【youcans动手学模型】SENet 模型及 PyTorch 实现

欢迎关注『youcans动手学模型』系列
本专栏内容和资源同步到 GitHub/youcans

【经典模型】SENet 模型-Cifar10图像分类

本文用 PyTorch 实现 SENet 网络模型，使用 CIFAR10 数据集训练模型，进行图像分类。

1. SENet 卷积神经网络模型

胡杰团队（Momenta）在 2017 年发表论文 “Squeeze and Excitation Networks”，提出一种深度学习神经网络模型，称为 SENet。该论文获得最后一届 ImageNet 2017 竞赛图像分类任务的冠军，在 ImageNet 数据集上将Top-5 error 降低到 2.251%。

【论文下载地址】

SENet: Squeeze and Excitation Networks

【GitHub地址】：
[https://github.com/hujie-frank/SENet]
[https://github.com/miraclewkf/SENet-PyTorch]

1.1 模型简介

SENet 并不是一个完整的网络结构，而是一个结构模块，通过通道特征重新校准来提高网络的表示能力。

SE 模块的核心思想，是生成反映特征通道重要性的权重向量，对原始特征进行重构，实现强调重要特征，忽略不重要特征，以增强模型的表征能力，提高模型性能。

SE 模块不仅是一个网络结构，而且在图像处理任务中体现和引入了注意力机制（Attention Mechanism）。

SENet 轻量高效，易于集成。SE 块生成的特征重要度值还可以用于其他任务，例如网络剪枝。

1.2 论文介绍

【论文摘要】

近些年来，卷积神经网络在很多领域上都取得了巨大的突破。卷积核作为卷积神经网络的核心，通常被看做是在局部感受野上，将空间（spatial）信息和特征维度（channel-wise）信息进行聚合的特征提取器。卷积神经网络由一系列卷积层、非线性层和下采样层构成，从全局感受野上捕获图像特征来进行图像的描述。

近年来很多工作通过优化空间维度来提升网络的性能，例如： Inception 结构中嵌入了多尺度信息，聚合多种不同感受野上的特征；在 Inside-Outside 网络中考虑了空间中的上下文信息；还有将 Attention 机制引入到空间维度。这些工作都是在空间维度上来提升网络的性能，那么是否可以从特征通道之间的关系来优化网络性能？

我们基于这一思想，提出了 Squeeze-and-Excitation Networks（ SENet），目的是希望使用全局信息对特征通道之间的关系进行显式地建模，以提高模型的表示能力。我们并不是引入新的空间维度来进行特征通道间的融合，而是采用了一种全新的“特征重标定（Feature Recalibration）”策略。具体来说，就是通过学习的方式来获取每个特征通道的重要程度（权重），然后依照通道的权重来提升重要的特征、抑制不重要的特征。

【主要创新】

对于一个通道数为 $C^{\prime }$ 的输入特征 $X\in R^{H\ast W\ast C^{\prime }}$，通过卷积操作等一系列变换 $F_{tr}$，得到特征通道数为 C 的特征图 $U\in R^{H\ast W\ast C}$。 $F_{tr}$ 可以表示卷积操作，也可以表示其它的变换。

该输入输出变换操作的定义如下：
$$F_{tr}:X\to U,X\in R^{H\ast W\ast C^{\prime }},U\in R^{H\ast W\ast C}$$

由于输出 U 是对所有通道求和产生的，因此通道之间的相关性也隐含在变换操作中，但是与滤波器在局部空间的作用是相互纠缠、无法分离的。因此，卷积层对于通道之间的相关性的反映，本质上是隐含的和局部的。我们希望获取特征通道的全局信息，对通道间的相关性进行显式地建模。

SE 模块的示意图如下。

我们通过三个操作来重新标定特征图 U。

（1）挤压操作（Squeeze）：嵌入全局信息

Squeeze 沿空间维度进行特征压缩，通过全局均值池化（也可以使用其它操作），将特征通道压缩为一个通道描述符。通道描述符具有某种程度的全局感受野，可以表征在某个通道上特征的全局分布，或称为全局信息。

由维度 $(H,W,C)$ 的特征图 U 得到维度 $(1,1,C)$的通道描述符，每个通道 c 对应于一个实数的通道描述符 $z_c$。
$$z_c=F_{sq}(u_c)=\frac{1}{H\ast W}\sum _{i=1}^H\sum _{j=1}^W{u}_c(i,j)$$
通过将特征图压缩为一个特征向量，可以更有效地学习和利用不同通道之间的关系 。

（2）激励操作（Excitation）：自适应学习权值

激励操作基于通道描述符学习通道之间的非线性关系。

通过一种具有 S 型激活的简单门控机制，为每个特征通道生成权重 s，对通道之间的相关性建模。
$$s=F_{ex}(z,W)=\sigma (g(z,w))=\sigma (W_2\ast \delta (W_{1}z))$$
权重 s 的维度是 (1,1,C2)，$s_c$ 是通道 c 的权值系数。

激励操作实际上是 2层全连接网络 FC，将通道描述符 z 变换为通道权重 s，s 的维度是 $(1,1,C)$ 与 z 相同。为了降低复杂度，全连接网络设计为瓶颈结构，r 是压缩比，中间层的维度压缩为 $(1,1,C/r)$ 。

$\delta$ 表示 ReLU 函数，$\sigma$ 表示 S 型激活函数如 Sigmoid函数，将输出映射到 (0,1) 之间表示通道的重要度。

需要注意的是，激励操作将通道描述符 z 变换为通道权重 s，本质上是引入了通道域的视觉注意力机制，其关系不限于滤波器的局部感受野。因此，虽然可以使用不同的模型结构和激活函数实现建模（参见 ECA），但并不是任意的模型结构和激活函数都可以，而是需要符合注意力机制的一般要求 $s=f(x,g(x))$。

（3）重新标定（Scale）：

将 Excitation 的输出的权重 $s_c$ 视为每个特征通道的重要度，通过乘法逐通道加权到原始特征图上，作为 SE块的输出，就实现在通道维度上的对原始特征的重标定。
$$\widetilde{x_c}=F_{scale}(u_c,s_c)=s_c{u}_c$$

【模型结构】

SE 模块是一个通用的模版，结构简单。我们可以简单地堆叠 SE块来构建 SE网络模型，也可以将 SE 块与其它深度学习模型集成，构造如 SE-Inception，SE-ResNet，等等 。

例如，以 Inception Module 或 Residual Module 作为 $F_{tr}$ ，就可以构造如下的 SE-Inception Module 或 SE-Residual Module。将 SE 块与 ResNeXt、Inception ResNet、MobileNet 和 ShuffleNet 集成也可以通过类似的方案来构建。

SE块在计算上是轻量级的，略微增加了模型复杂性和计算负担，但性能提升显著。

【模型性能】

SENet 构造非常简单，而且很容易被部署，不需要引入新的函数或者层。除此之外，它还在模型和计算复杂度上具有良好的特性。

以 ResNet-50 和 SE-ResNet-50 为例进行比较。对于 224* 224 的输入图像，ResNet50 正向推理的计算量 3.86 GFLOP。每个 SE块在 Squeeze 阶段使用全局平均池化操作，在 Excitation 阶段使用两个小 FC 层，然后按通道缩放。当压缩比 r=16时，SE-ResNet-50 正向推理的计算量为 3.87 GFLOP，计算量的增加可以忽略不计。ResNet-50 模型参数为 2500万，SE-ResNet-50模型参数增加了 250万，模型参数量增加了10%，但可以去除最后阶段的 SE块则模型参数只增加 4%。而 SE-ResNet-50 的准确率明显优于 ResNet-50，甚至优于 ResNet-101 网络的准确率，而 ResNet-101 网络计算量需要 7.58 GFLOP。

【讨论】

SE 模块在整个网络的不同深度具有不同的作用，不同层的 SE 在功能上是互补的，处在不同阶段的多个 SE 模块的组合可进一步提升模型性能。

在网络早期的层中，不同类别图像的权值分布差异不大，说明特征通道的重要性由不同类别的特征共享。在较深的层中，不同类别图像的权值分布的差异性增大，说明不同类别对特征表现出不同的偏好。这也说明，早期层特征通常更具一般性，而后期层特征表现出更高水平的特异性。

而在网络的最后阶段，大多数激活值接近于 1，这表明 SE 块的作用衰减。去除最后阶段的SE块，可以显著减少额外参数计数，而性能损失很小。

1.3 分析与讨论

SENet 模型的目的，是通过 SE块结构对原始特征进行重构，实现强调重要特征，忽略不重要特征，以增强模型的表征能力，提高模型性能。

2. 在 PyTorch 中定义 SENet 模型类

SENet 不是一个完整的网络结构，而是一个结构模块 SE Block。SE Block 可以插入各种深度学习模型，构造 SE 集成模型，例如 SE-Inception，SE-ResNet，等等。

本节面向 CIFAR10 数据集图像分类问题，先介绍 SE Block 模型类的定义，然后直接堆叠 SE Block 改造一个简单的 SENet 网络模型。另外，本节还以 ResNet18 为基础模型，构造 SE-ResNet18 模型。

2.1 定义 SE Block

SE Block 通过 2个线性层和激活函数得到通道权值，通过乘法逐通道加权到原始特征图上，作为 SE块的输出。

定义 SE Block 的例程如下。

# 定义 SE Block
class SEBlock(nn.Module):
    def __init__(self, channel, ratio=16):
        super(SEBlock, self).__init__()
        self.avg_pool = nn.AdaptiveAvgPool2d(1)  # 平均池化层, [b,c,h,w] -> [b,c,1,1]
        self.fc = nn.Sequential(
            # 第 1 个线性层压缩通道数，维度是[ch, ch/r]
            nn.Linear(channel, channel//ratio, bias=False),
            nn.ReLU(inplace=True),
            # 第 2 个线性层恢复通道数，维度是[ch/r, ch]
            nn.Linear(channel//ratio, channel, bias=False),
            # Sigmoid 激活函数
            nn.Sigmoid()
        )

    def forward(self, x):
        b, c, _, _ = x.size()
        # Squeeze 操作, [b,c,h,w] -> [b,c]
        y = self.avg_pool(x).view(b, c)
        # Excitation 操作, 获取通道注意力权值 s
        y = self.fc(y).view(b,c,1,1)
        # Scale 操作, X^ = Fscale(X, S) = X .* S
        y = x * y.expand_as(x)
        return y

2.2 堆叠 SEBlock 构造 SENet 模型类

简化的 SqueezeNet 模型类定义如下。该模型与 SqueezeNet 论文原文模型相比进行了简化，而且使用全连接层作为分类器。

对于不同的数据集，可能需要进行一些适应性的调整。例如 CIFAR10 数据集图像分类问题数据集规模较小，图片尺寸为 32*32，因此对 SqueezeNet 模型进行了简化。

# 定义 SENet (直接堆叠 SEBlock 模块)
class SENet1(nn.Module):
    def __init__(self, num_classes=10, reduction=16):
        super(SENet, self).__init__()
        # 卷积池化层
        self.conv_pool1 = nn.Sequential(
            nn.Conv2d(3, 64, 3, padding=1),  # C1: 输入 3，输出 64，卷积核 3x3，填充 1
            nn.BatchNorm2d(64),  # 批归一化
            nn.ReLU(),  # ReLU 激活函数
            SEBlock(64, reduction)  # SEBlock 模块
        )
        self.conv_pool2 = nn.Sequential(
            nn.Conv2d(64, 128, 3, padding=1),  # C2
            nn.BatchNorm2d(128),  # 批归一化
            nn.ReLU(),  # ReLU 激活函数
            SEBlock(128, reduction),  # SEBlock 模块
            nn.MaxPool2d(kernel_size=3, stride=2, padding=1)  # 池化层
        )
        self.conv_pool3 = nn.Sequential(
            nn.Conv2d(128, 256, 3, padding=1),  # C3
            nn.BatchNorm2d(256),  # 批归一化
            nn.ReLU(),  # ReLU 激活函数
            SEBlock(256, reduction),  # SEBlock 模块
            nn.MaxPool2d(kernel_size=3, stride=2, padding=1)  # 池化层
        )
        self.conv_pool4 = nn.Sequential(
            nn.Conv2d(256, 512, 3, padding=1),  # C2
            nn.BatchNorm2d(512),  # 批归一化
            nn.ReLU(),  # ReLU 激活函数
            SEBlock(512, reduction)  # SEBlock 模块
        )
        # 特征分类器
        self.classifier = nn.Sequential(
            nn.AdaptiveAvgPool2d(1),  # 全局平均池化层
            nn.Flatten(),  # 展平为一维向量
            nn.Linear(512, num_classes)
        )

    def forward(self, x):
        x = self.conv_pool1(x)  # (3,32,32) -> (64,32,32)
        x = self.conv_pool2(x)  # (64,32,32) -> (128,16,16)
        x = self.conv_pool3(x)  # (128,16,16) -> (256,8,8)
        x = self.conv_pool4(x)  # (256,,8,8) -> (512,8,8)
        x = self.classifier(x)  # (512,32,32) -> (10)
        return x

----------------------------------------------------------------
        Layer (type)               Output Shape         Param #
================================================================
            Conv2d-1           [-1, 64, 32, 32]           1,792
       BatchNorm2d-2           [-1, 64, 32, 32]             128
              ReLU-3           [-1, 64, 32, 32]               0
 AdaptiveAvgPool2d-4             [-1, 64, 1, 1]               0
            Linear-5                    [-1, 4]             256
              ReLU-6                    [-1, 4]               0
            Linear-7                   [-1, 64]             256
           Sigmoid-8                   [-1, 64]               0
           SEBlock-9           [-1, 64, 32, 32]               0
           Conv2d-10          [-1, 128, 32, 32]          73,856
      BatchNorm2d-11          [-1, 128, 32, 32]             256
             ReLU-12          [-1, 128, 32, 32]               0
AdaptiveAvgPool2d-13            [-1, 128, 1, 1]               0
           Linear-14                    [-1, 8]           1,024
             ReLU-15                    [-1, 8]               0
           Linear-16                  [-1, 128]           1,024
          Sigmoid-17                  [-1, 128]               0
          SEBlock-18          [-1, 128, 32, 32]               0
        MaxPool2d-19          [-1, 128, 16, 16]               0
           Conv2d-20          [-1, 256, 16, 16]         295,168
      BatchNorm2d-21          [-1, 256, 16, 16]             512
             ReLU-22          [-1, 256, 16, 16]               0
AdaptiveAvgPool2d-23            [-1, 256, 1, 1]               0
           Linear-24                   [-1, 16]           4,096
             ReLU-25                   [-1, 16]               0
           Linear-26                  [-1, 256]           4,096
          Sigmoid-27                  [-1, 256]               0
          SEBlock-28          [-1, 256, 16, 16]               0
        MaxPool2d-29            [-1, 256, 8, 8]               0
           Conv2d-30            [-1, 512, 8, 8]       1,180,160
      BatchNorm2d-31            [-1, 512, 8, 8]           1,024
             ReLU-32            [-1, 512, 8, 8]               0
AdaptiveAvgPool2d-33            [-1, 512, 1, 1]               0
           Linear-34                   [-1, 32]          16,384
             ReLU-35                   [-1, 32]               0
           Linear-36                  [-1, 512]          16,384
          Sigmoid-37                  [-1, 512]               0
          SEBlock-38            [-1, 512, 8, 8]               0
AdaptiveAvgPool2d-39            [-1, 512, 1, 1]               0
          Flatten-40                  [-1, 512]               0
           Linear-41                   [-1, 10]           5,130
================================================================
Total params: 1,601,546
Trainable params: 1,601,546
Non-trainable params: 0
----------------------------------------------------------------
Input size (MB): 0.01
Forward/backward pass size (MB): 9.41
Params size (MB): 6.11
Estimated Total Size (MB): 15.53
----------------------------------------------------------------

2.4 定义 SE-ResNet18 模型类

首先定义一个带残差连接的 SE-Res 模块。

# 带残差连接的 SE-Res 模块
class SEResBlock(nn.Module):
    def __init__(self, ch_in, reduction=16):
        super(SEResBlock, self).__init__()
        self.adaptive_avg_pool = nn.AdaptiveAvgPool2d(1)  # 全局自适应池化
        self.fc = nn.Sequential(  # 获取通道注意力权重
            nn.Linear(ch_in, ch_in//reduction),
            nn.ReLU(inplace=True),
            nn.Linear(ch_in//reduction, ch_in),
            nn.Sigmoid()
        )

    def forward(self, x):
        b, c, _, _ = x.size()
        y = self.adaptive_avg_pool(x).view(b, c)  # (b,c,h,w)->(b,c)
        y = self.fc(y).view(b, c, 1, 1)  # (b,c)->(b,c,1,1)
        y = x * y.expand_as(x)  # 通道注意力加权
        return y
        # return x+y  # 残差连接

基于 ResNet18 网络定义的 SE-ResNet18 模型类如下。

# ResBlock 残差模块
class ResBlock(nn.Module):
    def __init__(self, ch_in, ch_out, stride, ResFlag):
        super(ResBlock, self).__init__()
        self.ResFlag = ResFlag  # 残差连接标志

        # 第一层卷积，3*3 卷积核
        self.conv1 = nn.Conv2d(ch_in, ch_out, kernel_size=3, stride=stride, padding=1)
        # 第二层卷积，3*3 卷积核
        self.conv2 = nn.Conv2d(ch_out, ch_out, kernel_size=3, stride=1, padding=1)
        # 逐点卷积，1*1 卷积核，调整通道维度
        self.extra = nn.Sequential(
            nn.Conv2d(ch_in, ch_out, kernel_size=1, stride=stride, padding=0),
            nn.BatchNorm2d(ch_out)
        )
        self.bn = nn.BatchNorm2d(ch_out)
        self.relu = nn.ReLU(inplace=True)

    def forward(self, x):
        out = self.bn(self.conv1(x))
        out = self.relu(out)
        out = self.bn(self.conv2(out))
        if self.ResFlag:  # 残差连接
            out = self.extra(x) + out
        out = self.relu(out)
        return out


# 构建 ResNet18 网络模型
class SE_Resnet18(nn.Module):
    def __init__(self, num_classes=10):
        super(SE_Resnet18, self).__init__()

        self.conv1 = nn.Sequential(
            nn.Conv2d(3, 64, kernel_size=3, stride=1, padding=1, bias=False),
            nn.BatchNorm2d(64),
            nn.ReLU(inplace=True)
        )
        self.block1 = nn.Sequential(
            ResBlock(ch_in=64, ch_out=64, stride=1, ResFlag=False),
            SEBlock(64),
            ResBlock(ch_in=64, ch_out=64, stride=1, ResFlag=False)
        )
        self.block2 = nn.Sequential(
            ResBlock(ch_in=64, ch_out=128, stride=2, ResFlag=True),
            SEBlock(128),
            ResBlock(ch_in=128, ch_out=128, stride=1, ResFlag=False)
        )
        self.block3 = nn.Sequential(
            ResBlock(ch_in=128, ch_out=256, stride=2, ResFlag=True),
            SEBlock(256),
            ResBlock(ch_in=256, ch_out=256, stride=1, ResFlag=False)
        )
        self.block4 = nn.Sequential(
            ResBlock(ch_in=256, ch_out=512, stride=2, ResFlag=True),
            SEBlock(512),
            ResBlock(ch_in=512, ch_out=512, stride=1, ResFlag=False)
        )
        self.adaptive_avg_pool2d = nn.AdaptiveAvgPool2d((1, 1))
        self.relu = nn.ReLU(inplace=True)

        # 全连接层
        self.FC_layer = nn.Sequential(
            nn.Linear(512, 128),
            nn.ReLU(inplace=True),
            nn.Dropout(0.25),  # 随机删除部分连接
            nn.Linear(128, num_classes)
        )

    def forward(self, x):
        # ResNet18 特征提取
        x = self.conv1(x)
        x = self.block1(x)
        x = self.block2(x)
        x = self.block3(x)
        x = self.block4(x)
        # ResNet18 特征分类
        x = self.adaptive_avg_pool2d(x)
        x = x.view(x.size(0), -1)
        x = self.FC_layer(x)
        return x

3. 基于 SENet 模型的 CIFAR10 图像分类

3.1 PyTorch 建立神经网络模型的基本步骤

使用 PyTorch 建立、训练和使用神经网络模型的基本步骤如下。

1. 准备数据集（Prepare dataset）：加载数据集，对数据进行预处理。
2. 建立模型（Design the model）：实例化模型类，定义损失函数和优化器，确定模型结构和训练方法。
3. 模型训练（Model trainning）：使用训练数据集对模型进行训练，确定模型参数。
4. 模型推理（Model inferring）：使用训练好的模型进行推理，对输入数据预测输出结果。
5. 模型保存与加载（Model saving/loading）：保存训练好的模型，以便以后使用或部署。

以下按此步骤讲解 SENet 模型的例程。

3.2 加载 CIFAR10 数据集

通用数据集的样本结构均衡、信息高效，而且组织规范、易于处理。使用通用的数据集训练神经网络，不仅可以提高工作效率，而且便于评估模型性能。

PyTorch 提供了一些常用的图像数据集，预加载在 torchvision.datasets 类中。torchvision 模块实现神经网络所需的核心类和方法， torchvision.datasets 包含流行的数据集、模型架构和常用的图像转换方法。

CIFAR 数据集是一个经典的图像分类小型数据集，有 CIFAR10 和 CIFAR100 两个版本。CIFAR10 有 10 个类别，CIFAR100 有 100 个类别。CIFAR10 每张图像大小为 32*32，包括飞机、小汽车、鸟、猫、鹿、狗、青蛙、马、船、卡车 10 个类别。CIFAR10 共有 60000 张图像，其中训练集 50000张，测试集 10000张。每个类别有 6000张图片，数据集平衡。

加载和使用 CIFAR 数据集的方法为：

torchvision.datasets.CIFAR10()
torchvision.datasets.CIFAR100()

CIFAR 数据集可以从官网下载：http://www.cs.toronto.edu/~kriz/cifar.html 后使用，也可以使用 datasets 类自动加载（如果本地路径没有该文件则自动下载）。

下载数据集时，使用预定义的 transform 方法进行数据预处理，包括调整图像尺寸、标准化处理，将数据格式转换为张量。标准化处理所使用 CIFAR10 数据集的均值和方差为 (0.4914, 0.4822, 0.4465), (0.2470, 0.2435, 0.2616)。transform_train在训练过程中，增加随机性，提高泛化能力。

大型训练数据集不能一次性加载全部样本来训练，可以使用 Dataloader 类自动加载数据。Dataloader 是一个迭代器，基本功能是传入一个 Dataset 对象，根据参数 batch_size 生成一个 batch 的数据。

使用 DataLoader 类加载 CIFAR-10 数据集的例程如下。

    # (1) 将[0,1]的PILImage 转换为[-1,1]的Tensor
    transform_train = transforms.Compose([
        transforms.RandomHorizontalFlip(),  # 随机水平翻转
        transforms.RandomRotation(10),  # 随机旋转
        transforms.RandomAffine(0, shear=10, scale=(0.8, 1.2)),
        transforms.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2),
        transforms.Resize(32),  # 图像大小调整为 (w,h)=(32，32)
        transforms.ToTensor(),  # 将图像转换为张量 Tensor
        transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2470, 0.2435, 0.2616))])
    # 测试集不需要进行数据增强
    transform = transforms.Compose([
        transforms.Resize(32),
        transforms.ToTensor(),
        transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2470, 0.2435, 0.2616))])

    # (2) 加载 CIFAR10 数据集
    batchsize = 128
    # 加载 CIFAR10 数据集, 如果 root 路径加载失败, 则自动在线下载
    # 加载 CIFAR10 训练数据集, 50000张训练图片
    train_set = torchvision.datasets.CIFAR10(root='../dataset', train=True,
                                            download=True, transform=transform_train)
    # train_loader = torch.utils.data.DataLoader(train_set, batch_size=batchsize)
    train_loader = torch.utils.data.DataLoader(train_set, batch_size=batchsize,
                                              shuffle=True, num_workers=8)
    # 加载 CIFAR10 验证数据集, 10000张验证图片
    test_set = torchvision.datasets.CIFAR10(root='../dataset', train=False,
                                           download=True, transform=transform)
    test_loader = torch.utils.data.DataLoader(test_set, batch_size=1000,
                                              shuffle=True, num_workers=8)
    # 创建生成器，用 next 获取一个批次的数据
    valid_data_iter = iter(test_loader)  # _SingleProcessDataLoaderIter 对象
    valid_images, valid_labels = next(valid_data_iter)  # images: [batch,3,32,32], labels: [batch]
    valid_size = valid_labels.size(0)  # 验证数据集大小，batch
    print(valid_images.shape, valid_labels.shape)

    # 定义类别名称，CIFAR10 数据集的 10个类别
    classes = ('plane', 'car', 'bird', 'cat', 'deer',
               'dog', 'frog', 'horse', 'ship', 'truck')

3.3 建立 SENet 网络模型

建立一个 SENet 网络模型进行训练，包括三个步骤：

• 实例化 SENet 模型对象；
• 设置训练的损失函数；
• 设置训练的优化器。

torch.nn.functional 模块提供了各种内置损失函数，本例使用交叉熵损失函数 CrossEntropyLoss。

torch.optim 模块提供了各种优化方法，本例使用 SGD 优化器。注意要将 model 的参数 model.parameters() 传给优化器对象，以便优化器扫描需要优化的参数。

    # (3) 构造 SENet 网络模型 (直接堆叠 SEBlock 模块)
    model = SENet1(num_classes=10, reduction=16)  # 实例化 SENet 网络模型
    model.to(device)  # 将网络分配到指定的 device 中
    # print(model)
    from torchsummary import summary
    summary(model, (3, 32, 32))

    # 定义损失函数和优化器
    criterion = nn.CrossEntropyLoss()  # 定义损失函数 CrossEntropy
    optimizer = torch.optim.SGD(model.parameters(), momentum=0.9, lr=0.01, weight_decay=5e-4)  # 定义优化器 SGD

3.4 SENet 模型训练

PyTorch 模型训练的基本步骤是：

1. 前馈计算模型的输出值；
2. 计算损失函数值；
3. 计算权重 weight 和偏差 bias 的梯度；
4. 根据梯度值调整模型参数；
5. 将梯度重置为 0（用于下一循环）。

在模型训练过程中，可以使用验证集数据评价训练过程中的模型精度，以便控制训练过程。模型验证就是用验证数据进行模型推理，前向计算得到模型输出，但不反向计算模型误差，因此需要设置 torch.no_grad()。

使用 PyTorch 进行模型训练的例程如下。

    # (4) 训练 SENet 模型
    epoch_list = []  # 记录训练轮次
    loss_list = []  # 记录训练集的损失值
    accu_list = []  # 记录验证集的准确率
    num_epochs = 50  # 训练轮次
    for epoch in range(num_epochs):  # 训练轮次 epoch
        running_loss = 0.0  # 每个轮次的累加损失值清零
        for step, data in enumerate(train_loader, start=0):  # 迭代器加载数据
            optimizer.zero_grad()  # 损失梯度清零
            inputs, labels = data  # inputs: [batch,3,32,32] labels: [batch]
            outputs = model(inputs.to(device))  # 正向传播
            loss = criterion(outputs, labels.to(device))  # 计算损失函数
            loss.backward()  # 反向传播
            optimizer.step()  # 参数更新

            # 累加训练损失值
            running_loss += loss.item()
            # if step%100==99:  # 每 100 个 step 打印一次训练信息
            #     print("\t epoch {}, step {}: loss = {:.4f}".format(epoch, step, loss.item()))

        # 计算每个轮次的验证集准确率
        with torch.no_grad():  # 验证过程, 不计算损失函数梯度
            outputs_valid = model(valid_images.to(device))  # 模型对验证集进行推理, [batch, 10]
        pred_labels = torch.max(outputs_valid, dim=1)[1]  # 预测类别, [batch]
        accuracy = torch.eq(pred_labels, valid_labels.to(device)).sum().item() / valid_size * 100  # 计算准确率
        print("Epoch {}: train loss={:.4f}, accuracy={:.2f}%".format(epoch, running_loss, accuracy))

        # 记录训练过程的统计数据
        epoch_list.append(epoch)  # 记录迭代次数
        loss_list.append(running_loss)  # 记录训练集的损失函数
        accu_list.append(accuracy)  # 记录验证集的准确率

程序运行结果如下：

Epoch 0: train loss=625.6963, accuracy=46.09%
Epoch 1: train loss=488.5032, accuracy=58.98%
Epoch 2: train loss=432.1913, accuracy=64.06%
…
Epoch 48: train loss=148.6156, accuracy=83.98%
Epoch 49: train loss=148.0326, accuracy=83.98%

经过 20 轮左右的训练，训练损失不断，检验准确率逐渐增大到 80%左右。经过 50 轮的训练，验证集的准确率达到 85%左右。

3.5 SENet 模型的保存与加载

模型训练好以后，将模型保存起来，以便下次使用。PyTorch 中模型保存主要有两种方式，一是保存模型权值，二是保存整个模型。本例使用 model.state_dict() 方法以字典形式返回模型权值，torch.save() 方法将权值字典序列化到磁盘，将模型保存为 .pth 文件。

    # (5) 保存 SENet 网络模型
    save_path = "../models/SENet_Cifar1"
    model_cpu = model.cpu()  # 将模型移动到 CPU
    model_path = save_path + ".pth"  # 模型文件路径
    torch.save(model.state_dict(), model_path)  # 保存模型权值
    # 优化结果写入数据文件
    result_path = save_path + ".csv"  # 优化结果文件路径
    WriteDataFile(epoch_list, loss_list, accu_list, result_path)

使用训练好的模型，首先要实例化模型类，然后调用 load_state_dict() 方法加载模型的权值参数。

    # 以下模型加载和模型推理，可以是另一个独立的程序
    # (6) 加载 SENet 网络模型进行推理
    device = torch.device("cuda" if torch.cuda.is_available() else "cpu")  # 检测并指定设备
    # 加载 SENet 预训练模型
    model = SENet1(num_classes=10)  # 实例化 SENet 网络模型
    model.to(device)  # 将网络分配到指定的device中
    model_path = "../models/SENet_Cifar1.pth"
    model.load_state_dict(torch.load(model_path))
    model.eval()  # 模型推理模式

需要特别注意的是：

（1）PyTorch 中的 .pth 文件只保存了模型的权值参数，而没有模型的结构信息，因此必须先实例化模型对象，再加载模型参数。

（2）模型对象必须与模型参数严格对应，才能正常使用。注意即使都是 SENet 模型，模型类的具体定义也可能有细微的区别。如果从一个来源获取模型类的定义，从另一个来源获取模型参数文件，就很容易造成模型结构与参数不能匹配。

（3）无论从 PyTorch 模型仓库加载的模型和参数，或从其它来源获取的预训练模型，或自己训练得到的模型，模型加载的方法都是相同的，也都要注意模型结构与参数的匹配问题。

3.6 模型检验

使用加载的 SENet 模型，输入新的图片进行模型推理，可以由模型输出结果确定输入图片所属的类别。

使用测试集数据进行模型推理，根据模型预测结果与图片标签进行比较，可以检验模型的准确率。模型验证集与模型检验集不能交叉使用，但为了简化例程在本程序中未做区分。

    # (7) 模型检测
    correct = 0
    total = 0
    for data in test_loader:  # 迭代器加载测试数据集
        imgs, labels = data  # torch.Size([batch,3,32,32) torch.Size([batch])
        # print(imgs.shape, labels.shape)
        outputs = model(imgs.to(device))  # 正向传播, 模型推理, [batch, 10]
        labels_pred = torch.max(outputs, dim=1)[1]  # 模型预测的类别 [batch]
        # _, labels_pred = torch.max(outputs.data, 1)
        total += labels.size(0)
        correct += torch.eq(labels_pred, labels.to(device)).sum().item()
    accuracy = 100. * correct / total
    print("Test samples: {}".format(total))
    print("Test accuracy={:.2f}%".format(accuracy))

使用测试集进行模型推理，测试模型准确率为 84.83%。

Test samples: 10000
Test accuracy=84.83%

3.7 模型推理

使用加载的 SENet 模型，输入新的图片进行模型推理，可以由模型输出结果确定输入图片所属的类别。

从测试集中提取几张图片，或者读取图像文件，进行模型推理，获得图片的分类类别。在提取图片或读取文件时，要注意对图片格式和图片大小进行适当的转换。

    # (8) 提取测试集图片进行模型推理
    batch = 8  # 批次大小
    data_set = torchvision.datasets.CIFAR10(root='../dataset', train=False,
                                           download=False, transform=None)
    plt.figure(figsize=(9, 6))
    for i in range(batch):
        imgPIL = data_set[i][0]  # 提取 PIL 图片
        label = data_set[i][1]  # 提取 图片标签
        # 预处理/模型推理/后处理
        imgTrans = transform(imgPIL)  # 预处理变换, torch.Size([3,32,32])
        imgBatch = torch.unsqueeze(imgTrans, 0)  # 转为批处理，torch.Size([batch=1,3,32,32])
        outputs = model(imgBatch.to(device))  # 模型推理, 返回 [batch=1, 10]
        indexes = torch.max(outputs, dim=1)[1]  # 注意 [batch=1], device = 'device
        index = indexes[0].item()  # 预测类别，整数
        # 绘制第 i 张图片
        imgNP = np.array(imgPIL)  # PIL -> Numpy
        out_text = "label:{}/model:{}".format(classes[label], classes[index])
        plt.subplot(2, 4, i+1)
        plt.imshow(imgNP)
        plt.title(out_text)
        plt.axis('off')
    plt.tight_layout()
    plt.show()

结果如下。

    # (9) 读取图像文件进行模型推理
    from PIL import Image
    filePath = "../images/img_car_01.jpg"  # 数据文件的地址和文件名
    imgPIL = Image.open(filePath)  # PIL 读取图像文件, <class 'PIL.Image.Image'>

    # 预处理/模型推理/后处理
    imgTrans = transform(imgPIL)  # 预处理变换, torch.Size([3, 32, 32])
    imgBatch = torch.unsqueeze(imgTrans, 0)  # 转为批处理，torch.Size([batch=1, 3, 32, 32])
    outputs = model(imgBatch.to(device))  # 模型推理, 返回 [batch=1, 10]
    indexes = torch.max(outputs, dim=1)[1]  # 注意 [batch=1], device = 'device
    percentages = nn.functional.softmax(outputs, dim=1)[0] * 100
    index = indexes[0].item()  # 预测类别，整数
    percent = percentages[index].item()  # 预测类别的概率，浮点数

    # 绘制第 i 张图片
    imgNP = np.array(imgPIL)  # PIL -> Numpy
    out_text = "Prediction:{}, {}, {:.2f}%".format(index, classes[index], percent)
    print(out_text)
    plt.imshow(imgNP)
    plt.title(out_text)
    plt.axis('off')
    plt.tight_layout()
    plt.show()

结果如下。

4. 基于 SE-ResNet18 模型的 CIFAR10 图像分类

使用 SE-ResNet18 模型类，基于 CIFAR10 数据集进行训练，模型的准确率比 SE Block 而成的 SENet 更高。

SE-ResNet18 模型的完整例程如下。

# Begin_SENet_CIFAR_2.py
# SE-ResNet model for beginner with PyTorch
# 经典模型: SE-ResNet18 简化模型 CIFAR10 图像分类
# Copyright: youcans@qq.com
# Crated: Huang Shan, 2023/06/25

# _*_coding:utf-8_*_
import torch
import torch.nn as nn
import torch.optim as optim
import torchvision
import torchvision.transforms as transforms
from matplotlib import pyplot as plt
import numpy as np

# 定义 SE Block
class SEBlock(nn.Module):
    def __init__(self, channel, ratio=16):
        super(SEBlock, self).__init__()
        self.avg_pool = nn.AdaptiveAvgPool2d(1)  # 平均池化层, [b,c,h,w] -> [b,c,1,1]
        self.fc = nn.Sequential(
            # 第 1 个线性层压缩通道数，维度是[ch, ch/r]
            nn.Linear(channel, channel//ratio, bias=False),
            nn.ReLU(inplace=True),
            # 第 2 个线性层恢复通道数，维度是[ch/r, ch]
            nn.Linear(channel//ratio, channel, bias=False),
            # Sigmoid 激活函数
            nn.Sigmoid()
        )

    def forward(self, x):
        b, c, _, _ = x.size()
        # Squeeze 操作, [b,c,h,w] -> [b,c]
        y = self.avg_pool(x).view(b, c)
        # Excitation 操作, 获取通道注意力权值 s
        y = self.fc(y).view(b,c,1,1)
        # Scale 操作, X^ = Fscale(X, S) = X .* S
        y = x * y.expand_as(x)
        return y

# ResBlock 残差模块
class ResBlock(nn.Module):
    def __init__(self, ch_in, ch_out, stride, ResFlag):
        super(ResBlock, self).__init__()
        self.ResFlag = ResFlag  # 残差连接标志

        # 第一层卷积，3*3 卷积核
        self.conv1 = nn.Conv2d(ch_in, ch_out, kernel_size=3, stride=stride, padding=1)
        # 第二层卷积，3*3 卷积核
        self.conv2 = nn.Conv2d(ch_out, ch_out, kernel_size=3, stride=1, padding=1)
        # 逐点卷积，1*1 卷积核，调整通道维度
        self.extra = nn.Sequential(
            nn.Conv2d(ch_in, ch_out, kernel_size=1, stride=stride, padding=0),
            nn.BatchNorm2d(ch_out)
        )
        self.bn = nn.BatchNorm2d(ch_out)
        self.relu = nn.ReLU(inplace=True)

    def forward(self, x):
        out = self.bn(self.conv1(x))
        out = self.relu(out)
        out = self.bn(self.conv2(out))
        if self.ResFlag:  # 残差连接
            out = self.extra(x) + out
        out = self.relu(out)
        return out


# 构建 ResNet18 网络模型
class SE_Resnet18(nn.Module):
    def __init__(self, num_classes=10):
        super(SE_Resnet18, self).__init__()

        self.conv1 = nn.Sequential(
            nn.Conv2d(3, 64, kernel_size=3, stride=1, padding=1, bias=False),
            nn.BatchNorm2d(64),
            nn.ReLU(inplace=True)
        )
        self.block1 = nn.Sequential(
            ResBlock(ch_in=64, ch_out=64, stride=1, ResFlag=False),
            SEBlock(64),
            ResBlock(ch_in=64, ch_out=64, stride=1, ResFlag=False)
        )
        self.block2 = nn.Sequential(
            ResBlock(ch_in=64, ch_out=128, stride=2, ResFlag=True),
            SEBlock(128),
            ResBlock(ch_in=128, ch_out=128, stride=1, ResFlag=False)
        )
        self.block3 = nn.Sequential(
            ResBlock(ch_in=128, ch_out=256, stride=2, ResFlag=True),
            SEBlock(256),
            ResBlock(ch_in=256, ch_out=256, stride=1, ResFlag=False)
        )
        self.block4 = nn.Sequential(
            ResBlock(ch_in=256, ch_out=512, stride=2, ResFlag=True),
            SEBlock(512),
            ResBlock(ch_in=512, ch_out=512, stride=1, ResFlag=False)
        )
        self.adaptive_avg_pool2d = nn.AdaptiveAvgPool2d((1, 1))
        self.relu = nn.ReLU(inplace=True)

        # 全连接层
        self.FC_layer = nn.Sequential(
            nn.Linear(512, 128),
            nn.ReLU(inplace=True),
            nn.Dropout(0.25),  # 随机删除部分连接
            nn.Linear(128, num_classes)
        )

    def forward(self, x):
        # ResNet18 特征提取
        x = self.conv1(x)
        x = self.block1(x)
        x = self.block2(x)
        x = self.block3(x)
        x = self.block4(x)
        # ResNet18 特征分类
        x = self.adaptive_avg_pool2d(x)
        x = x.view(x.size(0), -1)
        x = self.FC_layer(x)
        return x

# 优化结果写入数据文件
import pandas as pd
def WriteDataFile(epoch_list, loss_list, accu_list, filepath):
    # print("def WriteDataFile()")
    optRecord = {
        "epoch": epoch_list,
        "train_loss": loss_list,
        "accuracy": accu_list}
    dfRecord = pd.DataFrame(optRecord)
    dfRecord.to_csv(filepath, index=False, encoding="utf_8_sig")
    print("写入数据文件: %s 完成。" % filepath)
    return


if __name__ == '__main__':
    device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
    print(device)

    # (1) 将 [0,1] 的 PILImage 转换为[-1,1]的Tensor
    transform_train = transforms.Compose([
        transforms.RandomHorizontalFlip(),  # 随机水平翻转
        transforms.RandomRotation(10),  # 随机旋转
        transforms.RandomAffine(0, shear=10, scale=(0.8, 1.2)),
        transforms.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2),
        transforms.Resize((32, 32)),  # 图像大小调整为 (w,h)=(32，32)
        transforms.ToTensor(),  # 将图像转换为张量 Tensor
        transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2470, 0.2435, 0.2616))])
    # 测试集不需要进行数据增强
    transform = transforms.Compose([
        transforms.Resize(32),
        transforms.ToTensor(),
        transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2470, 0.2435, 0.2616))])

    # (2) 加载 CIFAR10 数据集
    batchsize = 128
    # 加载 CIFAR10 数据集, 如果 root 路径加载失败, 则自动在线下载
    # 加载 CIFAR10 训练数据集, 50000张训练图片
    train_set = torchvision.datasets.CIFAR10(root='../dataset', train=True,
                                            download=True, transform=transform_train)
    train_loader = torch.utils.data.DataLoader(train_set, batch_size=batchsize,
                                           shuffle=True, num_workers=8)
    # 加载 CIFAR10 验证数据集, 10000张验证图片
    test_set = torchvision.datasets.CIFAR10(root='../dataset', train=False,
                                           download=True, transform=transform)
    test_loader = torch.utils.data.DataLoader(test_set, batch_size=256,
                                           shuffle=True, num_workers=8)

    # 创建生成器，用 next 获取一个批次的数据
    valid_data_iter = iter(test_loader)  # _SingleProcessDataLoaderIter 对象
    valid_images, valid_labels = next(valid_data_iter)  # images: [batch,3,32,32], labels: [batch]
    valid_size = valid_labels.size(0)  # 验证数据集大小，batch
    print(valid_images.shape, valid_labels.shape)

    # 定义类别名称，CIFAR10 数据集的 10个类别
    classes = ('plane', 'car', 'bird', 'cat', 'deer',
               'dog', 'frog', 'horse', 'ship', 'truck')

    # (3) 构造 SE_ResNet 网络模型
    model = SE_Resnet18(num_classes=10)  # 实例化 SE-ResNet18 网络模型
    model.to(device)  # 将网络分配到指定的device中
    # print(model)
    from torchsummary import summary
    summary(model, (3, 32, 32))

    # 定义损失函数和优化器
    criterion = nn.CrossEntropyLoss()  # 定义损失函数 CrossEntropy
    optimizer = torch.optim.SGD(model.parameters(), momentum=0.9, lr=0.01, weight_decay=5e-4)  # 定义优化器 SGD

    # (4) 训练 SE-ResNet 模型
    epoch_list = []  # 记录训练轮次
    loss_list = []  # 记录训练集的损失值
    accu_list = []  # 记录验证集的准确率
    num_epochs = 50  # 训练轮次
    for epoch in range(num_epochs):  # 训练轮次 epoch
        running_loss = 0.0  # 每个轮次的累加损失值清零
        for step, data in enumerate(train_loader, start=0):  # 迭代器加载数据
            optimizer.zero_grad()  # 损失梯度清零
            inputs, labels = data  # inputs: [batch,3,32,32] labels: [batch]
            outputs = model(inputs.to(device))  # 正向传播
            loss = criterion(outputs, labels.to(device))  # 计算损失函数
            loss.backward()  # 反向传播
            optimizer.step()  # 参数更新

            # 累加训练损失值
            running_loss += loss.item()
            # if step%100==99:  # 每 100 个 step 打印一次训练信息
            #     print("\t epoch {}, step {}: loss = {:.4f}".format(epoch, step, loss.item()))

        # 计算每个轮次的验证集准确率
        with torch.no_grad():  # 验证过程, 不计算损失函数梯度
            outputs_valid = model(valid_images.to(device))  # 模型对验证集进行推理, [batch, 10]
        pred_labels = torch.max(outputs_valid, dim=1)[1]  # 预测类别, [batch]
        accuracy = torch.eq(pred_labels, valid_labels.to(device)).sum().item() / valid_size * 100  # 计算准确率
        print("Epoch {}: train loss={:.4f}, accuracy={:.2f}%".format(epoch, running_loss, accuracy))

        # 记录训练过程的统计数据
        epoch_list.append(epoch)  # 记录迭代次数
        loss_list.append(running_loss)  # 记录训练集的损失函数
        accu_list.append(accuracy)  # 记录验证集的准确率

    # (5) 保存 SE-ResNet 网络模型
    save_path = "../models/SEResNet18_Cifar2"
    model_cpu = model.cpu()  # 将模型移动到 CPU
    model_path = save_path + ".pth"  # 模型文件路径
    torch.save(model.state_dict(), model_path)  # 保存模型权值
    # 优化结果写入数据文件
    result_path = save_path + ".csv"  # 优化结果文件路径
    WriteDataFile(epoch_list, loss_list, accu_list, result_path)

程序运行结果如下：

Epoch 0: train loss=626.2509, accuracy=58.59%
Epoch 1: train loss=439.1957, accuracy=72.27%
Epoch 2: train loss=353.0309, accuracy=75.39%
…
Epoch 48: train loss=66.4574, accuracy=90.23%
Epoch 49: train loss=64.4416, accuracy=91.01%

经过 20 轮左右的训练，训练损失不断，检验准确率已经接近 90%。经过 50 轮的训练，验证集的准确率达到 90~92%。

参考文献

1. Jie Hu, Li Shen, Samuel Albanie, et al.Squeeze-and-Excitation Networks (CVPR 2018) (https://arxiv.org/abs/1709.01507)
2. 胡杰, Momenta 详解 ImageNet 2017 夺冠架构 SENet, https://www.sohu.com/a/161633191_465975
3. https://github.com/MenghaoGuo/Awesome-Vision-Attentions

【本节完】

版权声明：
欢迎关注『youcans动手学模型』系列
转发请注明原文链接：
【youcans动手学模型】SENet 模型及 PyTorch 实现
Copyright 2023 youcans, XUPT
Crated：2023-07-02文章来源地址https://www.toymoban.com/news/detail-532168.html

到了这里，关于【youcans动手学模型】SENet 模型及 PyTorch 实现的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！