8個(gè)計(jì)算機(jī)視覺深度學(xué)習(xí)中常見的Bug

作者：Arseny Kravchenko

編譯：ronghuaiyang

導(dǎo)讀

給大家總結(jié)了8個(gè)計(jì)算機(jī)視覺深度學(xué)習(xí)中的常見bug，相信大家或多或少都遇到過，希望能幫助大家避免一些問題。

人是不完美的，我們經(jīng)常在軟件中犯錯(cuò)誤。有時(shí)這些錯(cuò)誤很容易發(fā)現(xiàn)：你的代碼根本不能工作，你的應(yīng)用程序崩潰等等。但是有些bug是隱藏的，這使得它們更加危險(xiǎn)。

在解決深度學(xué)習(xí)問題時(shí)，由于一些不確定性，很容易出現(xiàn)這種類型的bug：很容易看到web應(yīng)用程序路由請(qǐng)求是否正確，而不容易檢查你的梯度下降步驟是否正確。然而，有很多錯(cuò)誤是可以避免的。

我想分享一些我的經(jīng)驗(yàn)，關(guān)于我在過去兩年的計(jì)算機(jī)視覺工作中看到或制造的錯(cuò)誤。我(在會(huì)議上)談到過這個(gè)話題(https://datafest.ru/ia/)，很多人在會(huì)后告訴我：“是的，我也有很多這樣的bug?！蔽蚁Ｍ业奈恼驴梢詭椭阒辽俦苊馄渲械囊恍﹩栴}。

1. 翻轉(zhuǎn)圖片以及關(guān)鍵點(diǎn).

假設(shè)在關(guān)鍵點(diǎn)檢測(cè)的問題上。數(shù)據(jù)看起來像一對(duì)圖像和一系列的關(guān)鍵點(diǎn)元組。其中每個(gè)關(guān)鍵點(diǎn)是一對(duì)x和y坐標(biāo)。

讓我們對(duì)這個(gè)數(shù)據(jù)進(jìn)行基礎(chǔ)的增強(qiáng)：

def flip_img_and_keypoints(img: np.ndarray, kpts: Sequence[Sequence[int]]): 

 img = np.fliplr(img)

 h, w, *_ = img.shape

 kpts = [(y, w - x) for y, x in kpts]

 return img, kpts

看起來是正確的，嗯？我們把它可視化。

image = np.ones((10, 10), dtype=np.float32)

kpts = [(0, 1), (2, 2)]

image_flipped, kpts_flipped = flip_img_and_keypoints(image, kpts)

img1 = image.copy()

for y, x in kpts:

 img1[y, x] = 0

img2 = image_flipped.copy()

for y, x in kpts_flipped:

 img2[y, x] = 0

 

_ = plt.imshow(np.hstack((img1, img2)))

不對(duì)稱，看起來很奇怪！如果我們檢查極值呢？

image = np.ones((10, 10), dtype=np.float32)

不好！這是一個(gè)典型的off-by-one錯(cuò)誤。正確的代碼是這樣的:

def flip_img_and_keypoints(img: np.ndarray, kpts: Sequence[Sequence[int]]): 

 img = np.fliplr(img)

 h, w, *_ = img.shape

 kpts = [(y, w - x - 1) for y, x in kpts]

 return img, kpts

我們通過可視化發(fā)現(xiàn)了這個(gè)問題，但是，使用“x = 0”點(diǎn)進(jìn)行單元測(cè)試也會(huì)有所幫助。一個(gè)有趣的事實(shí)是：有一個(gè)團(tuán)隊(duì)中有三個(gè)人(包括我自己)獨(dú)立地犯了幾乎相同的錯(cuò)誤。

2. 繼續(xù)是關(guān)鍵點(diǎn)相關(guān)的問題

即使在上面的函數(shù)被修復(fù)之后，仍然存在危險(xiǎn)。現(xiàn)在更多的是語(yǔ)義，而不僅僅是一段代碼。

假設(shè)需要用兩只手掌來增強(qiáng)圖像?？雌饋砗馨踩菏质亲螅曳D(zhuǎn)。

但是等等！我們對(duì)關(guān)鍵點(diǎn)的語(yǔ)義并不很了解。如果這個(gè)關(guān)鍵點(diǎn)的意思是這樣的：

kpts = [

 (20, 20), # left pinky

 (20, 200), # right pinky

 ...

 ]

這意味著增強(qiáng)實(shí)際上改變了語(yǔ)義：左變成右，右變成左，但我們不交換數(shù)組中的關(guān)鍵點(diǎn)索引。它會(huì)給訓(xùn)練帶來大量的噪音和更糟糕的度量。

我們應(yīng)該吸取一個(gè)教訓(xùn)：

• 在應(yīng)用增強(qiáng)或其他花哨的功能之前，了解并考慮數(shù)據(jù)結(jié)構(gòu)和語(yǔ)義
• 保持你的實(shí)驗(yàn)原子性：添加一個(gè)小的變化(例如一個(gè)新的變換)，檢查它如何進(jìn)行，如果分?jǐn)?shù)提高才加進(jìn)去。

3. 編寫自己的損失函數(shù)

熟悉語(yǔ)義分割問題的人可能知道IoU指標(biāo)。不幸的是，我們不能直接用SGD來優(yōu)化它，所以常用的方法是用可微損失函數(shù)來近似它。

def iou_continuous_loss(y_pred, y_true):

 eps = 1e-6

 def _sum(x):

 return x.sum(-1).sum(-1)

 numerator = (_sum(y_true * y_pred) + eps)

 denominator = (_sum(y_true ** 2) + _sum(y_pred ** 2)

 - _sum(y_true * y_pred) + eps)

 return (numerator / denominator).mean()

看起來不錯(cuò)，我們先做個(gè)小的檢查：

In [3]: 3, 10, 10))

 ...: x1 = iou_continuous_loss(ones * 0.01, ones)

 ...: x2 = iou_continuous_loss(ones * 0.99, ones)

In [4]: x1, x2

Out[4]: (0.010099999897990103, 0.9998990001020204)

在 x1中，我們計(jì)算了一些與ground truth完全不同的東西的損失，而 x2則是非常接近ground truth的東西的結(jié)果。我們預(yù)計(jì) x1會(huì)很大，因?yàn)轭A(yù)測(cè)是錯(cuò)誤的， x2應(yīng)該接近于零。怎么了?

上面的函數(shù)是對(duì)metric的一個(gè)很好的近似。metric不是一種損失：它通常(包括這種情況)越高越好。當(dāng)我們使用SGD來最小化損失時(shí)，我們應(yīng)該使用一些相反的東西：

def iou_continuous(y_pred, y_true):

 eps = 1e-6

 def _sum(x):

 return x.sum(-1).sum(-1)

 numerator = (_sum(y_true * y_pred) + eps)

 denominator = (_sum(y_true ** 2) + _sum(y_pred ** 2)

 - _sum(y_true * y_pred) + eps)

 return (numerator / denominator).mean()

def iou_continuous_loss(y_pred, y_true):

 return 1 - iou_continuous(y_pred, y_true)

這些問題可以從兩個(gè)方面來確定：

• 編寫一個(gè)單元測(cè)試，檢查損失的方向：形式化的期望，更接近ground truth應(yīng)該輸出更低的損失。
• 運(yùn)行一個(gè)健全的檢查，讓你的模型在單個(gè)batch中過擬合。

4. 當(dāng)我們使用Pytorch的時(shí)候

假設(shè)有一個(gè)預(yù)先訓(xùn)練好的模型，開始做infer。

from ceevee.base import AbstractPredictor

class MySuperPredictor(AbstractPredictor):

 def __init__(self,

 weights_path: str,

 ):

 super().__init__()

 self.model = self._load_model(weights_path=weights_path)

 def process(self, x, *kw):

 with torch.no_grad():

 res = self.model(x)

 return res

 @staticmethod

 def _load_model(weights_path):

 model = ModelClass()

 weights = torch.load(weights_path, map_location='cpu')

 model.load_state_dict(weights)

 return model

這個(gè)代碼正確嗎？也許！這確實(shí)適用于某些模型。例如，當(dāng)模型沒有dropout或norm層，如 torch.nn.BatchNorm2d?；蛘弋?dāng)模型需要為每個(gè)圖像使用實(shí)際的norm統(tǒng)計(jì)量時(shí)(例如，許多基于pix2pix的架構(gòu)需要它)。

但是對(duì)于大多數(shù)計(jì)算機(jī)視覺應(yīng)用程序來說，代碼忽略了一些重要的東西:切換到評(píng)估模式。

如果試圖將動(dòng)態(tài)PyTorch圖轉(zhuǎn)換為靜態(tài)PyTorch圖，這個(gè)問題很容易識(shí)別。 torch.jit用于這種轉(zhuǎn)換。

In [3]: model = nn.Sequential(

 ...: nn.Linear(10, 10),

 ...: nn.Dropout(.5)

 ...: )

 ...:

 ...: traced_model = torch.jit.trace(model, torch.rand(10))

/Users/Arseny/.pyenv/versions/3.6.6/lib/python3.6/site-packages/torch/jit/__init__.py:914: TracerWarning: Trace had nondeterministic nodes. Did you forget call .eval() on your model? Nodes:

	%12 : Float(10) = aten::dropout(%input, %10, %11), scope: Sequential/Dropout[1] # /Users/Arseny/.pyenv/versions/3.6.6/lib/python3.6/site-packages/torch/nn/functional.py:806:0

This may cause errors in trace checking. To disable trace checking, pass check_trace=False to torch.jit.trace()

 check_tolerance, _force_outplace, True, _module_class)

/Users/Arseny/.pyenv/versions/3.6.6/lib/python3.6/site-packages/torch/jit/__init__.py:914: TracerWarning: Output nr 1. of the traced function does not match the corresponding output of the Python function. Detailed error:

Not within tolerance rtol=1e-05 atol=1e-05 at input[5] (0.0 vs. 0.5454154014587402) and 5 other locations (60.00%)

check_tolerance, _force_outplace, True, _module_class)

簡(jiǎn)單的修復(fù)一下：

In [4]: model = nn.Sequential(

 ...: nn.Linear(10, 10),

 ...: nn.Dropout(.5)

 ...: )

 ...:

 ...: traced_model = torch.jit.trace(model.eval(), torch.rand(10))

 # No more warnings!

在這種情況下， torch.jit.trace將模型運(yùn)行幾次并比較結(jié)果。這里的差別是可疑的。

然而 torch.jit.trace在這里不是萬能藥。這是一種應(yīng)該知道和記住的細(xì)微差別。

5. 復(fù)制粘貼的問題

很多東西都是成對(duì)存在的：訓(xùn)練和驗(yàn)證、寬度和高度、緯度和經(jīng)度……

def make_dataloaders(train_cfg, val_cfg, batch_size):

 train = Dataset.from_config(train_cfg)

 val = Dataset.from_config(val_cfg)

 shared_params = {'batch_size': batch_size, 'shuffle': True, 'num_workers': cpu_count()}

 train = DataLoader(train, **shared_params)

 val = DataLoader(train, **shared_params)

 return train, val

不僅僅是我犯了愚蠢的錯(cuò)誤。例如，在非常流行的albumentations庫(kù)也有一個(gè)類似的版本。

# https://github.com/albu/albumentations/blob/0.3.0/albumentations/augmentations/transforms.py

def apply_to_keypoint(self, keypoint, crop_height=0, crop_width=0, h_start=0, w_start=0, rows=0, cols=0, **params):

 keypoint = F.keypoint_random_crop(keypoint, crop_height, crop_width, h_start, w_start, rows, cols)

 scale_x = self.width / crop_height

 scale_y = self.height / crop_height

 keypoint = F.keypoint_scale(keypoint, scale_x, scale_y)

 return keypoint

別擔(dān)心，已經(jīng)修改好了。

如何避免？不要復(fù)制和粘貼代碼，盡量以不需要復(fù)制和粘貼的方式編寫代碼。

datasets = []

data_a = get_dataset(MyDataset(config['dataset_a']), config['shared_param'], param_a)

datasets.append(data_a)

data_b = get_dataset(MyDataset(config['dataset_b']), config['shared_param'], param_b)

datasets.append(data_b)

datasets = []

for name, param in zip(('dataset_a', 'dataset_b'), 

 (param_a, param_b),

 ):

 datasets.append(get_dataset(MyDataset(config[name]), config['shared_param'], param))

6. 合適的數(shù)據(jù)類型

讓我們編寫一個(gè)新的增強(qiáng)

def add_noise(img: np.ndarray) -> np.ndarray:

 mask = np.random.rand(*img.shape) + .5

 img = img.astype('float32') * mask

 return img.astype('uint8')

圖像已被更改。這是我們所期望的嗎?嗯，也許它改變得太多了。

這里有一個(gè)危險(xiǎn)的操作：將 float32 轉(zhuǎn)換為 uint8。它可能會(huì)導(dǎo)致溢出：

def add_noise(img: np.ndarray) -> np.ndarray:

 mask = np.random.rand(*img.shape) + .5

 img = img.astype('float32') * mask

 return np.clip(img, 0, 255).astype('uint8')

img = add_noise(cv2.imread('two_hands.jpg')[:, :, ::-1]) 

_ = plt.imshow(img)

看起來好多了，是吧？

順便說一句，還有一種方法可以避免這個(gè)問題：不要重新發(fā)明輪子，不要從頭開始編寫增強(qiáng)代碼并使用現(xiàn)有的擴(kuò)展： albumentations.augmentations.transforms.GaussNoise。

我曾經(jīng)做過另一個(gè)同樣起源的bug。

raw_mask = cv2.imread('mask_small.png')

mask = raw_mask.astype('float32') / 255

mask = cv2.resize(mask, (64, 64), interpolation=cv2.INTER_LINEAR)

mask = cv2.resize(mask, (128, 128), interpolation=cv2.INTER_CUBIC)

mask = (mask * 255).astype('uint8')

_ = plt.imshow(np.hstack((raw_mask, mask)))

這里出了什么問題？首先，用三次插值調(diào)整掩模的大小是一個(gè)壞主意。同樣的問題 float32到 uint8：三次插值可以輸出值大于輸入，這會(huì)導(dǎo)致溢出。

我在做可視化的時(shí)候發(fā)現(xiàn)了這個(gè)問題。在你的訓(xùn)練循環(huán)中到處放置斷言也是一個(gè)好主意。

7. 拼寫錯(cuò)誤

假設(shè)需要對(duì)全卷積網(wǎng)絡(luò)(如語(yǔ)義分割問題)和一個(gè)巨大的圖像進(jìn)行推理。該圖像是如此巨大，沒有機(jī)會(huì)把它放在你的GPU中，它可以是一個(gè)醫(yī)療或衛(wèi)星圖像。

在這種情況下，可以將圖像分割成網(wǎng)格，獨(dú)立地對(duì)每一塊進(jìn)行推理，最后合并。此外，一些預(yù)測(cè)交叉可能有助于平滑邊界附近的artifacts。

from tqdm import tqdm

class GridPredictor:

 """

 This class can be used to predict a segmentation mask for the big image 

 when you have GPU memory limitation

 """

 def __init__(self, predictor: AbstractPredictor, size: int, stride: Optional[int] = None):

 self.predictor = predictor

 self.size = size

 self.stride = stride if stride is not None else size // 2

 def __call__(self, x: np.ndarray):

 h, w, _ = x.shape

 mask = np.zeros((h, w, 1), dtype='float32')

 weights = mask.copy()

 for i in tqdm(range(0, h - 1, self.stride)):

 for j in range(0, w - 1, self.stride):

 a, b, c, d = i, min(h, i + self.size), j, min(w, j + self.size)

 patch = x[a:b, c:d, :]

 mask[a:b, c:d, :] += np.expand_dims(self.predictor(patch), -1)

 weights[a:b, c:d, :] = 1

 return mask / weights

有一個(gè)符號(hào)輸入錯(cuò)誤，代碼段足夠大，可以很容易地找到它。我懷疑僅僅通過代碼就能快速識(shí)別它。但是很容易檢查代碼是否正確：

class Model(nn.Module):

 def forward(self, x):

 return x.mean(axis=-1)

model = Model()

grid_predictor = GridPredictor(model, size=128, stride=64)

simple_pred = np.expand_dims(model(img), -1) 

grid_pred = grid_predictor(img)

np.testing.assert_allclose(simple_pred, grid_pred, atol=.001)

---------------------------------------------------------------------------

AssertionError Traceback (most recent call last)

<ipython-input-24-a72034c717e9> in <module>

 9 grid_pred = grid_predictor(img)

 10 

---> 11 np.testing.assert_allclose(simple_pred, grid_pred, atol=.001)

~/.pyenv/versions/3.6.6/lib/python3.6/site-packages/numpy/testing/_private/utils.py in assert_allclose(actual, desired, rtol, atol, equal_nan, err_msg, verbose)

 1513 header = 'Not equal to tolerance rtol=%g, atol=%g' % (rtol, atol)

 1514 assert_array_compare(compare, actual, desired, err_msg=str(err_msg),

-> 1515 verbose=verbose, header=header, equal_nan=equal_nan)

 1516 

 1517 

~/.pyenv/versions/3.6.6/lib/python3.6/site-packages/numpy/testing/_private/utils.py in assert_array_compare(comparison, x, y, err_msg, verbose, header, precision, equal_nan, equal_inf)

 839 verbose=verbose, header=header,

 840 names=('x', 'y'), precision=precision)

--> 841 raise AssertionError(msg)

 842 except ValueError:

 843 import traceback

AssertionError: 

Not equal to tolerance rtol=1e-07, atol=0.001

Mismatch: 99.6%

Max absolute difference: 765.

Max relative difference: 0.75000001

 x: array([[[215.333333],

 [192.666667],

 [250. ],...

 y: array([[[ 215.33333],

 [ 192.66667],

 [ 250. ],...

下面是 __call__方法的正確版本:

def __call__(self, x: np.ndarray):

 h, w, _ = x.shape

 mask = np.zeros((h, w, 1), dtype='float32')

 weights = mask.copy()

 for i in tqdm(range(0, h - 1, self.stride)):

 for j in range(0, w - 1, self.stride):

 a, b, c, d = i, min(h, i + self.size), j, min(w, j + self.size)

 patch = x[a:b, c:d, :]

 mask[a:b, c:d, :] += np.expand_dims(self.predictor(patch), -1)

 weights[a:b, c:d, :] += 1

 return mask / weights

如果你仍然不知道問題出在哪里，請(qǐng)注意 weights[a:b,c:d,:]+=1這一行。

8. Imagenet歸一化

當(dāng)一個(gè)人需要進(jìn)行轉(zhuǎn)移學(xué)習(xí)時(shí)，用訓(xùn)練Imagenet時(shí)的方法將圖像歸一化通常是一個(gè)好主意。

讓我們使用我們已經(jīng)熟悉的albumentations庫(kù)。

from albumentations import Normalize

norm = Normalize()

img = cv2.imread('img_small.jpg')

mask = cv2.imread('mask_small.png', cv2.IMREAD_GRAYSCALE)

mask = np.expand_dims(mask, -1) # shape (64, 64) -> shape (64, 64, 1)

normed = norm(image=img, mask=mask)

img, mask = [normed[x] for x in ['image', 'mask']]

def img_to_batch(x):

 x = np.transpose(x, (2, 0, 1)).astype('float32')

 return torch.from_numpy(np.expand_dims(x, 0))

img, mask = map(img_to_batch, (img, mask))

criterion = F.binary_cross_entropy

現(xiàn)在是時(shí)候訓(xùn)練一個(gè)網(wǎng)絡(luò)并對(duì)單個(gè)圖像進(jìn)行過度擬合了——正如我所提到的，這是一種很好的調(diào)試技術(shù)：

model_a = UNet(3, 1) 

optimizer = torch.optim.Adam(model_a.parameters(), lr=1e-3)

losses = []

for t in tqdm(range(20)):

 loss = criterion(model_a(img), mask)

 losses.append(loss.item()) 

 optimizer.zero_grad()

 loss.backward()

 optimizer.step()

 

_ = plt.plot(losses)

曲率看起來很好，但是交叉熵的損失值-300是不可預(yù)料的。是什么問題？

歸一化處理圖像效果很好，但是mask沒有：需要手動(dòng)縮放到 [0,1]。

model_b = UNet(3, 1) 

optimizer = torch.optim.Adam(model_b.parameters(), lr=1e-3)

losses = []

for t in tqdm(range(20)):

 loss = criterion(model_b(img), mask / 255.)

 losses.append(loss.item()) 

 optimizer.zero_grad()

 loss.backward()

 optimizer.step()

 

_ = plt.plot(losses)

訓(xùn)練循環(huán)的簡(jiǎn)單運(yùn)行時(shí)斷言(例如 assertmask.max()<=1會(huì)很快檢測(cè)到問題。同樣，也可以是單元測(cè)試。

總結(jié)

• 測(cè)試很有必要
• 運(yùn)行時(shí)斷言可以用于訓(xùn)練的pipeline;
• 可視化是一種幸福
• 復(fù)制粘貼是一種詛咒
• 沒有什么是靈丹妙藥，一個(gè)機(jī)器學(xué)習(xí)工程師必須總是小心(或只是受苦)。

英文原文：https://medium.com/@arseny_info/8-deep-learning-computer-vision-bugs-and-how-i-could-have-avoided-them-d40b0e4b1da