Modelos multisalida

Aprendizaje profundo intermedio con PyTorch

Michal Oleszak

Machine Learning Engineer

¿Por qué múltiples salidas?

Aprendizaje multitarea Esquema del modelo: imagen de un coche como entrada, marca y modelo como dos salidas.

Clasificación multietiqueta Esquema del modelo: imagen única como entrada, múltiples predicciones como salida.

La regularización: Esquema del modelo: múltiples bloques de capas, después de cada uno, se predice una salida.

Clasificación de caracteres y alfabeto

Esquema del modelo: la imagen del carácter se pasa a una red neuronal.

Clasificación de caracteres y alfabeto

Esquema del modelo: dos clasificadores clasifican los caracteres y el alfabeto a partir de la incrustación de la imagen.

Conjunto de datos de dos salidas

class OmniglotDataset(Dataset):
    def __init__(self, transform, samples):
        self.transform = transform
        self.samples = samples

    def __len__(self):
        return len(self.samples)

    def __getitem__(self, idx):
        img_path, alphabet, label = \
            self.samples[idx]
        img = Image.open(img_path).convert('L')
        img = self.transform(img)
        return img, alphabet, label

Podemos utilizar el mismo conjunto de datos...
...con muestras actualizadas:

  print(samples[0])

  [(
    'omniglot_train/.../0459_14.png',
     0,
     0,
   )]

Arquitectura de dos salidas

class Net(nn.Module):
    def __init__(self, num_alpha, num_char):
        super().__init__()
        self.image_layer = nn.Sequential(
            nn.Conv2d(1, 16, kernel_size=3, padding=1),
            nn.MaxPool2d(kernel_size=2),
            nn.ELU(),
            nn.Flatten(),
            nn.Linear(16*32*32, 128)
        )

        self.classifier_alpha = nn.Linear(128, 30)
        self.classifier_char = nn.Linear(128, 964)


    def forward(self, x):
        x_image = self.image_layer(x)

        output_alpha = self.classifier_alpha(x_image)
        output_char = self.classifier_char(x_image)

        return output_alpha, output_char

Definir la subred de procesamiento de imágenes
Define clasificadores específicos para cada salida.
Pasar la imagen a través de una subred dedicada
Pasa el resultado a través de cada capa de salida.
Devuelve ambos resultados.

Bucle de entrenamiento

for epoch in range(10):
    for images, labels_alpha, labels_char \
    in dataloader_train:
        optimizer.zero_grad()
        outputs_alpha, outputs_char = net(images)

        loss_alpha = criterion(
          outputs_alpha, labels_alpha
        )
        loss_char = criterion(
          outputs_char, labels_char
        )

        loss = loss_alpha + loss_char

        loss.backward()
        optimizer.step()

El modelo produce dos resultados.
Calcular la pérdida para cada salida
Combina las pérdidas en una pérdida total.
Retroalimentación y optimización con la pérdida total

¡Vamos a practicar!

Aprendizaje profundo intermedio con PyTorch