用PyTorch建立一个图像分类器？So easy！（Part 1）

摘要： 本文将为你介绍为什么要重用神经网络？哪部分能够重用，哪部分不能够重用。了解完这些基础概念，你就能够自行建立一个图像分类器了。

通过了几个月的学习和实践，我完成了优达学城网站上《Python Programming with Python Nanodegree》课程的学习，该课程的终极项目就是使用Pytorch为102种不一样类型的花建立一个图像分类器。

在完成这个项目的过程当中，我和其余学员同样，都碰到了各类问题和挑战，所以写下了这篇文章。但愿你读完这篇文章之后，会对你的机器学习有所裨益。

本文介绍了如何实现图像分类的基础概念，即理解图像内容的算法。本文并不会详细分步说明构建模型的具体步骤，而是从宏观上介绍整个过程，若是你正在学习机器学习或人工智能，相信这篇文章将会对你颇有帮助。

在第一部分中，咱们将介绍加载预训练的神经网络，为何要“重用”网络（即便用预训练神经网络），指明哪些部分能够重用，哪些部分不能够重用，以及如何自定义预训练网络。

加载一个预训练网络

“重用”是一个很是合理的策略，特别是当某些工具是你们都承认为标准的时候，“重用”更显得尤其重要。在这个例子中，咱们的出发点是torchvision提供的一个模型框架。

如今，咱们要作的是加载一个预先训练好的网络，并用本身的网络替换它的分类器，而后，咱们就能够训练本身的分类器了。

虽然这个想法很合理，可是也比较麻烦，由于加载一个预先训练好的网络，并不会节省咱们训练分类器的工做量。

因此，使用预训练网络到底有什么好处呢？

当咱们人类在看图像的时候，咱们会识别线条和形状，鉴于此，咱们才能够将图像内容与以前看到的内容联系起来。如今，咱们但愿分类器也能作到这点，可是，图像并非一个简单的数据，而是由数千个独立的像素组成，每一个像素又由3个不一样的值组合起来，造成颜色，即红色、绿色和蓝色。

从左到右，依次为：原始图像，红色，绿色，蓝色。

若是咱们但愿分类器可以处理这些数据，咱们要作的就是将每一个待处理图像所包含的信息，以分类器能够理解的格式传给分类器，这就是预训练网络发挥做用的地方。

这些预训练网络主要由一组特征检测器和分类器组成，其中，特征检测器被训练成能够从每一个图像中提取信息，分类器被训练成理解特征层提供的输入。

在这里，特征检测器已经在ImageNet中接受过训练，而且性能良好，咱们但愿这点可以继续保持。在训练分类器时，为了防止特征层被篡改，咱们得对特征层进行“冻结”，下面这些代码能够很轻松的解决这一问题：

for param in model.parameters():
    param.requires_grad = False

那么，问题又来了，既然咱们能够“重用”特征检测器，咱们为何不能“重用”分类器？要回答这个问题，咱们先来看看VGG16架构的默认分类器：

(classifier): Sequential(
  (0): Linear(in_features=25088, out_features=4096, bias=True)
  (1): ReLU(inplace)
  (2): Dropout(p=0.5)
  (3): Linear(in_features=4096, out_features=4096, bias=True)
  (4): ReLU(inplace)
  (5): Dropout(p=0.5)
  (6): Linear(in_features=4096, out_features=1000, bias=True)
)

首先，咱们没办法保证这些代码可以起做用，在咱们特定的环境中，这些默认层、元素、激活函数以及Dropout值并不必定是最佳的。

尤为是最后一层的输出是1000个元素，这就容易理解了。在咱们的例子中，咱们要对102种不一样类型的花进行分类，所以，咱们的分类器输出必须是102，而不是1000。

从上面VGG16架构的默认分类器中，咱们还能够注意到，分类器的输入层有25088个元素，这是特定预训练模型中特征检测器的输出大小，所以，咱们的分类器大小也必需要与要特征层的输出相匹配。
结论

从上面的分析，本文可以获得如下结论：

1.预先训练好的网络很是有用。使用预训练模型，可让咱们更加专一于咱们本身用例的具体细节，还能够重用众所周知的工具，对用例中的图像进行预处理。

2.分类器的输出大小必须与咱们但愿识别的图像数量相同。

3.特征层的输出和自定义分类器的输入大小必须相匹配。

在下一篇文章中，咱们将深刻探讨，在训练分类器过程当中，如何避免一些常见的陷阱，并学习如何调整超参数，来提升模型的准确性。

原文连接