從圖像超分辨率快速入門pytorch

　　前言

　　最近又開始把pytorch拾起來，學(xué)習(xí)了github上一些項(xiàng)目之后，發(fā)現(xiàn)每個(gè)人都會(huì)用不同的方式來寫深度學(xué)習(xí)的訓(xùn)練代碼，而這些代碼對(duì)于初學(xué)者來說是難以閱讀的，因?yàn)殛P(guān)鍵和非關(guān)鍵代碼糅雜在一起，讓那些需要快速將代碼跑起來的初學(xué)者摸不著頭腦。

　　所以，本文打算從最基本的出發(fā)，只寫關(guān)鍵代碼，將完成一次深度學(xué)習(xí)訓(xùn)練需要哪些要素展現(xiàn)給各位初學(xué)者，以便你們能夠快速上手。等到能夠?qū)⒆约旱南敕ㄓ米詈?jiǎn)潔的方式寫出來并運(yùn)行起來之后，再對(duì)自己的代碼進(jìn)行重構(gòu)、擴(kuò)展。我認(rèn)為這種學(xué)習(xí)方式是較好的循序漸進(jìn)的學(xué)習(xí)方式。

　　本文選擇超分辨率作為入門案例，一是因?yàn)橥ㄟ^結(jié)合案例能夠?qū)τ?xùn)練中涉及到的東西有較好的體會(huì)，二是超分辨率是較為簡(jiǎn)單的任務(wù)，我們本次教程的目的是教會(huì)大家如何使用pytorch，所以不應(yīng)該將難度設(shè)置在任務(wù)本身上。下面開始正文。。。

　　正文

　　單一圖像超分辨率(SISR)

　　簡(jiǎn)單介紹一下圖像超分辨率這一任務(wù)：超分辨率的任務(wù)就是將一張圖像的尺寸放大并且要求失真越小越好，舉例來說，我們需要將一張256*500的圖像放大2倍，那么放大后的圖像尺寸就應(yīng)該是512*1000。用深度學(xué)習(xí)的方法，我們通常會(huì)先將圖像縮小成原來的1/2，然后以原始圖像作為標(biāo)簽，進(jìn)行訓(xùn)練。訓(xùn)練的目標(biāo)是讓縮小后的圖像放大2倍后與原圖越近越好。所以通常會(huì)用L1或者L2作為損失函數(shù)。

　　訓(xùn)練4要素

　　一次訓(xùn)練要想完成，需要的要素我總結(jié)為4點(diǎn)：

　　網(wǎng)絡(luò)模型

　　數(shù)據(jù)

　　損失函數(shù)

　　優(yōu)化器

　　這4個(gè)對(duì)象都是一次訓(xùn)練必不可少的，通常情況下，需要我們自定義的是前兩個(gè)：網(wǎng)絡(luò)模型和數(shù)據(jù)，而后面兩個(gè)較為統(tǒng)一，而且pytorch也提供了非常全面的實(shí)現(xiàn)供我們使用，它們分別在torch.nn包和torch.optim包下面，使用的時(shí)候可以到pytorch官網(wǎng)進(jìn)行查看，后面我們用到的時(shí)候還會(huì)再次說明。

　　網(wǎng)絡(luò)模型

　　在網(wǎng)絡(luò)模型和數(shù)據(jù)兩個(gè)當(dāng)中，網(wǎng)絡(luò)模型是比較簡(jiǎn)單的，數(shù)據(jù)加載稍微麻煩些。我們先來看網(wǎng)絡(luò)模型的定義。自定義的網(wǎng)絡(luò)模型都必須繼承torch.nn.Module這個(gè)類，里面有兩個(gè)方法需要重寫：初始化方法__init__(self)和forward(self, *input)方法。在初始化方法中一般要寫我們需要哪些層(卷積層、全連接層等)，而在forward方法中我們需要寫這些層的連接方式。舉一個(gè)通俗的例子，搭積木需要一個(gè)個(gè)的積木塊，這些積木塊放在__init__方法中，而規(guī)定將這些積木塊如何連接起來則是靠forward方法中的內(nèi)容。

　　import torch.nn as nn

　　import torch.nn.functional as F

　　class VDSR(nn.Module):

　　def __init__(self):

　　super(VDSR, self).__init__()

　　self.conv1 = nn.Conv2d(1, 64, kernel_size=3, stride=1, padding=1, bias=True)

　　self.conv2 = nn.Conv2d(64, 64, kernel_size=3, stride=1, padding=1, bias=True)

　　self.conv3 = nn.Conv2d(64, 64, kernel_size=3, stride=1, padding=1, bias=True)

　　self.conv4 = nn.Conv2d(64, 64, kernel_size=3, stride=1, padding=1, bias=True)

　　self.conv5 = nn.Conv2d(64, 64, kernel_size=3, stride=1, padding=1, bias=True)

　　self.conv6 = nn.Conv2d(64, 64, kernel_size=3, stride=1, padding=1, bias=True)

　　self.conv7 = nn.Conv2d(64, 64, kernel_size=3, stride=1, padding=1, bias=True)

　　self.conv8 = nn.Conv2d(64, 64, kernel_size=3, stride=1, padding=1, bias=True)

　　self.conv9 = nn.Conv2d(64, 64, kernel_size=3, stride=1, padding=1, bias=True)

　　self.conv10 = nn.Conv2d(64, 64, kernel_size=3, stride=1, padding=1, bias=True)

　　self.conv11 = nn.Conv2d(64, 64, kernel_size=3, stride=1, padding=1, bias=True)

　　self.conv12 = nn.Conv2d(64, 64, kernel_size=3, stride=1, padding=1, bias=True)

　　self.conv13 = nn.Conv2d(64, 64, kernel_size=3, stride=1, padding=1, bias=True)

　　self.conv14 = nn.Conv2d(64, 64, kernel_size=3, stride=1, padding=1, bias=True)

　　self.conv15 = nn.Conv2d(64, 64, kernel_size=3, stride=1, padding=1, bias=True)

　　self.conv16 = nn.Conv2d(64, 64, kernel_size=3, stride=1, padding=1, bias=True)

　　self.conv17 = nn.Conv2d(64, 64, kernel_size=3, stride=1, padding=1, bias=True)

　　self.conv18 = nn.Conv2d(64, 64, kernel_size=3, stride=1, padding=1, bias=True)

　　self.conv19 = nn.Conv2d(64, 64, kernel_size=3, stride=1, padding=1, bias=True)

　　self.conv20 = nn.Conv2d(64, 1, kernel_size=3, stride=1, padding=1, bias=True)

　　def forward(self, x):

　　ori = x

　　x = F.relu(self.conv1(x))

　　x = F.relu(self.conv2(x))

　　x = F.relu(self.conv3(x))

　　x = F.relu(self.conv4(x))

　　x = F.relu(self.conv5(x))

　　x = F.relu(self.conv6(x))

　　x = F.relu(self.conv7(x))

　　x = F.relu(self.conv8(x))

　　x = F.relu(self.conv9(x))

　　x = F.relu(self.conv10(x))

　　x = F.relu(self.conv11(x))

　　x = F.relu(self.conv12(x))

　　x = F.relu(self.conv13(x))

　　x = F.relu(self.conv14(x))

　　x = F.relu(self.conv15(x))

　　x = F.relu(self.conv16(x))

　　x = F.relu(self.conv17(x))

　　x = F.relu(self.conv18(x))

　　x = F.relu(self.conv19(x))

　　x = self.conv20(x)

　　return x + ori

　　上面代碼中展示的是我們要用到的模型VDSR，這個(gè)模型很簡(jiǎn)單，就是連續(xù)的20層卷積，外加一個(gè)跳線連接。結(jié)構(gòu)圖如下：

　　在寫網(wǎng)絡(luò)模型時(shí)，用到的各個(gè)層都在torch.nn這個(gè)包中，在寫自定義的網(wǎng)絡(luò)結(jié)構(gòu)時(shí)可以自行到pytorch官網(wǎng)的文檔中進(jìn)行查看。

　　數(shù)據(jù)

　　定義了網(wǎng)絡(luò)模型之后，我們?cè)賮砜础皵?shù)據(jù)”?！皵?shù)據(jù)”主要涉及到Dataset和DataLoader兩個(gè)概念。

　　Dataset是數(shù)據(jù)加載的基礎(chǔ)，我們一般在加載自己的數(shù)據(jù)集時(shí)都需要自定義一個(gè)Dataset，自定義的Dataset都需要繼承torch.utils.data.Dataset這個(gè)類，當(dāng)實(shí)現(xiàn)了__getitem__()和__len__()這兩個(gè)方法后，我們就自定義了一個(gè)Map-style datasets，Dataset是一個(gè)可迭代對(duì)象，通過下標(biāo)訪問的方式就能夠調(diào)用__getitem__()方法來實(shí)現(xiàn)數(shù)據(jù)加載。

　　這里面最關(guān)鍵的就算是__getitem__()如何來寫了，我們需要讓__getitem__()的返回值是一對(duì)，包括圖像和它的label，這里我們的任務(wù)是超分辨率，那么圖像和label分別是經(jīng)過下采樣的圖像和與其對(duì)應(yīng)的原始圖像。所以我們Dataset的__getitem__()方法返回值就應(yīng)該是兩個(gè)3D Tensor，分別表示兩種圖像。

　　這里需要重點(diǎn)說明一下__getitem__()方法的返回值為什么應(yīng)該是3D Tensor。根據(jù)pytorch官網(wǎng)的說法，二維卷積層只接受4D Tensor，它的每一維表示的內(nèi)容分別是nSamples x nChannels x Height x Width，我們最后需要用批量的方式將數(shù)據(jù)送到網(wǎng)絡(luò)中，所以__getitem__()方法的返回值就應(yīng)該是后面三維的內(nèi)容，即便是我們的通道數(shù)為1，也必須有這一維的存在，否則就會(huì)報(bào)錯(cuò)。后面代碼中用到的unsqueeze(0)方法的作用就是如此。前面是說了為什么應(yīng)該是3D的，為什么應(yīng)該是Tensor呢?Tensor是跟NumPy中ndarray類似的東西，只是它能夠被用于GPU中來加速計(jì)算。

　　下面來看一下我們的代碼：

　　import os

　　import random

　　import cv2

　　import torch

　　from torch.utils.data import Dataset

　　patch_size = 64

　　def getPatch(y):

　　h, w = y.shape

　　randh = random.randrange(0, h - patch_size + 1)

　　randw = random.randrange(0, w - patch_size + 1)

　　lab = y[randh:randh + patch_size, randw:randw + patch_size]

　　resized = cv2.resize(lab, None, fx=0.5, fy=0.5, interpolation=cv2.INTER_CUBIC)

　　rresized = cv2.resize(resized, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC)

　　return rresized, lab

　　class MyDateSet(Dataset):

　　def __init__(self, imageFolder):

　　self.imageFolder = imageFolder

　　self.images = os.listdir(imageFolder)

　　def __len__(self):

　　return len(self.images)

　　def __getitem__(self, index):

　　name = self.images[index]

　　name = os.path.join(self.imageFolder, name)

　　imread = cv2.imread(name)

　　# 轉(zhuǎn)換顏色空間

　　ycrcb = cv2.cvtColor(imread, cv2.COLOR_RGB2YCR_CB)

　　# 提取y通道

　　y = ycrcb[:, :, 0]

　　# 裁剪成小塊

　　img, lab = getPatch(y)

　　# 轉(zhuǎn)為3D Tensor鄭州婦科醫(yī)院 http://www.sptdfk.com/

　　return torch.from_numpy(img).unsqueeze(0), torch.from_numpy(lab).unsqueeze(0)

　　其中MyDateSet的內(nèi)容也不長(zhǎng)，包括了初始化方法、__getitem__()和__len__()兩個(gè)方法。__getitem__()有一個(gè)輸入值是下標(biāo)值，我們根據(jù)下標(biāo)，利用OpenCV，讀取了圖像，并將其轉(zhuǎn)換顏色空間，超分訓(xùn)練的時(shí)候我們只用了其中的y通道。還對(duì)圖形進(jìn)行了裁剪，最后返回了兩個(gè)3D Tensor。

　　在寫自定義數(shù)據(jù)集的時(shí)候，我們最需要關(guān)注的點(diǎn)就是__getitem__()方法的返回值是不是符合要求，能不能夠被送到網(wǎng)絡(luò)中去。至于中間該怎么操作，其實(shí)跟pytorch框架也沒什么關(guān)系，根據(jù)需要來做。

　　訓(xùn)練

　　寫好了Dataset之后，我們就能夠通過下標(biāo)的方式獲取圖像以及它的label。但是離開始訓(xùn)練還有兩個(gè)要素：損失函數(shù)和優(yōu)化器。前面我們也說了，這兩部分，pytorch官方提供了大量的實(shí)現(xiàn)，多數(shù)情況下不需要我們自己來自定義，這里我們直接使用了提供的torch.nn.MSELoss(size_average=None, reduce=None, reduction='mean')作為損失函數(shù)和torch.optim.Adam(params, lr=0.001, betas=(0.9, 0.999), eps=1e-08, weight_decay=0, amsgrad=False)作為優(yōu)化器。

　　訓(xùn)練示例代碼：

　　import torch

　　import torch.nn as nn

　　import torch.optim as optim

　　import date

　　import model

　　date_set = date.MyDateSet("Train/")

　　model = model.VDSR()

　　device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

　　model.to(device)

　　mse_loss = nn.MSELoss()

　　adam = optim.Adam(model.parameters())

　　for epoch in range(100):

　　running_loss = 0.0

　　for i in range(len(date_set)):

　　rresized, y = date_set[i]

　　adam.zero_grad()

　　out = model(rresized.unsqueeze(0).to(device, torch.float))

　　loss = mse_loss(out, y.unsqueeze(0).to(device, torch.float))

　　loss.backward()

　　adam.step()

　　running_loss += loss

　　if i % 100 == 99: # print every 100

　　print('[%d, %5d] loss: %.3f' %

　　(epoch + 1, i + 1, running_loss / 100))

　　running_loss = 0.0

　　print('Finished Training')

　　整個(gè)訓(xùn)練代碼非常簡(jiǎn)潔，只有短短幾行，定義模型、將模型移至GPU、定義損失函數(shù)、定義優(yōu)化器(模型移動(dòng)至GPU一定要在定義優(yōu)化器之前，因?yàn)橐苿?dòng)前后的模型已經(jīng)不是同一個(gè)模型對(duì)象)。

　　訓(xùn)練時(shí)，先用zero_grad()來將上一次的梯度清零，然后將數(shù)據(jù)輸入網(wǎng)絡(luò)，求誤差，誤差反向傳播求每個(gè)requires_grad=True的Tensor(也就是網(wǎng)絡(luò)權(quán)重)的梯度，根據(jù)優(yōu)化規(guī)則對(duì)網(wǎng)絡(luò)權(quán)重值進(jìn)行更新，在一次次的更新迭代中，網(wǎng)絡(luò)朝著loss降低的方向變化著。

　　值的注意的是，圖像數(shù)據(jù)也需要移動(dòng)至GPU，并且需要將其類型轉(zhuǎn)換為與網(wǎng)絡(luò)模型的權(quán)重相同的torch.float

　　DataLoader

　　到前面為止，其實(shí)已經(jīng)能夠?qū)崿F(xiàn)訓(xùn)練的過程了，但是，通常情況下，我們都需要：

　　將數(shù)據(jù)打包成一個(gè)批量送入網(wǎng)絡(luò)

　　每次隨機(jī)將數(shù)據(jù)打亂送入網(wǎng)絡(luò)

　　用多線程的方式加載數(shù)據(jù)(這樣能夠提升數(shù)據(jù)加載速度)

　　這些事情不需要我們自己實(shí)現(xiàn)，有torch.utils.data.DataLoader來幫我們實(shí)現(xiàn)。完整聲明如下：

　　torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=False, sampler=None, batch_sampler=None, num_workers=0, collate_fn=None, pin_memory=False, drop_last=False, timeout=0, worker_init_fn=None, multiprocessing_context=None)

　　其中的sampler、batch_sampler、collate_fn都是可以有自定義實(shí)現(xiàn)的。我們簡(jiǎn)單的使用默認(rèn)的實(shí)現(xiàn)來構(gòu)造DataLoader。使用了DataLoader之后的訓(xùn)練代碼稍微有些不同，其中也添加了保存模型的代碼(只保存參數(shù)的方式)：

　　import torch

　　import torch.nn as nn

　　import torch.optim as optim

　　from torch.utils.data import DataLoader

　　import date

　　import model

　　date_set = date.MyDateSet("Train/")

　　dataloader = DataLoader(date_set, batch_size=128,

　　shuffle=True, drop_last=True)

　　model = model.VDSR()

　　device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

　　model.to(device)

　　mse_loss = nn.MSELoss()

　　adam = optim.Adam(model.parameters())

　　def train():

　　for epoch in range(1000):

　　running_loss = 0.0

　　for i, images in enumerate(dataloader):

　　rresized, y = images

　　adam.zero_grad()

　　out = model(rresized.to(device, torch.float))

　　loss = mse_loss(out, y.to(device, torch.float))

　　loss.backward()

　　adam.step()

　　running_loss += loss

　　if epoch % 10 == 9:

　　PATH = './trainedModel/net_' + str(epoch + 1) + '.pth'

　　torch.save(model.state_dict(), PATH)

　　print('[%d] loss: %.3f' %

　　(epoch + 1, running_loss / 3))

　　print('Finished Training')

　　if __name__ == '__main__':

　　train()