SG-Former实战：使用SG-Former实现图像分类任务（一）

2023-09-18 22:19:46

摘要

SG-Former是一种新型的Transformer模型，它被提出以降低视觉Transformer的计算成本，同时保持其优秀的性能表现。计算成本的降低使得SG-Former能够更有效地处理大规模的特征映射，从而提高了模型的效率和全局感知能力。

SG-Former的核心思想是利用显著性图来引导Transformer模型的学习。显著性图用于估计每个区域的重要性，从而可以根据这些重要性对Token进行重新分配。具体来说，对于显著区域，SG-Former会分配更多的Token，从而获得细粒度的注意力；而对于次要区域，SG-Former则会分配更少的Token，以换取效率和全局感知字段。
在这里插入图片描述

相较于以往的Transformer模型，SG-Former的创新之处在于其利用显著性图进行自适应细粒度全局自注意力的计算。这一改进降低了计算成本，同时提高了模型对大规模输入的适应性。此外，SG-Former还具有更少的参数数量和更高的效率，这使得它在各种视觉任务中具有广泛的应用前景。

在实验中，SG-Former在ImageNet-1K数据集上实现了84.7%的Top-1准确率，相较于Swin Transformer高出+1.3%；在COCO数据集上实现了51.2的mAP，相较于Swin Transformer高出+2.7 mAP；在ADE20K数据集上实现了52.7的mIoU，相较于Swin Transformer高出+3 mIoU。此外，SG-Former的计算成本也低于Swin Transformer。
在这里插入图片描述
这篇文章使用SG-Former完成植物分类任务，模型采用sgformer_s向大家展示如何使用SG-Former。由于没有使用预训练模型，sgformer_s在这个数据集上实现了89+%的ACC，如下图：

在这里插入图片描述
在这里插入图片描述

通过这篇文章能让你学到：

  1. 如何使用数据增强，包括transforms的增强、CutOut、MixUp、CutMix等增强手段？
  2. 如何实现SG-Former模型实现训练？
  3. 如何使用pytorch自带混合精度？
  4. 如何使用梯度裁剪防止梯度爆炸？
  5. 如何使用DP多显卡训练？
  6. 如何绘制loss和acc曲线？
  7. 如何生成val的测评报告？
  8. 如何编写测试脚本测试测试集？
  9. 如何使用余弦退火策略调整学习率？
  10. 如何使用AverageMeter类统计ACC和loss等自定义变量？
  11. 如何理解和统计ACC1和ACC5？
  12. 如何使用EMA？

如果基础薄弱，对上面的这些功能难以理解可以看我的专栏：经典主干网络精讲与实战
这个专栏，从零开始时，一步一步的讲解这些，让大家更容易接受。

安装包

安装timm

使用pip就行，命令：

pip install timm

mixup增强和EMA用到了timm

数据增强Cutout和Mixup

为了提高成绩我在代码中加入Cutout和Mixup这两种增强方式。实现这两种增强需要安装torchtoolbox。安装命令：

pip install torchtoolbox

Cutout实现，在transforms中。

from torchtoolbox.transform import Cutout
# 数据预处理
transform = transforms.Compose([
    transforms.Resize((224, 224)),
    Cutout(),
    transforms.ToTensor(),
    transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])

])

需要导入包：from timm.data.mixup import Mixup，

定义Mixup，和SoftTargetCrossEntropy

  mixup_fn = Mixup(
    mixup_alpha=0.8, cutmix_alpha=1.0, cutmix_minmax=None,
    prob=0.1, switch_prob=0.5, mode='batch',
    label_smoothing=0.1, num_classes=12)
 criterion_train = SoftTargetCrossEntropy()

参数详解：

mixup_alpha (float): mixup alpha 值，如果 > 0，则 mixup 处于活动状态。

cutmix_alpha (float)：cutmix alpha 值，如果 > 0，cutmix 处于活动状态。

cutmix_minmax (List[float])：cutmix 最小/最大图像比率，cutmix 处于活动状态，如果不是 None，则使用这个 vs alpha。

如果设置了 cutmix_minmax 则cutmix_alpha 默认为1.0

prob (float): 每批次或元素应用 mixup 或 cutmix 的概率。

switch_prob (float): 当两者都处于活动状态时切换cutmix 和mixup 的概率 。

mode (str): 如何应用 mixup/cutmix 参数（每个’batch’，‘pair’（元素对），‘elem’（元素）。

correct_lam (bool): 当 cutmix bbox 被图像边框剪裁时应用。 lambda 校正

label_smoothing (float)：将标签平滑应用于混合目标张量。

num_classes (int): 目标的类数。

EMA

EMA（Exponential Moving Average）是指数移动平均值。在深度学习中的做法是保存历史的一份参数，在一定训练阶段后，拿历史的参数给目前学习的参数做一次平滑。具体实现如下：


import logging
from collections import OrderedDict
from copy import deepcopy
import torch
import torch.nn as nn

_logger = logging.getLogger(__name__)

class ModelEma:
    def __init__(self, model, decay=0.9999, device='', resume=''):
        # make a copy of the model for accumulating moving average of weights
        self.ema = deepcopy(model)
        self.ema.eval()
        self.decay = decay
        self.device = device  # perform ema on different device from model if set
        if device:
            self.ema.to(device=device)
        self.ema_has_module = hasattr(self.ema, 'module')
        if resume:
            self._load_checkpoint(resume)
        for p in self.ema.parameters():
            p.requires_grad_(False)

    def _load_checkpoint(self, checkpoint_path):
        checkpoint = torch.load(checkpoint_path, map_location='cpu')
        assert isinstance(checkpoint, dict)
        if 'state_dict_ema' in checkpoint:
            new_state_dict = OrderedDict()
            for k, v in checkpoint['state_dict_ema'].items():
                # ema model may have been wrapped by DataParallel, and need module prefix
                if self.ema_has_module:
                    name = 'module.' + k if not k.startswith('module') else k
                else:
                    name = k
                new_state_dict[name] = v
            self.ema.load_state_dict(new_state_dict)
            _logger.info("Loaded state_dict_ema")
        else:
            _logger.warning("Failed to find state_dict_ema, starting from loaded model weights")

    def update(self, model):
        # correct a mismatch in state dict keys
        needs_module = hasattr(model, 'module') and not self.ema_has_module
        with torch.no_grad():
            msd = model.state_dict()
            for k, ema_v in self.ema.state_dict().items():
                if needs_module:
                    k = 'module.' + k
                model_v = msd[k].detach()
                if self.device:
                    model_v = model_v.to(device=self.device)
                ema_v.copy_(ema_v * self.decay + (1. - self.decay) * model_v)

加入到模型中。

#初始化
if use_ema:
     model_ema = ModelEma(
            model_ft,
            decay=model_ema_decay,
            device='cpu',
            resume=resume)

# 训练过程中，更新完参数后，同步update shadow weights
def train():
    optimizer.step()
    if model_ema is not None:
        model_ema.update(model)


# 将model_ema传入验证函数中
val(model_ema.ema, DEVICE, test_loader)

针对没有预训练的模型，容易出现EMA不上分的情况，这点大家要注意啊！

项目结构

Sgformer_Demo
├─data1
│  ├─Black-grass
│  ├─Charlock
│  ├─Cleavers
│  ├─Common Chickweed
│  ├─Common wheat
│  ├─Fat Hen
│  ├─Loose Silky-bent
│  ├─Maize
│  ├─Scentless Mayweed
│  ├─Shepherds Purse
│  ├─Small-flowered Cranesbill
│  └─Sugar beet
├─models
│  ├─pos_embed.py
│  └─sgformer.py
├─mean_std.py
├─makedata.py
├─train.py
└─test.py

models：来源官方代码，对面的代码做了一些适应性修改。
mean_std.py：计算mean和std的值。
makedata.py：生成数据集。
ema.py：EMA脚本
train.py:训练SG-Former模型

计算mean和std

为了使模型更加快速的收敛，我们需要计算出mean和std的值，新建mean_std.py,插入代码：

from torchvision.datasets import ImageFolder
import torch
from torchvision import transforms

def get_mean_and_std(train_data):
    train_loader = torch.utils.data.DataLoader(
        train_data, batch_size=1, shuffle=False, num_workers=0,
        pin_memory=True)
    mean = torch.zeros(3)
    std = torch.zeros(3)
    for X, _ in train_loader:
        for d in range(3):
            mean[d] += X[:, d, :, :].mean()
            std[d] += X[:, d, :, :].std()
    mean.div_(len(train_data))
    std.div_(len(train_data))
    return list(mean.numpy()), list(std.numpy())

if __name__ == '__main__':
    train_dataset = ImageFolder(root=r'data1', transform=transforms.ToTensor())
    print(get_mean_and_std(train_dataset))

数据集结构：

image-20220221153058619

运行结果：

([0.3281186, 0.28937867, 0.20702125], [0.09407319, 0.09732835, 0.106712654])

把这个结果记录下来，后面要用！

生成数据集

我们整理还的图像分类的数据集结构是这样的

data
├─Black-grass
├─Charlock
├─Cleavers
├─Common Chickweed
├─Common wheat
├─Fat Hen
├─Loose Silky-bent
├─Maize
├─Scentless Mayweed
├─Shepherds Purse
├─Small-flowered Cranesbill
└─Sugar beet

pytorch和keras默认加载方式是ImageNet数据集格式，格式是

├─data
│  ├─val
│  │   ├─Black-grass
│  │   ├─Charlock
│  │   ├─Cleavers
│  │   ├─Common Chickweed
│  │   ├─Common wheat
│  │   ├─Fat Hen
│  │   ├─Loose Silky-bent
│  │   ├─Maize
│  │   ├─Scentless Mayweed
│  │   ├─Shepherds Purse
│  │   ├─Small-flowered Cranesbill
│  │   └─Sugar beet
│  └─train
│      ├─Black-grass
│      ├─Charlock
│      ├─Cleavers
│      ├─Common Chickweed
│      ├─Common wheat
│      ├─Fat Hen
│      ├─Loose Silky-bent
│      ├─Maize
│      ├─Scentless Mayweed
│      ├─Shepherds Purse
│      ├─Small-flowered Cranesbill
│      └─Sugar beet

新增格式转化脚本makedata.py,插入代码：

import glob
import os
import shutil

image_list=glob.glob('data1/*/*.png')
print(image_list)
file_dir='data'
if os.path.exists(file_dir):
    print('true')
    #os.rmdir(file_dir)
    shutil.rmtree(file_dir)#删除再建立
    os.makedirs(file_dir)
else:
    os.makedirs(file_dir)

from sklearn.model_selection import train_test_split
trainval_files, val_files = train_test_split(image_list, test_size=0.3, random_state=42)
train_dir='train'
val_dir='val'
train_root=os.path.join(file_dir,train_dir)
val_root=os.path.join(file_dir,val_dir)
for file in trainval_files:
    file_class=file.replace("\\","/").split('/')[-2]
    file_name=file.replace("\\","/").split('/')[-1]
    file_class=os.path.join(train_root,file_class)
    if not os.path.isdir(file_class):
        os.makedirs(file_class)
    shutil.copy(file, file_class + '/' + file_name)

for file in val_files:
    file_class=file.replace("\\","/").split('/')[-2]
    file_name=file.replace("\\","/").split('/')[-1]
    file_class=os.path.join(val_root,file_class)
    if not os.path.isdir(file_class):
        os.makedirs(file_class)
    shutil.copy(file, file_class + '/' + file_name)

完成上面的内容就可以开启训练和测试了。

更多推荐

综合管廊安全监测系统，城市‘里子’的守护者

在现代城市的地下，一条隐藏在地下深处的巨龙悄然运行，它虽悄无声息，却是城市运转的重要生命线。这个神秘的存在就是综合管廊，综合管廊是保障城市运行的重要基础设施，被形象地称为“城市大动脉”“地下生命线”，能够有效解决传统城市建设中存在的“空中蜘蛛网”“马路拉链”等“城市病”，不仅让市容市貌更美观、更安全，也可以减少路面翻修

python温度转换程序

1.使用pycharm运行温度转换程序，尝试将温度单位设在前面2.参照温度转换程序,自己写一个关于货币转换、长度转换、重量转换或者面积转换的程序循环+函数defconvertemperature():temperature=""while(temperature!="q"):temperature=input("请输入

如何在linux定时备份opengauss数据库（linux核心至少在GLIBC_2.34及以上）

前提环境，linux的核心至少在GLIBC_2.34及以上才能使用。查看linux的glibc版本的命令如下strings/lib64/libc.so.6|grepGLIBC如下图或者用ldd--version如下图在官网下载对应的依赖包，只需要这个lib文件即可，将这个包放在linux对应下面脚本的LD_LIBRAR

Guava Cache介绍-面试用

一、GuavaCache简介1、简介GuavaCache是本地缓存，数据读写都在一个进程内，相对于分布式缓存redis，不需要网络传输的过程，访问速度很快，同时也受到JVM内存的制约，无法在数据量较多的场景下使用。基于以上特点，本地缓存的主要应用场景为以下几种：对于访问速度有较大要求存储的数据不经常变化数据量不大，占用

【校招VIP】java语言考点之反射

考点介绍：java的反射(reflection)机制是指在程序的运行状态中，可以构造任意一个类的对象，可以了解任意一个对象所属的类，可以了解任意一个类的成员变量和方法，可以调用任意一个对象的属性和方法。这种动态获取程序信息以及动态调用对象的功能称为lava语言的反射机制。反射被视为动态语言的关键。java语言考点之反射

【云服务器开放端口详细教程~来了】

你不知道我真的会哭云服务器开放端口详细教程来了前言一、常见云服务器端口的认识●云服务器端口一般是指TCP/IP协议中的端口，端口号的范围从0到65535，比如用于浏览网页服务的80端口，用于FTP服务的21端口等等。●当一台计算机启动了一个可访问的程序，那么它就要至少开启一个端口号来让外界的计算机完成访问。我们可以把没

Linux：haproxy部署--搭建nginx集群

Haproxy介绍Haproxy是一个开源的高性能的反向代理或者说是负载均衡服务软件之一，它支持双机热备、虚拟主机、基于TCP和HTTP应用代理等功能。其配置简单，而且拥有很好的对服务器节点的健康检查功能（相当于keepalived健康检查），当其代理的后端服务器出现故障时，Haproxy会自动的将该故障服务器摘除，当

爬虫获取静态网页数据

自动爬取网页数据正常情况下是我们使用浏览器输入指定url，对服务器发送访问请求，服务器返回请求信息，浏览器进行解析为我们看到的界面，爬虫就是使用python脚本取代正常的浏览器，获取相应服务器的返回请求信息，并配合python强大的库进行解析分析，能够快速高效地帮助我们进行大数据分析。不需要登录即可返回请求以爬取虎牙交

月木学途开发 3.博客模块开发

概述效果展示数据库设计专栏表DROPTABLEIFEXISTS`blog_column`;CREATETABLE`blog_column`(`blogColumnId`int(11)NOTNULLAUTO_INCREMENT,`blogColumnName`varchar(255)DEFAULTNULL,`blogCo

功能测试如何编写测试用例

测试用例的编写需要按照一定的思路进行，而不是想到哪写到哪，一般测试机制成熟的公司都会有公司自己自定义的测试用例模板，以及一整套的测试流程关注点，当然我们自己在测试生涯中也应当积累一套自己的测试框架，所有功能性的测试都可以依据框架的思路来进行，达到事半功倍的效果。功能测试框架可以包括：界面友好性测试、功能测试、链接测试、

【Web3】创作者经济

这里写目录标题创作者经济是什么？创作者从Web1.0到Web3.0的演进Web1.0企业1985Web2.0平台的创作者2004Web3.0创造者/所有者2021粉丝经济的转变&四个阶段创作者经济的四个阶段创作者经济Web3.0工具创作者经济生态全景图OpenSeaFoundationPleasrDAONiftyPix

热文推荐
  1. leetcode 236.二叉树的最近公共祖先

    ⭐️题目描述🌟leetcode链接：二叉树的最近公共祖先思路1：依次遍历每一个结点，遍历到当前根结点，再继续递归找p是否存在左子树q是否存在右子树，若p在左子树q在右子树或者q在左子树p在右子树，说明当前root就是qp的公共祖先，若当前结点找不到这种情况，则当前root转换为子问题root->leftroot->r

  2. 343. 整数拆分

    题目：343.整数拆分给定一个正整数n，将其拆分为k个正整数的和（k>=2），并使这些整数的乘积最大化。返回你可以获得的最大乘积。示例1:输入:n=2输出:1解释:2=1+1,1×1=1。示例2:输入:n=10输出:36解释:10=3+3+4,3×3×4=36。提示:2<=n<=58思考历程与知识点：看到这道题目，都会

  3. 信息化发展44

    智能运维1、中国电子工业标准化技术协会发布的团体标准I/CESA1172《信息技术服务智能运维通用要求》，给出了智能运维能力框架，包括组织治理、智能特征、智能运维场景实现、能力域和能力要素，其中能力要素是构建智能运维能力的基础。2、组织通过场景分析、场景构建、场景交付和效果评估四个过程，基于数据管理能力域提供的高质量数

  4. 关于mysql已有主从环境得主从重配置

    恢复主从环境1：Situation（背景）2：Task（任务）3：Action（行动）主库（备份）1:锁表2：效验是否锁表3：查看主库状态并记录4：备份数据库全部5:解锁表6：把备份放到从库从库1：备份从库（可选）2：恢复从库3:清除旧设置4：添加新设置4：Result（结果）1：Situation（背景）测试环境下得

  5. 片内互联中常用的拓扑结构

    主要的拓扑结构有星型（Star）、交叉（Crossbar）、总线（Bus）、环型（Ring）和网格（Mesh）等。星型（Star）结构，主控处理器放在中心位置，其他各个模块均与其连接，而模块彼此之间并不直接交互，必须通过主控中转，结构如图1所示。这种结构简单高效，在早期片内模块数量较少、结构单一时经常被使用。但随着多核

  6. 9.21数电(加法器&状态机&独热编码）

    加法半加器一位，分为两部分，一个是进位，一个是单位上的和进位采取与门，单位上的和用异或门全加器进位数就是三个数进行加和，通过与门，就是两两过与门描述每位的和项就是，只去描述那个1的情况，即三中有一个，或者三个都为1分解全加器行波进位加法器快速加法器是说下一位的进位=此位的两个加数再加上来自上位的进数当此位的两个加数均为

  7. 如何恢复U盘里面的已经损坏的数据？

    弹出使用驱动器之前，先将U盘格式化的信息框，是Windows系统针对某些特定类型的U盘或移动硬盘的一种常见处理方式。一般来说，如果U盘或移动硬盘出现某些故障或问题，Windows系统会建议用户将其格式化。格式化是一种常规的操作，它能使U盘或移动硬盘恢复到初始状态，但需要注意的是，格式化操作将会清除所有存储在U盘或移动硬

  8. 极客时间：数据结构与算法之美【文章笔记 & 实践 & 总结】

    原文链接:https://time.geekbang.org/column/intro/10001730127|递归树：如何借助树来求解递归算法的时间复杂度？如何借助树来分析归并排序算法的时间复杂度？如何借助树来分析快速排序算法的时间复杂度？如何借助递归树来分析斐波那契数列的时间复杂度？如何借助递归树来分析全排列的时间

  9. SpringBoot，Mybatis 使用Java8(JSR310)时间日期规范

    目录一.依赖二.前台三.Controller，Form，Service四.数据库类型五.效果一.依赖⏹若使用的是SpringBoot<dependency><groupId>org.mybatis.spring.boot</groupId><artifactId>mybatis-spring-boot-starter<