深度学习--BP实战猫狗分类数据集

运用BP模型实现猫狗数据集的分类

数据集下载

首先，我们要先下载好要分类的数据集，下载网址如下：

猫狗大作战数据集下载

该数据集是Kaggle在2013年公开的猫狗数据集，该数据集总共25000张图片，猫狗各12500张。

部分图片如下：

我们下载的只是最基本的图片数据，还需要自行的创建我们的数据集，一般而言我们都是通过创建类的方法来实现。

导入库

from PIL import Image                   # 这行代码从Pillow库中导入了Image模块，它提供了许多用于打开、操作和保存图像的函数。
import numpy as np
from torch.utils.data import Dataset    # Dataset类是torch.utils.data模块中的一个抽象类，用于表示一个数据集
from torchvision import transforms     
import os                               # os模块提供了与操作系统交互的函数，例如读取目录内容、检查文件是否存在等。
import torch
import matplotlib.pyplot as plt
import matplotlib
#设置字体为楷体
matplotlib.rcParams['font.sans-serif'] = ['KaiTi']

在这里，我们应该了解各个库的作用和用法，这些库在下面都会用到

自定义类来封装数据集

在这里，我们需要用到__init__,__len__,__getitem__三个魔术方法，下面，我们就先了解一下这三个方法。（有了解的可以直接跳过！！）

init

__init__方法，称为构造方法

特性：

在创建类对象时会自动执行，

在创建类对象时，会传入参数给__init__使用

下面是个简单的例子：

class student:
# 可写可不写
#     name=None
#     age=None
#     sex=Nonedef __init__(self,name,age,sex):self.name=nameself.age=ageself.sex=sexstu=student("小红",18,"女")
print("信息添加成功")

简单了解一下就好

len

__len__ 是Python中的一个魔术方法，用于定义类的实例对象的长度。该方法用于返回一个对象的长度，通常是容器类型的对象，如字符串、列表、元组和字典等。

getitem

__getitem__方法用于获取序列对象中指定索引位置的元素，通常使用中括号 []运算符调用。该方法接收一个索引作为参数，并返回序列对象中指定索引位置的元素。如果指定的索引超出了序列对象的范围，应该抛出IndexError异常

接下来，我们来了解各个魔术方法下代码的含义

init部分

    def __init__(self,root_dir,lable_dir):self.root_dir=root_dir      # 文件主路径dataset/trainself.label_dir=lable_dir    # 分路径 cat 和 dogself.path=os.path.join(self.root_dir,self.label_dir)  # 将文件路径的两部分连接起来，使path成为完整路径self.img_path=os.listdir(self.path)     # 查看self.transform = transforms.Compose([   # 包含：transforms.Resize((224,224)),       # 统一大小为224*224transforms.ToTensor()               # 转化为Tensor类型])

self.img_path获取该完整路径下的图片（如dataset\train\cat目录下的图片）

transforms.compose：

orchvision.transforms是pytorch中的图像预处理包。一般用Compose把多个步骤整合到一起：

比如说：Resize和ToTensor

Resize它可以更改PIL类型的图片数据的大小，本质上其实更改的是像素多少

import torchvision.transforms as transforms
from PIL import Image
import numpy as np
# 定义图像的路径
path = "C:\\Users\\yangy\\Pictures\\Screenshots\\屏幕截图 2023-12-22 205435.jpg"
# 打开图像
image = Image.open(path)
# 将图像转换为NumPy数组，以便查看和打印原始数据
b = np.array(image)
# 创建一个Resize转换对象
resize_transform = transforms.Resize((224, 224))
# 应用Resize转换到PIL图像对象
resized_image = resize_transform(image)
# 将调整大小后的图像转换为NumPy数组（如果需要的话）
a = np.array(resized_image)
# 打印原始图像和调整大小后的图像的数据以及它们的形状
print('修剪之前：', b)
print('修剪之后:', a)
print('修剪之前的大小：', b.shape)
print("修剪之后的大小：", a.shape)
# 显示原始图像
image.show()
# 显示调整大小后的图像
resized_image.show()

结果如下：

修剪之前： [[[  0   0   0 255][  0   0   0 255][  0   0   0 255]...[  0   0   0 255][  0   0   0 255][  0   0   0 255]][[  0   0   0 255][  0   0   0 255][  0   0   0 255]...[  0   0   0 255][  0   0   0 255][  0   0   0 255]][[237 237 237 255][237 237 237 255][237 237 237 255]...[230 230 230 255][230 230 230 255][230 230 230 255]]...[[255 255 255 255][255 255 255 255][255 255 255 255]...[255 255 255 255][255 255 255 255][255 255 255 255]][[255 255 255 255][255 255 255 255][255 255 255 255]...[255 255 255 255][255 255 255 255][255 255 255 255]][[255 255 255 255][255 255 255 255][255 255 255 255]...[255 255 255 255][255 255 255 255][255 255 255 255]]]
修剪之后: [[[182 182 182 255][182 182 182 255][182 182 182 255]...[178 178 178 255][178 178 178 255][178 178 178 255]][[248 248 248 255][248 248 248 255][248 248 248 255]...[236 236 236 255][236 236 236 255][236 236 236 255]][[255 255 255 255][255 255 255 255][255 255 255 255]...[237 237 237 255][237 237 237 255][237 237 237 255]]...[[255 255 255 255][255 255 255 255][255 255 255 255]...[255 255 255 255][255 255 255 255][255 255 255 255]][[255 255 255 255][255 255 255 255][255 255 255 255]...[255 255 255 255][255 255 255 255][255 255 255 255]][[255 255 255 255][255 255 255 255][255 255 255 255]...[255 255 255 255][255 255 255 255][255 255 255 255]]]
修剪之前的大小： (1446, 874, 4)
修剪之后的大小： (224, 224, 4)

图像对比：

让我们来看看os.listdir的用法：

len部分

    def __len__(self):ilen=len(self.img_path)return ilen         # 返回self.img_path列表的长度，即该数据集包含的图像数量。

getitem部分

 def __getitem__(self,item):img_name=self.img_path[item]                     # path路径中的第item个图像img_item_path=os.path.join(self.path,img_name)   # 该图像的路径img=Image.open(img_item_path)                    # 打开并读取图像img=self.transform(img)                          # 转化为（224*224）并转化为Tensor类型if self.label_dir=="cat":           # 如果是cat下的图片label=1                         # label为猫狗的二分类值，因为二分类不能用文字“猫，狗”表示，所以这里我们用1来表示猫，0来表示狗else:label=0return img,label

注意：因为这里我们用img和label作为返回值，后续我们需要用两个参数来接收它

构建数据集

root_dir="dataset/train"
test_dir="D:\\猫狗数据集\\PetImages\\test"
lable_cat_dir="cat"
lable_dog_dir="dog"
cat_dataset=mydataset(root_dir,lable_cat_dir)
dog_dataset=mydataset(root_dir,lable_dog_dir)
train_dataset=cat_dataset+dog_datasetcat_test=mydataset(test_dir,lable_cat_dir)
dog_test=mydataset(test_dir,lable_dog_dir)
test_dataset=cat_test+dog_test

在这里，root_dir使用的是从猫狗数据集中取出部分图片存放到dataset目录下的train之中，作为训练集。

test_dir是从猫狗数据集中直接取出

注意：进行数据处理的时候可能会出现图片数据损坏，或者图片数据的形状，维度不太对劲等问题，这个时候就需要我们仔细地进行图片清晰，我们可以只取部分图片，或利用os库里的库函数直接把错误的数据删除掉。

最终，将test_dataset作为测试集，而train_dataset作为训练集

构建BP模型

class BPnetwork(torch.nn.Module):def __init__(self):super(BPnetwork, self).__init__()self.linear1 = torch.nn.Linear(224 * 224*3, 128)self.ReLU1 = torch.nn.ReLU()self.linear2 = torch.nn.Linear(128, 64)self.ReLU2 = torch.nn.ReLU()self.linear3 = torch.nn.Linear(64, 2)self.softmax = torch.nn.LogSoftmax(dim=1)def forward(self, x):x=x.reshape(x.shape[0],-1)x = self.linear1(x)x = self.ReLU1(x)x = self.linear2(x)x = self.ReLU2(x)x = self.linear3(x)x = self.softmax(x)return x

其中，输入层为图片的大小，即224*224

self.linear为隐藏层的定义，linear1-linear2分别表示两个隐藏层，而linear3为输出层

self.ReLu为使用ReLu激活函数来将其激活

最后，使用LogSoftmax来进行归一化处理，来分为两类（1和0）

猫狗分类的大部分都和MINIST手写字体识别差不多

深度学习BP手写识别MINIST-CSDN博客

创建数据加载器

trainloader=torch.utils.data.DataLoader(train_dataset,batch_size=4, shuffle=True)
testloader=torch.utils.data.DataLoader(test_dataset,batch_size=4, shuffle=True)

训练模型

model=BPnetwork()
criterion = torch.nn.NLLLoss()
optimizer= torch.optim.SGD(model.parameters(), lr=0.001, momentum=0.9)eopchs=25
for i in range(eopchs):sumloss=0for images, lables in trainloader:ypre=model(images)loss=criterion(ypre,lables)loss.backward()optimizer.step()optimizer.zero_grad()sumloss+=loss.item()print("Epoch {}, Loss: {}".format(i+1, sumloss/len(trainloader)))

在优化器部分，我们需要不断调整学习率，来得到最终结果，最终选择一个比较合适的值，0.01

测试模型

examples=enumerate(testloader)
batch,(images,lables)=next(examples)fig=plt.figure()
for i in range(4):t=torch.unsqueeze(images[i],dim=0)       # 增加一个维度，使t的形状与模型期望的形状相匹配logps=model(t)probab=list(logps.detach().numpy()[0])# logps.detach()从计算图中分离出logps，确保后续的操作不会影响到模型的梯度。# 接着，.numpy()将张量转换为NumPy数组。[0]取出第一个元素（因为t是一个批次大小为1的数据），# 最后list()将这个元素转换为一个列表。此时，probab是一个包含所有类别概率的列表。pred_label=probab.index(max(probab))   # 找出probab列表中概率最大的元素的索引，这个索引即代表模型预测的类别标签。img=torch.squeeze(images[i])           # 移除大小为1的维度，让它回到原来的形状img1=img.permute(1, 2, 0)              # 将图像的维度从（channels, height, width）调整为（height, width, channels）img1=img1.numpy()plt.subplot(2,2,i+1)          # 创建一个2*2的子图网格，并选择第i+1个子图作为当前绘图区域plt.tight_layout()            # 自动调整子图参数，使之填充整个图像区域并尽量减少重叠plt.imshow(img1,cmap='gray',interpolation='none')plt.title(f"预测值：{pred_label}")plt.xticks([])                # 设置x轴和y轴的刻度标签为空plt.yticks([])
plt.show()

最终结果：

Epoch 1, Loss: 0.720171856880188
Epoch 2, Loss: 0.7152694940567017
Epoch 3, Loss: 0.6765142321586609
Epoch 4, Loss: 0.6954864740371705
Epoch 5, Loss: 0.6259550094604492
Epoch 6, Loss: 0.6435211181640625
Epoch 7, Loss: 0.6113996803760529
Epoch 8, Loss: 0.5865052282810211
Epoch 9, Loss: 0.5092812538146972
Epoch 10, Loss: 0.43574718832969667
Epoch 11, Loss: 0.39420580863952637
Epoch 12, Loss: 0.4067960947751999
Epoch 13, Loss: 0.4550750508904457
Epoch 14, Loss: 0.37434772998094556
Epoch 15, Loss: 0.18671178817749023
Epoch 16, Loss: 0.15620937794446946
Epoch 17, Loss: 0.11713241040706635
Epoch 18, Loss: 0.07138810828328132
Epoch 19, Loss: 0.0491988904774189
Epoch 20, Loss: 0.040103929489851
Epoch 21, Loss: 0.027237643860280512
Epoch 22, Loss: 0.022758941538631915
Epoch 23, Loss: 0.01747293183580041
Epoch 24, Loss: 0.014283824525773526
Epoch 25, Loss: 0.012680502329021692

我们可以看出，随着轮数的增加，损失值逐渐减少

我们可以看出，预测值与真实值基本一致，但是由于我们的测试集数量少，加上测试集和训练集不同，预测的结果不是那么准确，也会出现误差

完整代码：

from PIL import Image                   # 这行代码从Pillow库中导入了Image模块，它提供了许多用于打开、操作和保存图像的函数。
import numpy as np
from torch.utils.data import Dataset    # Dataset类是torch.utils.data模块中的一个抽象类，用于表示一个数据集
from torchvision import transforms
import os                               # os模块提供了与操作系统交互的函数，例如读取目录内容、检查文件是否存在等。
import torch
import matplotlib.pyplot as plt
import matplotlib
#设置字体为楷体
matplotlib.rcParams['font.sans-serif'] = ['KaiTi']# 自定义数据集
class mydataset(Dataset):def __init__(self,root_dir,lable_dir):self.root_dir=root_dir      # 文件主路径dataset/trainself.label_dir=lable_dir    # 分路径 cat 和 dogself.path=os.path.join(self.root_dir,self.label_dir)  # 将文件路径的两部分连接起来self.img_path=os.listdir(self.path)     # 查看self.transform = transforms.Compose([   # 包含：transforms.Resize((224,224)),       # 统一大小为224*224transforms.ToTensor()               # 转化为Tensor类型])def __len__(self):ilen=len(self.img_path)return ilen                            # 返回self.img_path列表的长度，即该数据集包含的图像数量。def __getitem__(self,item):img_name=self.img_path[item]                     # path路径中的第item个图像img_item_path=os.path.join(self.path,img_name)   # 该图像的路径img=Image.open(img_item_path)                    # 打开并读取图像img=self.transform(img)                          # 转化为（224*224）并转化为Tensor类型if self.label_dir=="cat":           # 如果是cat下的图片label=1                         # label为猫狗的二分类值，因为二分类不能用文字“猫，狗”表示，所以这里我们用1来表示猫，0来表示狗else:label=0return img,label
root_dir="dataset/train"
test_dir="D:\\猫狗数据集\\PetImages\\test"
lable_cat_dir="cat"
lable_dog_dir="dog"
cat_dataset=mydataset(root_dir,lable_cat_dir)
dog_dataset=mydataset(root_dir,lable_dog_dir)
train_dataset=cat_dataset+dog_datasetcat_test=mydataset(test_dir,lable_cat_dir)
dog_test=mydataset(test_dir,lable_dog_dir)
test_dataset=cat_test+dog_testclass BPnetwork(torch.nn.Module):def __init__(self):super(BPnetwork, self).__init__()self.linear1 = torch.nn.Linear(224 * 224*3, 128)self.ReLU1 = torch.nn.ReLU()self.linear2 = torch.nn.Linear(128, 64)self.ReLU2 = torch.nn.ReLU()self.linear3 = torch.nn.Linear(64, 2)self.softmax = torch.nn.LogSoftmax(dim=1)def forward(self, x):x=x.reshape(x.shape[0],-1)x = self.linear1(x)x = self.ReLU1(x)x = self.linear2(x)x = self.ReLU2(x)x = self.linear3(x)x = self.softmax(x)return xtrainloader=torch.utils.data.DataLoader(train_dataset,batch_size=4, shuffle=True)
testloader=torch.utils.data.DataLoader(test_dataset,batch_size=4, shuffle=True)model=BPnetwork()
criterion = torch.nn.NLLLoss()
optimizer= torch.optim.SGD(model.parameters(), lr=0.001, momentum=0.9)eopchs=25
for i in range(eopchs):sumloss=0for images, lables in trainloader:ypre=model(images)loss=criterion(ypre,lables)loss.backward()optimizer.step()optimizer.zero_grad()sumloss+=loss.item()print("Epoch {}, Loss: {}".format(i+1, sumloss/len(trainloader)))# 测试模型
examples=enumerate(testloader)
batch,(images,lables)=next(examples)fig=plt.figure()
for i in range(4):t=torch.unsqueeze(images[i],dim=0)       # 增加一个维度，使t的形状与模型期望的形状相匹配logps=model(t)probab=list(logps.detach().numpy()[0])# logps.detach()从计算图中分离出logps，确保后续的操作不会影响到模型的梯度。# 接着，.numpy()将张量转换为NumPy数组。[0]取出第一个元素（因为t是一个批次大小为1的数据），# 最后list()将这个元素转换为一个列表。此时，probab是一个包含所有类别概率的列表。pred_label=probab.index(max(probab))   # 找出probab列表中概率最大的元素的索引，这个索引即代表模型预测的类别标签。img=torch.squeeze(images[i])           # 移除大小为1的维度，让它回到原来的形状img1=img.permute(1, 2, 0)              # 将图像的维度从（channels, height, width）调整为（height, width, channels）img1=img1.numpy()plt.subplot(2,2,i+1)          # 创建一个2*2的子图网格，并选择第i+1个子图作为当前绘图区域plt.tight_layout()            # 自动调整子图参数，使之填充整个图像区域并尽量减少重叠plt.imshow(img1,cmap='gray',interpolation='none')plt.title(f"预测值：{pred_label}")plt.xticks([])                # 设置x轴和y轴的刻度标签为空plt.yticks([])
plt.show()