1、 RestNet网络
1.1、 RestNet网络结构
ResNet在2015年被提出，在ImageNet比赛classification任务上获得第一名，因为它“简单与实用”并存，之后很多方法都建立在ResNet50或者ResNet101的基础上完成的，检测，分割，识别等领域里得到广泛的应用。它使用了一种连接方式叫做“shortcut connection”，顾名思义，shortcut就是“抄近道”的意思，下面是这个resnet的网络结构：
它对每层的输入做一个reference（X）, 学习形成残差函数， 而不是学习一些没有reference（X）的函数。这种残差函数更容易优化，能使网络层数大大加深。在上图的残差块中它有二层，如下表达式， 其中σ代表非线性函数ReLU。
然而实验证明x已经足够了，不需要再搞个维度变换，除非需求是某个特定维度的输出，如是将通道数翻倍，如下图所示：
由上图，我们可以清楚的看到“实线”和“虚线”两种连接方式， 实线的Connection部分 (第一个粉色矩形和第三个粉色矩形) 都是执行3x3x64的卷积，他们的channel个数一致，所以采用计算方式：
Y = F(x) x，虚线的Connection部分 (第一个绿色矩形和第三个绿色矩形) 分别是3x3x64和3x3x128的卷积操作，他们的channel个数不同(64和128)，所以采用计算方式：y=F(x) Wx 。其中W是卷积操作，用来调整x的channel维度。
在计算机视觉里，网络的深度是实现网络好的效果的重要因素，输入特征的“等级”随增网络深度的加深而变高。然而在网络深度不断加深的情况下，梯度弥散/爆炸成为训练深层次的网络的障碍，导致导致网络无法收敛。虽然，归一初始化，各层输入归一化，使得可以收敛的网络的深度提升为原来的十倍。虽然网络收敛了，但网络却开始退化 （增加网络层数却导致更大的误差）， 如下图所示：
由上图可知，在一个浅层网络的基础上叠加y=x的层（称identity mappings，恒等映射），可以让网络随深度增加而不退化。这反映了多层非线性网络无法逼近恒等映射网络。
但是，在深度学习中我们希望有更好性能的网络，而网络不退化则不是我们的目的。在 RestNet网络中学习的残差函数是F(x) = H(x) - x, 这里如果F(x) = 0, 那么就是上面提到的恒等映射（H(x) = x）。事实上，RestNet是“shortcut connections”的在connections是在恒等映射下的特殊情况，它没有引入额外的参数和计算的复杂度。假如优化目标函数是逼近一个恒等映射, 而不是0映射（F(x) = 0）或者说恒等映射，那么学习找到对恒等映射的扰动会比重新学习一个映射函数要容易。
1.2、残差块的两种结构
这是文章里面的图，我们可以看到一个“弯弯的弧线“这个就是所谓的”shortcut connection“，也是文中提到identity mapping，这张图也诠释了ResNet的真谛，当然大家可以放心，真正在使用的ResNet模块并不是这么单一，文章中就提出了两种方式：
这两种结构分别针对ResNet34（左图）和ResNet50/101/152（右图），一般称整个结构为一个“building block” 。其中右图又称为“bottleneck design”，目的就是为了降低参数的数目，实际中，考虑计算的成本，对残差块做了计算优化，即将两个3x3的卷积层替换为1x1 3x3 1x1，如右图所示。新结构中的中间3x3的卷积层首先在一个降维1x1卷积层下减少了计算，然后在另一个1x1的卷积层下做了还原，既保持了精度又减少了计算量。第一个1x1的卷积把256维channel降到64维，然后在最后通过1x1卷积恢复，整体上用的参数数目：1x1x256x64 3x3x64x64 1x1x64x256 = 69632，而不使用bottleneck的话就是两个3x3x256的卷积，参数数目: 3x3x256x256x2 = 1179648，差了16.94倍。
对于常规ResNet，可以用于34层或者更少的网络中，对于Bottleneck Design的ResNet通常用于更深的如101这样的网络中，目的是减少计算和参数量。
1.3、ResNet50和ResNet101简单讲解
这里把ResNet50和ResNet101特别提出，主要因为它们的使用率很高，所以需要做特别的说明。给出了它们具体的结构：
上表是Resnet不同的结构，上表一共提出了5中深度的ResNet，分别是18，34，50，101和152，首先看表的最左侧，我们发现所有的网络都分成5部分，分别是：conv1，conv2_x，conv3_x，conv4_x，conv5_x，之后的其他论文也会专门用这个称呼指代ResNet50或者101的每部分。例如：101-layer那列，101-layer指的是101层网络，首先有个输入7x7x64的卷积，然后经过3 4 23 3 = 33个building block，每个block为3层，所以有33 x 3 = 99层，最后有个fc层(用于分类)，所以1 99 1 = 101层，确实有101层网络；注：101层网络仅仅指卷积或者全连接层，而激活层或者Pooling层并没有计算在内；我们关注50-layer和101-layer这两列，可以发现，它们唯一的不同在于conv4_x，ResNet50有6个block，而ResNet101有23个block，两者之间差了17个block，也就是17 x 3 = 51层。
本文使用 PyTorch 构建卫星图像分类任务。使用 ResNet34 模型。
本文不做细粒度的分类。使用 Kaggle 的一个数据集，只有四个类（四种类型的卫星图像）。
本文在这里介绍：
首先，看看 Kaggle 卫星图像分类。
使用预训练的 PyTorch ResNet34 模型进行卫星图像分类。
在训练保存训练好的模型后，对来自互联网的图像进行推理。
卫星图像分类数据集
卫星图像分类数据集Satellite Image Classification包含来自传感器和谷歌地图快照的大约 5600 张图像。
它有属于 4 个不同类别的卫星图像。
cloudy：从卫星拍摄的 1500 张云图像。
desert：从卫星拍摄的 1131 张沙漠图像。
green_area：主要是森林覆盖的卫星图像。1500 张图片。
water：1500张湖泊和其他水体的卫星图像。
以下是数据集的目录结构。
有四个目录，每个目录都与类名匹配，这些目录包含 .jpg 格式的相应图像。
看一下数据集中的一些图像。
这里要注意的一件事是沙漠和多云类图像是 256×256 的彩色图像。但是 green_area 和 water class 图像只是 64×64 维图像，它们也是彩色图像。但是如果在增强它们的同时增加它们的图像大小，它们的特征可能不如其他两个类那么清晰。
目录结构
看看这个项目的目录结构。
在父项目目录中有：
包含数据子目录的输入目录，该目录又包含数据集类文件夹。test_data 子目录包含互联网的图像，在训练模型后用于推理。这些是全新的图像，在经过训练的 PyTorch ResNet34 模型中是看不到的。
输出目录包含训练和推理流程生成的图像、图和训练模型。
5 个 Python 文件。稍后介绍这些内容。
PyTorch版本 1.9.0
使用 PyTorch ResNet34 的卫星图像分类
从这里开始编码部分。
有五个 Python 文件。按以下顺序处理它们
- utils.py
- datasets.py
- model.py
- train.py
- inference.py 训练完成后有了 PyTorch ResNet34 模型。
辅助函数
两个辅助函数，一个用于保存训练好的模型，另一个用于保存损失和准确度图。
这些函数封装在utils.py文件中
以下代码块包含导入语句和 save_model() 函数。
保存训练的 epoch 、模型状态字典、优化器状态字典， model.pth 中的损失函数。
接下来保存损失和精度图。
save_plots() 函数接受用于训练和验证的相应损失和准确度列表。保存在输出文件夹中。
目前这两个辅助函数足以满足需求。
准备数据集
在准备数据集在datasets.py 文件编写代码。
导入所需的 PyTorch 模块定义一些常量。
使用 20% 的数据进行验证。批大小为 64。如果本地机器上训练面临 GPU 的 OOM（内存不足）问题，那么降低批大小 32 或 16。
训练与验证转换
下一个代码块包含训练和验证转换。
对于训练，除了变换之外增加了图像数量以防止过拟合。在没有增强的情况下，训练准确率很快达到 99% 以上，而验证准确率仍然很低。这些增强主要来自实验，以及最适合该数据集的方法。
此外可以看到正在应用 ImageNet 统计数据进行标准化。因为使用预训练的 ResNet34 模型。
为了验证，调整图像的大小转换为张量，进行标准化。
数据加载器
以上代码为全部datasets.py文件
下一步 准备模型
ResNet34模型
使用 PyTorch ResNet34 模型进行卫星图像分类。
PyTorch 已经为 ResNet34 提供了 ImageNet 预训练模型。只需要使用正确数量的类来更改最后一层。
以下代码在model.py文件
通过 build_model() 函数的参数控制：
是否想要预训练模型。
是否要对中间层进行微调。
类的数量，即 num_classes。
训练脚本
现在准备写训练脚本在train.py文件
上面的代码块导入了所有库模块以及上面编写的模块。还有参数解析器，它控制 --epochs
学习参数，模型与优化器
下一个代码块定义了学习率、计算设备。构建了 ResNet34 模型并定义了优化器和损失函数。
调用 build_model() 函数：
- pretrained=True
- fine_tune=False
- num_classes=len(dataset.classes)
优化器是Adam，学习率为0.001，损失函数是Cross Entropy。
训练与验证函数
训练函数将是 PyTorch 中的标准图像分类训练函数。进行前向传递，计算损失，反向传播梯度，并更新参数。
在每个 epoch 之后，该函数返回该 epoch 的损失和准确度。
接下来是验证函数。
训练循环
接下来编写循环代码
执行train.py开始训练
打开命令行输入
代码语言：javascript复制python train.py --epochs 100
训练100个epoch然后打印输出
在每个 epoch 之后，都会打印类别精度。这是验证准确性。到 100 个 epoch 结束时，green_area 和 water 类的准确度低于其他两个类。
图 2. 训练 ResNet34 模型进行卫星图像分类后的准确率。
图 3. 训练 ResNet34 模型后的损失图。
准确率和损失图似乎都有很大的波动。
现在编写执行推理的脚本。
推理脚本
代码在inference.py文件
所有的推理都在 CPU 上。对于图像分类推理，使用 GPU 设备不是强制性的，CPU 就可以了。
加载模型处理转换
下一个代码块定义类名、加载训练好的模型，并定义预处理转换。在inference.py中
对于预处理只需要将图像转换为 PIL 图像格式，调整其大小，将其转换为张量，然后应用归一化。
读取图像与前馈
执行推理脚本
有四个测试图像。运行并查看结果。
执行
代码语言：javascript复制python inference.py --input input/test_data/cloudy.jpeg
继续测试下一个
代码语言：javascript复制python inference.py --input input/test_data/desert.jpeg
总结
本文构建了一个小型图像分类项目。使用 ResNet34 模型进行卫星图像分类。对新图像进行了推理。
