。。像是Wide ResNet這種變種我就不放了。

網絡	Top-1 error	Top-5 error
AlexNet	43.45	20.91
VGG-11	30.98	11.37
VGG-13	30.07	10.75
VGG-16	28.41	9.62
VGG-19	27.62	9.12
VGG-13 with BN	28.45	9.63
VGG-19 with BN	25.76	8.15
Resnet-18	30.24	10.92
Resnet-34	26.70	8.58
Resnet-50	23.85	7.13
Resnet-101	22.63	6.44
Resnet-152	21.69	5.94
SqueezeNet 1.1	41.81	19.38
Densenet-161	22.35	6.2

整體來看，還是Resnet殘差網絡效果好。不過EfficientNet效果更好，不過Torchvision中沒有預訓練，在之後會講解EfficientNet的預訓練模型的代碼方便使用（先挖坑）。