在上一篇文章中已经讲解了Siamese Net的原理，和这种网络架构的关键——损失函数contrastive loss。现在我们来用pytorch来做一个简单的案例。经过这个案例，我个人的收获有到了以下的几点：
- Siamese Net适合小数据集；
- 目前Siamese Net用在分类任务（如果有朋友知道如何用在分割或者其他任务可以私信我，WX：cyx645016617）
- Siamese Net的可解释性较好。
参考目录：
- 1 准备数据
- 2 构建Dataset和可视化
- 3 构建模型
- 4 训练
1 准备数据
代码语言：javascript复制import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import torch
import torch.nn as nn
import torch.nn.functional as F
from torch.utils.data import Dataset,DataLoader
from sklearn.model_selection import train_test_split
device = 'cuda' if torch.cuda.is_available() else 'cpu'
data_train = pd.read_csv('../input/fashion-mnist_train.csv')
data_train.head()
这个数据文件是csv格式，第一列是类别，之后的784列其实好似28x28的像素值。
划分训练集和验证集，然后把数据转换成28x28的图片
代码语言：javascript复制X_full = data_train.iloc[:,1:]
y_full = data_train.iloc[:,:1]
x_train, x_test, y_train, y_test = train_test_split(X_full, y_full, test_size = 0.05)
x_train = x_train.values.reshape(-1, 28, 28, 1).astype('float32') / 255.
x_test = x_test.values.reshape(-1, 28, 28, 1).astype('float32') / 255.
y_train.label.unique()
>>> array([8, 9, 7, 6, 4, 2, 3, 1, 5, 0])
可以看到这个Fashion MNIST数据集中也是跟MNIST类似，划分了10个不同的类别。
- 0 T-shirt/top
- 1 Trouser
- 2 Pullover
- 3 Dress
- 4 Coat
- 5 Sandal
- 6 Shirt
- 7 Sneaker
- 8 Bag
- 9 Ankle boot
np.bincount(y_train.label.values),np.bincount(y_test.label.values)
>>> (array([4230, 4195, 4135, 4218, 4174, 4172, 4193, 4250, 4238, 4195]),
array([1770, 1805, 1865, 1782, 1826, 1828, 1807, 1750, 1762, 1805]))
可以看到，每个类别的数据还是非常均衡的。
2 构建Dataset和可视化
代码语言：javascript复制class mydataset(Dataset):
def __init__(self,x_data,y_data):
self.x_data = x_data
self.y_data = y_data.label.values
def __len__(self):
return len(self.x_data)
def __getitem__(self,idx):
img1 = self.x_data[idx]
y1 = self.y_data[idx]
if np.random.rand() < 0.5:
idx2 = np.random.choice(np.arange(len(self.y_data))[self.y_data==y1],1)
else:
idx2 = np.random.choice(np.arange(len(self.y_data))[self.y_data!=y1],1)
img2 = self.x_data[idx2[0]]
y2 = self.y_data[idx2[0]]
label = 0 if y1==y2 else 1
return img1,img2,label
关于torch.utils.data.Dataset的构建结构，我就不再赘述了，在之前的《小白学PyTorch》系列中已经讲解的很清楚啦。上面的逻辑就是，给定一个idx，然后我们先判断，这个数据是找两个同类别的图片还是两个不同类别的图片。50%的概率选择两个同类别的图片，然后最后输出的时候，输出这两个图片，然后再输出一个label，这个label为0的时候表示两个图片的类别是相同的，1表示两个图片的类别是不同的。这样就可以进行模型训练和损失函数的计算了。
代码语言：javascript复制train_dataset = mydataset(x_train,y_train)
train_dataloader = DataLoader(dataset = train_dataset,batch_size=8)
val_dataset = mydataset(x_test,y_test)
val_dataloader = DataLoader(dataset = val_dataset,batch_size=8)
for idx,(img1,img2,target) in enumerate(train_dataloader):
fig, axs = plt.subplots(2, img1.shape[0], figsize = (12, 6))
for idx,(ax1,ax2) in enumerate(axs.T):
ax1.imshow(img1[idx,:,:,0].numpy(),cmap='gray')
ax1.set_title('image A')
ax2.imshow(img2[idx,:,:,0].numpy(),cmap='gray')
ax2.set_title('{}'.format('same' if target[idx]==0 else 'different'))
break
这一段的代码就是对一个batch的数据进行一个可视化：
到目前位置应该没有什么问题把，有问题可以联系我讨论交流，WX：cyx645016617.我个人认为从交流中可以快速解决问题和进步。
3 构建模型
代码语言：javascript复制class siamese(nn.Module):
def __init__(self,z_dimensions=2):
super(siamese,self).__init__()
self.feature_net = nn.Sequential(
nn.Conv2d(1,4,kernel_size=3,padding=1,stride=1),
nn.ReLU(inplace=True),
nn.BatchNorm2d(4),
nn.Conv2d(4,4,kernel_size=3,padding=1,stride=1),
nn.ReLU(inplace=True),
nn.BatchNorm2d(4),
nn.MaxPool2d(2),
nn.Conv2d(4,8,kernel_size=3,padding=1,stride=1),
nn.ReLU(inplace=True),
nn.BatchNorm2d(8),
nn.Conv2d(8,8,kernel_size=3,padding=1,stride=1),
nn.ReLU(inplace=True),
nn.BatchNorm2d(8),
nn.MaxPool2d(2),
nn.Conv2d(8,1,kernel_size=3,padding=1,stride=1),
nn.ReLU(inplace=True)
)
self.linear = nn.Linear(49,z_dimensions)
def forward(self,x):
x = self.feature_net(x)
x = x.view(x.shape[0],-1)
x = self.linear(x)
return x
一个非常简单的卷积网络，输出的向量的维度就是z-dimensions的大小。
代码语言：javascript复制def contrastive_loss(pred1,pred2,target):
MARGIN = 2
euclidean_dis = F.pairwise_distance(pred1,pred2)
target = target.view(-1)
loss = (1-target)*torch.pow(euclidean_dis,2) target * torch.pow(torch.clamp(MARGIN-euclidean_dis,min=0),2)
return loss
然后构建了一个contrastive loss的损失函数计算。
4 训练
代码语言：javascript复制model = siamese(z_dimensions=8).to(device)
# model.load_state_dict(torch.load('../working/saimese.pth'))
optimizor = torch.optim.Adam(model.parameters(),lr=0.001)
for e in range(10):
history = []
for idx,(img1,img2,target) in enumerate(train_dataloader):
img1 = img1.to(device)
img2 = img2.to(device)
target = target.to(device)
pred1 = model(img1)
pred2 = model(img2)
loss = contrastive_loss(pred1,pred2,target)
optimizor.zero_grad()
loss.backward()
optimizor.step()
loss = loss.detach().cpu().numpy()
history.append(loss)
train_loss = np.mean(history)
history = []
with torch.no_grad():
for idx,(img1,img2,target) in enumerate(val_dataloader):
img1 = img1.to(device)
img2 = img2.to(device)
target = target.to(device)
pred1 = model(img1)
pred2 = model(img2)
loss = contrastive_loss(pred1,pred2,target)
loss = loss.detach().cpu().numpy()
history.append(loss)
val_loss = np.mean(history)
print(f'train_loss:{train_loss},val_loss:{val_loss}')
这里为了加快训练，我把batch-size增加到了128个，其他的并没有改变：
这是运行的10个epoch的结果，不要忘记把模型保存一下：
代码语言：javascript复制torch.save(model.state_dict(),'saimese.pth')
差不多是这个样子，然后看一看验证集的可视化效果，这里使用的是t-sne高位特征可视化的方法，其内核是PCA降维：
代码语言：javascript复制from sklearn import manifold
'''X是特征，不包含target;X_tsne是已经降维之后的特征'''
tsne = manifold.TSNE(n_components=2, init='pca', random_state=501)
X_tsne = tsne.fit_transform(X)
print("Org data dimension is {}.
Embedded data dimension is {}".format(X.shape[-1], X_tsne.shape[-1]))
x_min, x_max = X_tsne.min(0), X_tsne.max(0)
X_norm = (X_tsne - x_min) / (x_max - x_min) # 归一化
plt.figure(figsize=(8, 8))
for i in range(10):
plt.scatter(X_norm[y==i][:,0],X_norm[y==i][:,1],alpha=0.3,label=f'{i}')
plt.legend()
输入图像为：
可以看得出来，不同类别之间划分的是比较好的，可以看到不同类别之间的距离还是比较大的，比较明显的，甚至可以放下公众号的名字。这里使用的隐变量是8。
这里有一个问题，我内心已有答案不知大家的想法如何，假如我把z潜变量的维度直接改成2，这样就不需要使用tsne和pca的方法来降低维度就可以直接可视化，但是这样的话可视化的效果并不比从8降维到2来可视化的效果好，这是为什么呢？
提示：一方面在于维度过小导致信息的缺失，但是这个解释站不住脚，因为PCA其实等价于一个退化的线形层，所以PCA同样会造成这种缺失；我认为关键应该是损失函数中的欧式距离的计算，如果维度高，那么欧式距离就会偏大，这样需要相应的调整MARGIN的数值。
