多输出模型

PyTorch 深度学习进阶

Michal Oleszak

Machine Learning Engineer

为何使用多输出？

多任务学习模型示意图：输入为一辆车的图像，输出为品牌和型号。

多标签分类模型示意图：单个图像输入，对应多个预测输出。

正则化模型示意图：多段层块，每段后都产生一个输出。

字符与字母表分类

模型示意图：字符图像传入神经网络。

字符与字母表分类

模型示意图：两个分类器基于图像嵌入分别预测字符与字母表。

双输出数据集

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

可复用同一 Dataset…
…只需更新样本：

  print(samples[0])

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

双输出架构

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

定义图像处理子网络
定义各输出的分类器
将图像传入子网络
将结果传入各输出层
返回两个输出

训练循环

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()

模型产生两个输出
分别计算各自的损失
合并为总损失
以总损失反传并优化

Vamos praticar!

PyTorch 深度学习进阶