孿生網絡入門（下） Siamese Net分類服裝MNIST數據集(pytorch)

---

主題列表：juejin, github, smartblue, cyanosis, channing-cyan, fancy, hydrogen, condensed-night-purple, greenwillow, v-green, vue-pro, healer-readable

貢獻主題：https://github.com/xitu/juejin-markdown-themes

theme: smartblue
highlight:

在上一篇文章中已經講解了Siamese Net的原理，和這種網絡架構的關鍵——損失函數contrastive loss。現在我們來用pytorch來做一個簡單的案例。經過這個案例，我個人的收穫有到了以下的幾點：

• Siamese Net適合小數據集；
• 目前Siamese Net用在分類任務（如果有朋友知道如何用在分割或者其他任務可以私信我，WX：cyx645016617）
• Siamese Net的可解釋性較好。

1 準備數據

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import torch 
import torch.nn as nn
import torch.nn.functional as F
from torch.utils.data import Dataset,DataLoader
from sklearn.model_selection import train_test_split
device = 'cuda' if torch.cuda.is_available() else 'cpu'

data_train = pd.read_csv('../input/fashion-mnist_train.csv')
data_train.head()

這個數據文件是csv格式，第一列是類別，之後的784列其實好似28x28的像素值。

劃分訓練集和驗證集，然後把數據轉換成28x28的圖片

X_full = data_train.iloc[:,1:]
y_full = data_train.iloc[:,:1]
x_train, x_test, y_train, y_test = train_test_split(X_full, y_full, test_size = 0.05)
x_train = x_train.values.reshape(-1, 28, 28, 1).astype('float32') / 255.
x_test = x_test.values.reshape(-1, 28, 28, 1).astype('float32') / 255.
y_train.label.unique()
>>> array([8, 9, 7, 6, 4, 2, 3, 1, 5, 0])

可以看到這個Fashion MNIST數據集中也是跟MNIST類似，劃分了10個不同的類別。

• 0 T-shirt/top
• 1 Trouser
• 2 Pullover
• 3 Dress
• 4 Coat
• 5 Sandal
• 6 Shirt
• 7 Sneaker
• 8 Bag
• 9 Ankle boot

np.bincount(y_train.label.values),np.bincount(y_test.label.values)
>>> (array([4230, 4195, 4135, 4218, 4174, 4172, 4193, 4250, 4238, 4195]),
 array([1770, 1805, 1865, 1782, 1826, 1828, 1807, 1750, 1762, 1805]))

可以看到，每個類別的數據還是非常均衡的。

2 構建Dataset和可視化

class mydataset(Dataset):
    def __init__(self,x_data,y_data):
        self.x_data = x_data
        self.y_data = y_data.label.values
    def __len__(self):
        return len(self.x_data)
    def __getitem__(self,idx):
        img1 = self.x_data[idx]
        y1 = self.y_data[idx]
        if np.random.rand() < 0.5:  
            idx2 = np.random.choice(np.arange(len(self.y_data))[self.y_data==y1],1)
        else:
            idx2 = np.random.choice(np.arange(len(self.y_data))[self.y_data!=y1],1)
        img2 = self.x_data[idx2[0]]
        y2 = self.y_data[idx2[0]]
        label = 0 if y1==y2 else 1
        return img1,img2,label

關於torch.utils.data.Dataset的構建結構，我就不再贅述了，在之前的《小白學PyTorch》系列中已經講解的很清楚啦。上面的邏輯就是，給定一個idx，然後我們先判斷，這個數據是找兩個同類別的圖片還是兩個不同類別的圖片。50%的概率選擇兩個同類別的圖片，然後最後輸出的時候，輸出這兩個圖片，然後再輸出一個label，這個label爲0的時候表示兩個圖片的類別是相同的，1表示兩個圖片的類別是不同的。這樣就可以進行模型訓練和損失函數的計算了。

train_dataset = mydataset(x_train,y_train)
train_dataloader = DataLoader(dataset = train_dataset,batch_size=8)
val_dataset = mydataset(x_test,y_test)
val_dataloader = DataLoader(dataset = val_dataset,batch_size=8)

for idx,(img1,img2,target) in enumerate(train_dataloader):
    fig, axs = plt.subplots(2, img1.shape[0], figsize = (12, 6))
    for idx,(ax1,ax2) in enumerate(axs.T):
        ax1.imshow(img1[idx,:,:,0].numpy(),cmap='gray')
        ax1.set_title('image A')
        ax2.imshow(img2[idx,:,:,0].numpy(),cmap='gray')
        ax2.set_title('{}'.format('same' if target[idx]==0 else 'different'))
    break

這一段的代碼就是對一個batch的數據進行一個可視化：

到目前位置應該沒有什麼問題把，有問題可以聯繫我討論交流，WX：cyx645016617.我個人認爲從交流中可以快速解決問題和進步。

3 構建模型

class siamese(nn.Module):
    def __init__(self,z_dimensions=2):
        super(siamese,self).__init__()
        self.feature_net = nn.Sequential(
            nn.Conv2d(1,4,kernel_size=3,padding=1,stride=1),
            nn.ReLU(inplace=True),
            nn.BatchNorm2d(4),
            nn.Conv2d(4,4,kernel_size=3,padding=1,stride=1),
            nn.ReLU(inplace=True),
            nn.BatchNorm2d(4),
            nn.MaxPool2d(2),
            nn.Conv2d(4,8,kernel_size=3,padding=1,stride=1),
            nn.ReLU(inplace=True),
            nn.BatchNorm2d(8),
            nn.Conv2d(8,8,kernel_size=3,padding=1,stride=1),
            nn.ReLU(inplace=True),
            nn.BatchNorm2d(8),
            nn.MaxPool2d(2),
            nn.Conv2d(8,1,kernel_size=3,padding=1,stride=1),
            nn.ReLU(inplace=True)
        )
        self.linear = nn.Linear(49,z_dimensions)
    def forward(self,x):
        x = self.feature_net(x)
        x = x.view(x.shape[0],-1)
        x = self.linear(x)
        return x

一個非常簡單的卷積網絡，輸出的向量的維度就是z-dimensions的大小。

def contrastive_loss(pred1,pred2,target):
    MARGIN = 2
    euclidean_dis = F.pairwise_distance(pred1,pred2)
    target = target.view(-1)
    loss = (1-target)*torch.pow(euclidean_dis,2) + target * torch.pow(torch.clamp(MARGIN-euclidean_dis,min=0),2)
    return loss

然後構建了一個contrastive loss的損失函數計算。

4 訓練

model = siamese(z_dimensions=8).to(device)
# model.load_state_dict(torch.load('../working/saimese.pth'))
optimizor = torch.optim.Adam(model.parameters(),lr=0.001)

for e in range(10):
    history = []
    for idx,(img1,img2,target) in enumerate(train_dataloader):
        img1 = img1.to(device)
        img2 = img2.to(device)
        target = target.to(device)
        
        pred1 = model(img1)
        pred2 = model(img2)
        loss = contrastive_loss(pred1,pred2,target)

        optimizor.zero_grad()
        loss.backward()
        optimizor.step()
        
        loss = loss.detach().cpu().numpy()
        history.append(loss)
        train_loss = np.mean(history)
    history = []
    with torch.no_grad():
        for idx,(img1,img2,target) in enumerate(val_dataloader):
            img1 = img1.to(device)
            img2 = img2.to(device)
            target = target.to(device)

            pred1 = model(img1)
            pred2 = model(img2)
            loss = contrastive_loss(pred1,pred2,target)

            loss = loss.detach().cpu().numpy()
            history.append(loss)
            val_loss = np.mean(history)
    print(f'train_loss:{train_loss},val_loss:{val_loss}')

這裏爲了加快訓練，我把batch-size增加到了128個，其他的並沒有改變：

這是運行的10個epoch的結果，不要忘記把模型保存一下：

torch.save(model.state_dict(),'saimese.pth')

差不多是這個樣子，然後看一看驗證集的可視化效果，這裏使用的是t-sne高位特徵可視化的方法，其內核是PCA降維：

from sklearn import manifold
'''X是特徵，不包含target;X_tsne是已經降維之後的特徵'''
tsne = manifold.TSNE(n_components=2, init='pca', random_state=501)
X_tsne = tsne.fit_transform(X)
print("Org data dimension is {}. \
      Embedded data dimension is {}".format(X.shape[-1], X_tsne.shape[-1]))
      
x_min, x_max = X_tsne.min(0), X_tsne.max(0)
X_norm = (X_tsne - x_min) / (x_max - x_min)  # 歸一化
plt.figure(figsize=(8, 8))
for i in range(10):
    plt.scatter(X_norm[y==i][:,0],X_norm[y==i][:,1],alpha=0.3,label=f'{i}')
plt.legend()

輸入圖像爲：

可以看得出來，不同類別之間劃分的是比較好的，可以看到不同類別之間的距離還是比較大的，比較明顯的，甚至可以放下公衆號的名字。這裏使用的隱變量是8。

這裏有一個問題，我內心已有答案不知大家的想法如何，假如我把z潛變量的維度直接改成2，這樣就不需要使用tsne和pca的方法來降低維度就可以直接可視化，但是這樣的話可視化的效果並不比從8降維到2來可視化的效果好，這是爲什麼呢？

提示：一方面在於維度過小導致信息的缺失，但是這個解釋站不住腳，因爲PCA其實等價於一個退化的線形層，所以PCA同樣會造成這種缺失；我認爲關鍵應該是損失函數中的歐式距離的計算，如果維度高，那麼歐式距離就會偏大，這樣需要相應的調整MARGIN的數值。