Блог

Главная - Вопросы по программированию - Почему я всегда получаю то же значение, что и результат в CNN в pytorch?

Почему я всегда получаю то же значение, что и результат в CNN в pytorch?

#pytorch #classification #conv-neural-network

#pytorch #классификация #conv-нейронная сеть

Вопрос:

Вот мой код

 dataset = pd.read_csv('augmented_data.csv')
dataset = dataset.sample(frac=1)

class ConvNet(nn.Module):
def __init__(self):
    super(ConvNet, self).__init__()
    self.conv1 = nn.Conv2d(3,6,5)
    self.pool = nn.MaxPool2d(2,2)
    self.conv2 = nn.Conv2d(6,16,5)
    self.fc1 = nn.Linear(1024144, 120)
    self.fc2 = nn.Linear(120, 84)
    self.fc3 = nn.Linear(84,1)

def forward(self, x):
    x = self.pool(F.relu(self.conv1(x)))
    x = self.pool(F.relu(self.conv2(x)))
    x = x.view(-1, 1024144)
    x = F.relu(self.fc1(x))
    x = F.relu(self.fc2(x))
    print(x)
    x = self.fc3(x)
    return x   

files_read = 0
preprocess = transforms.Compose([
transforms.Resize(1024),
transforms.ToTensor(),
transforms.Normalize((0.5, 0.5, 0.5),(0.5, 0.5, 0.5))])

# device = torch.device('cuda' if torch.cuda.is_available else 'cpu')
device = torch.device('cpu')

# model = ConvNet().to(device)

criterion = torch.nn.MSELoss(reduction='sum')
optimizer = optim.Adam(model.parameters(), lr=0.001)

results = []    
for index, row in dataset.iterrows():
    try:
      image = load_img('padded_images/'   row['image_name']  '.jpg')
    except:
      image = load_img('augmented_images/'   row['image_name']  '.jpeg')

    files_read  = 1

    input_tensor = preprocess(image)
    input_batch = input_tensor.unsqueeze(0).to(device)

    if files_read <= 80 * len(dataset) // 100:
        output = model(input_batch)
        optimizer.zero_grad()
    
        y = torch.tensor([[float(row['target'])]]).to(device)
        loss = criterion(output, y)
    
        loss.backward()
        optimizer.step()
    else:
        model.eval()
        output = model(input_batch)
        results.append([1.0 if output[0][0].double() > 0.5 else 0, float(row['target'])])

Итак, я использую pytorch CNN для классификации 60 тысяч изображений в 2 класса. Когда я печатаю выходные данные после обучения модели, каким бы ни было изображение в качестве входных данных, вывод всегда будет «тензор ([[0.6384]], grad_fn =)». Всегда одно и то же значение. Таким образом, он предсказывает только 1 (потому что он больше 0,5). Дело в том, что когда я печатаю вывод во время обучения, результаты меняются (16, 1 , 0, 4 ,0.6 и т.д.), но когда я печатаю выходные данные (с той же моделью, но не обученные), результаты не так сильно меняются (0.5, 0.51, 0.49 0.52, 0.55). Поэтому я думаю, можно с уверенностью сказать, что он сходится к одному значению. Я просто не знаю, почему. что я мог сделать по-другому?

Комментарии:

1. Для задачи двоичной классификации вы должны использовать BCE вместо MSE. Также с чем вы пытались сделать transforms.Normalize((0.5, 0.5, 0.5),(0.5, 0.5, 0.5))]) ?

2. я видел нормализацию, используемую в примерах обучения передаче, и я использовал ее. я изменю mse на bce, но все же я не понимаю, почему моя модель не может правильно оценить

3. у вас есть линейный слой размером 1024144 x 120 . Вы уверены в этом? вы понимаете, что это значит?

4. Да, мои изображения очень большие, поэтому мне нужно так много входных данных для этого слоя. Я думаю, что это правильно. Я не думаю, что проблема в этом

5. Ваш код показывает, что вы обучаете свою модель только для одной эпохи.. Так что он едва обучен, когда вы его оцениваете. Можете ли вы попробовать (много) больше эпох?

Метки: