dev_str = 'cuda:{0}'.format(
args.gpu) if torch.cuda.is_available() and args.gpu >= 0 else 'cpu'
dev = torch.device(dev_str)
# オプション情報の設定・表示
epochs = max(1, args.epochs) # 総エポック数（繰り返し回数）
batchsize = max(1, args.batchsize) # バッチサイズ
model_filepath = args.model # 学習結果のモデルの保存先ファイル
print('device: {0}'.format(dev_str), file=sys.stderr)
print('epochs: {0}'.format(epochs), file=sys.stderr)
print('batchsize: {0}'.format(batchsize), file=sys.stderr)
print('model file: {0}'.format(model_filepath), file=sys.stderr)
print('', file=sys.stderr)
# 学習データの読み込み
labels, imgfiles, labeldict, labelnames = read_image_list(
IMAGE_LIST, DATA_DIR)
# ネットワークモデルの作成（本来のVGGFace2顔画像を縦横半分にしたものを入力画像として用いるので，WIDTH と HEIGHT を 2 で割る）
cnn = myUpSamplingAE(WIDTH // 2, HEIGHT // 2, CHANNELS)
### ここから下は，必要に応じて書き換えると良い ###
# 追加条件の指定
conditions = {}
conditions['in_channels'] = CHANNELS # 入力画像のチャンネル数が 3（カラー画像）
conditions['out_channels'] = CHANNELS # 出力画像のチャンネル数も 3（カラー画像）
conditions['input_scale'] = 0.5 # 本来のVGGFace2顔画像を縦横半分に（0.5倍）して入力画像とする
# 学習処理
cnn = train(
device=dev, # 使用するGPUのID，変えなくて良い
def run():
# オプション情報の設定・表示
epochs = max(1, args.epochs) # 総エポック数（繰り返し回数）
batchsize = max(1, args.batchsize) # バッチサイズ
model_filepath = args.model # 学習結果のモデルの保存先ファイル
# print('device: {0}'.format(dev_str), file=sys.stderr)
# print('epochs: {0}'.format(epochs), file=sys.stderr)
# print('batchsize: {0}'.format(batchsize), file=sys.stderr)
# print('model file: {0}'.format(model_filepath), file=sys.stderr)
# print('', file=sys.stderr)
# 画像の縦幅・横幅・チャンネル数の設定
width = 240 # MNIST文字画像の場合，横幅は 28 pixels
height = 240 # MNIST文字画像の場合，縦幅も 28 pixels
channels = 3 # MNIST文字画像はグレースケール画像なので，チャンネル数は 1
color_mode = 0 if channels == 1 else 1
# 学習データの読み込み
labels, imgfiles, labeldict, labelnames = read_image_list(
IMAGE_LIST, data_dir=DATA_DIR)
n_samples = len(imgfiles) # 学習データの総数
n_classes = len(labeldict) # クラス数
with open(MODEL_DIR + 'labeldict.pickle', 'wb') as f:
pickle.dump(labeldict, f) # ラベル名からラベル番号を与える辞書をファイルに保存
with open(MODEL_DIR + 'labelnames.pickle', 'wb') as f:
pickle.dump(labelnames, f) # ラベル番号からラベル名を与える配列をファイルに保存
# 評価用データの読み込み
labels_ev, imgfiles_ev, labeldict, dmy = read_image_list(
IMAGE_LIST_EV, data_dir=DATA_DIR, dic=labeldict)
n_samples_ev = len(imgfiles_ev) # 評価用データの総数
# 画像認識器の作成
model = myCNN(width, height, channels, n_classes)
model = model.to(dev)
# 損失関数の定義
loss_func = nn.CrossEntropyLoss() # softmax cross entropy
# オプティマイザーの用意
optimizer = optim.Adam(model.parameters())
# 最もaccuracyが高かったepochとそのaccuracy
best_epoch = 0
best_accuracy = 0.0
# 学習処理ループ
for e in range(epochs):
# 現在のエポック番号を表示
# print('Epoch {0}'.format(e + 1), file=sys.stderr)
# 損失関数の値が小さくなるように識別器のパラメータを更新
model.train()
n_input = 0
sum_loss = 0
perm = np.random.permutation(n_samples)
batch_range = min(batchsize, n_samples % batchsize)
for i in range(0, n_samples, batchsize * 10): # 高速化のため，ミニバッチ10個につき1個しか学習に用いないことにする
model.zero_grad()
x = torch.tensor(load_images(
imgfiles, ids=perm[i: i + batch_range], mode=color_mode), device=dev) # 学習データを読み込む
t = torch.tensor(labels[perm[i: i + batch_range]],
device=dev, dtype=torch.long)
loss = loss_func(model(x), t)
loss.backward()
optimizer.step()
sum_loss += float(loss) * len(x)
n_input += len(x)
del loss
del t
del x
# 損失関数の現在値を表示
# print(' train loss = {0:.4f}'.format(sum_loss / n_input), file=sys.stderr)
# 評価用データに対する識別精度を計算・表示
model.eval()
n_failed = 0
for i in range(0, n_samples_ev, batchsize):
x = torch.tensor(load_images(imgfiles_ev, ids=np.arange(i, min(
n_samples_ev, i + batchsize)), mode=color_mode), device=dev) # 評価用データを読み込む
t = torch.tensor(labels_ev[i: i + batchsize],
device=dev, dtype=torch.long)
y = model.classify(x)
y_cpu = y.to('cpu').detach().numpy().copy()
t_cpu = t.to('cpu').detach().numpy().copy()
n_failed += np.count_nonzero(np.argmax(y_cpu, axis=1) - t_cpu)
del y_cpu
del t_cpu
del y
del x
del t
acc = (n_samples_ev - n_failed) / n_samples_ev
if best_accuracy < acc:
best_epoch = e
best_accuracy = acc
# print(' accuracy = {0:.2f}%'.format(100 * acc), file=sys.stderr)
# 現在のモデルをファイルに自動保存
# torch.save(model.to('cpu').state_dict(), MODEL_DIR +
# 'model_ep{0}.pth'.format(e + 1))
model = model.to(dev)
# print('', file=sys.stderr)
# 最終結果のモデルをファイルに保存
# torch.save(model.to('cpu').state_dict(), model_filepath)
return (best_epoch, best_accuracy)
# オプション情報の設定・表示
epochs = max(1, args.epochs) # 総エポック数（繰り返し回数）
batchsize = max(1, args.batchsize) # バッチサイズ
model_filepath = args.model # 学習結果のモデルの保存先ファイル
print('device: {0}'.format(dev_str), file=sys.stderr)
print('epochs: {0}'.format(epochs), file=sys.stderr)
print('batchsize: {0}'.format(batchsize), file=sys.stderr)
print('model file: {0}'.format(model_filepath), file=sys.stderr)
print('', file=sys.stderr)
# 画像の縦幅・横幅・チャンネル数の設定
width = 128 # VGGFace2顔画像の場合，横幅は 128 pixels
height = 128 # VGGFace2顔画像の場合，縦幅も 128 pixels
# 学習データの読み込み
labels, imgfiles, labeldict, labelnames = read_image_list(
IMAGE_LIST, DATA_DIR)
n_samples = len(imgfiles) # 学習データの総数
# 評価用データの読み込み
labels_ev, imgfiles_ev, labeldict, dmy = read_image_list(IMAGE_LIST_EV,
DATA_DIR,
dic=labeldict)
n_samples_ev = len(imgfiles_ev) # 評価用データの総数
# カラー化オートエンコーダの作成
model = myColorizationAE(width, height)
model = model.to(dev)
# 損失関数の定義
loss_func = nn.MSELoss() # mean squared error
with open(MODEL_DIR + 'labelnames.pickle', 'rb') as f:
labelnames = pickle.load(f)
n_classes = len(labelnames)
# 学習済みの画像認識器をロード
model = myCNN(width, height, channels, n_classes)
model.load_state_dict(torch.load(model_filepath))
model = model.to(dev)
model.eval()
# 入力画像に対し認識処理を実行
if in_filepath == '':
### ファイル名を指定せずに実行した場合・・・全評価用データに対する識別精度を表示 ###
labels_ev, imgfiles_ev, labeldict, dmy = read_image_list(IMAGE_LIST_EV, DATA_DIR, dic=labeldict) # 評価用データの読み込み
n_samples_ev = len(imgfiles_ev) # 評価用データの総数
n_failed = 0
# row: expected, col: actual
eval_matrix = [[0 for j in range(7)] for i in range(7)]
for i in range(0, n_samples_ev, batchsize):
offset = min(n_samples_ev, i + batchsize)
x = torch.tensor(load_images(imgfiles_ev, ids=np.arange(i, offset), mode=color_mode), device=dev)
t = labels_ev[i : i + batchsize]
y = model.classify(x)
y_cpu = y.to('cpu').detach().numpy().copy()
recognized = np.argmax(y_cpu, 1)
for j in range(len(t)):
eval_matrix[t[j]][recognized[j]] += 1
n_failed += np.count_nonzero(np.argmax(y_cpu, axis=1) - t)
del y_cpu
