pytorch如何實現對輸入超過三通道的數據進行訓練

這篇文章主要介紹pytorch如何實現對輸入超過三通道的數據進行訓練，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！

案例背景:視頻識別

假設每次輸入是8s的灰度視頻,視頻幀率為25fps,則視頻由200幀圖像序列構成.每幀是一副單通道的灰度圖像,通過pythonb里面的np.stack(深度拼接)可將200幀拼接成200通道的深度數據.進而送到網絡里面去訓練.

如果輸入圖像200通道覺得多,可以對視頻進行抽幀,針對具體場景可以隨機抽幀或等間隔抽幀.比如這里等間隔抽取40幀.則最后輸入視頻相當于輸入一個40通道的圖像數據了.

pytorch對超過三通道數據的加載:

讀取視頻每一幀,轉為array格式,然后依次將每一幀進行深度拼接,最后得到一個40通道的array格式的深度數據,保存到pickle里.

對每個視頻都進行上述操作,保存到pickle里.

我這里將火的視頻深度數據保存在一個.pkl文件中,一共2504個火的視頻,即2504個火的深度數據.

將非火的視頻深度數據保存在一個.pkl文件中,一共3985個非火的視頻,即3985個非火的深度數據.

數據加載

import torch 
from torch.utils import data
import os
from PIL import Image
import numpy as np
import pickle
 
class Fire_Unfire(data.Dataset):
  def __init__(self,fire_path,unfire_path):
    self.pickle_fire = open(fire_path,'rb')
    self.pickle_unfire = open(unfire_path,'rb')
    
  def __getitem__(self,index):
    if index <2504:
      fire = pickle.load(self.pickle_fire)#高*寬*通道
      fire = fire.transpose(2,0,1)#通道*高*寬
      data = torch.from_numpy(fire)
      label = 1
      return data,label
    elif index>=2504 and index<6489:
      unfire = pickle.load(self.pickle_unfire)
      unfire = unfire.transpose(2,0,1)
      data = torch.from_numpy(unfire)
      label = 0
      return data,label
    
  def __len__(self):
    return 6489

root_path = './datasets/train'
dataset = Fire_Unfire(root_path +'/fire_train.pkl',root_path +'/unfire_train.pkl')
 
#轉換成pytorch網絡輸入的格式(批量大小,通道數,高,寬)
from torch.utils.data import DataLoader
fire_dataloader = DataLoader(dataset,batch_size=4,shuffle=True,drop_last = True)

模型訓練

import torch
from torch.utils import data
from nets.mobilenet import mobilenet
from config.config import default_config
from torch.autograd import Variable as V
import numpy as np
import sys
import time
 
opt = default_config()
def train():
  #模型定義
  model = mobilenet().cuda()
  if opt.pretrain_model:
    model.load_state_dict(torch.load(opt.pretrain_model))
  
  #損失函數
  criterion = torch.nn.CrossEntropyLoss().cuda()
  
  #學習率
  lr = opt.lr
  
  #優化器
  optimizer = torch.optim.SGD(model.parameters(),lr = lr,weight_decay=opt.weight_decay)
  
  
  pre_loss = 0.0
  #訓練
  for epoch in range(opt.max_epoch):
     #訓練數據
    train_data = Fire_Unfire(opt.root_path +'/fire_train.pkl',opt.root_path +'/unfire_train.pkl')
    train_dataloader = data.DataLoader(train_data,batch_size=opt.batch_size,shuffle=True,drop_last = True)
    loss_sum = 0.0
    for i,(datas,labels) in enumerate(train_dataloader):
      #print(i,datas.size(),labels)
      #梯度清零
      optimizer.zero_grad()
      #輸入
      input = V(datas.cuda()).float()
      #目標
      target = V(labels.cuda()).long()
      #輸出
      score = model(input).cuda()
      #損失
      loss = criterion(score,target)
      loss_sum += loss
      #反向傳播
      loss.backward()
      #梯度更新
      optimizer.step()      
    print('{}{}{}{}{}'.format('epoch:',epoch,',','loss:',loss))
    torch.save(model.state_dict(),'models/mobilenet_%d.pth'%(epoch+370))

RuntimeError: Expected object of scalar type Long but got scalar type Float for argument #2 'target'

解決方案：target = target.long()

pytorch的優點

1.PyTorch是相當簡潔且高效快速的框架；2.設計追求最少的封裝；3.設計符合人類思維，它讓用戶盡可能地專注于實現自己的想法；4.與google的Tensorflow類似，FAIR的支持足以確保PyTorch獲得持續的開發更新；5.PyTorch作者親自維護的論壇 供用戶交流和求教問題6.入門簡單

以上是“pytorch如何實現對輸入超過三通道的數據進行訓練”這篇文章的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注億速云行業資訊頻道！