Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
changxl.
paddlehub
提交
804a7d4b
P
paddlehub
项目概览
changxl.
/
paddlehub
与 Fork 源项目一致
从无法访问的项目Fork
通知
1
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
P
paddlehub
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
未验证
提交
804a7d4b
编写于
12月 23, 2019
作者:
S
Steffy-zxf
提交者:
GitHub
12月 23, 2019
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
Update README.md
上级
1c87fd90
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
36 addition
and
95 deletion
+36
-95
demo/image-classification/README.md
demo/image-classification/README.md
+36
-95
未找到文件。
demo/image-classification/README.md
浏览文件 @
804a7d4b
...
...
@@ -54,34 +54,30 @@ data_reader = hub.reader.ImageClassificationReader(
`hub.dataset.Flowers()`
会自动从网络下载数据集并解压到用户目录下
`$HOME/.paddlehub/dataset`
目录
`module.get_
vocab_path()`
会返回预训练模型对应的词表
`module.get_
expected_image_width()`
和
`module.get_expected_image_height()`
会返回预训练模型对应的图片尺寸
`max_seq_len`
需要与Step1中context接口传入的序列长度保持一致
MultiLabelClassifyReader中的
`data_generator`
会自动按照模型对应词表对数据进行tokenize,以迭代器的方式返回BERT所需要的Tensor格式,包括
`input_ids`
,
`position_ids`
,
`segment_id`
与序列对应的mask
`input_mask`
.
**NOTE**
: Reader返回tensor的顺序是固定的,默认按照input_ids, position_ids, segment_id, input_mask这一顺序返回。
`module.module.get_pretrained_images_mean()`
和
`module.get_pretrained_images_std()`
会返回预训练模型对应的图片均值和方差
### Step3:选择优化策略和运行配置
```
python
strategy
=
hub
.
AdamWeightDecayStrategy
(
learning_rate
=
5e-5
,
weight_decay
=
0.01
,
warmup_proportion
=
0.0
,
lr_scheduler
=
"linear_decay"
,
)
config
=
hub
.
RunConfig
(
use_cuda
=
True
,
use_data_parallel
=
True
,
use_pyreader
=
True
,
num_epoch
=
3
,
batch_size
=
32
,
strategy
=
strategy
)
strategy
=
hub
.
DefaultFinetuneStrategy
(
learning_rate
=
1e-4
,
optimizer_name
=
"adam"
,
regularization_coeff
=
1e-3
)
config
=
hub
.
RunConfig
(
use_cuda
=
True
,
use_data_parallel
=
True
,
num_epoch
=
3
,
batch_size
=
32
,
strategy
=
strategy
)
```
#### 优化策略
针对ERNIE与BERT类任务,PaddleHub封装了适合这一任务的迁移学习优化策略
`AdamWeightDecayStrategy`
*
`learning_rate`
: Finetune过程中的最大学习率;
*
`weight_decay`
: 模型的正则项参数,默认0.01,如果模型有过拟合倾向,可适当调高这一参数;
*
`warmup_proportion`
: 如果warmup_proportion>0, 例如0.1, 则学习率会在前10%的steps中线性增长至最高值learning_rate;
*
`lr_scheduler`
: 有两种策略可选(1)
`linear_decay`
策略学习率会在最高点后以线性方式衰减;
`noam_decay`
策略学习率会在最高点以多项式形式衰减;
PaddleHub提供了许多优化策略,如
`AdamWeightDecayStrategy`
、
`ULMFiTStrategy`
、
`DefaultFinetuneStrategy`
等,详细信息参见
[
策略
](
https://github.com/PaddlePaddle/PaddleHub/wiki/PaddleHub-API:-Strategy
)
其中
`DefaultFinetuneStrategy`
:
*
`learning_rate`
: 全局学习率。默认为1e-4
*
`optimizer_name`
: 优化器名称。默认adam
*
`regularization_coeff`
: 正则化的λ参数。默认为1e-3
#### 运行配置
`RunConfig`
主要控制Finetune的训练,包含以下可控制的参数:
...
...
@@ -90,39 +86,32 @@ config = hub.RunConfig(use_cuda=True, use_data_parallel=True, use_pyreader=True,
*
`eval_interval`
: 模型评估的间隔,默认每100个step评估一次验证集
*
`save_ckpt_interval`
: 模型保存间隔,请根据任务大小配置,默认只保存验证集效果最好的模型和训练结束的模型
*
`use_cuda`
: 是否使用GPU训练,默认为False
*
use_pyreader
: 是否使用pyreader,默认False
*
use_data_parallel: 是否使用并行计算,默认Fals
e。打开该功能依赖nccl库
*
`use_pyreader`
: 是否使用pyreader,默认False
*
`use_data_parallel`
: 是否使用并行计算,默认Tru
e。打开该功能依赖nccl库
*
`checkpoint_dir`
: 模型checkpoint保存路径, 若用户没有指定,程序会自动生成
*
`num_epoch`
: finetune的轮数
*
`batch_size`
: 训练的批大小,如果使用GPU,请根据实际情况调整batch_size
*
`enable_memory_optim`
: 是否使用内存优化, 默认为True
*
`strategy`
: Finetune优化策略
### Step4: 构建网络并创建分类迁移任务进行Finetune
```
python
pooled_output
=
outputs
[
"pooled_output"
]
# feed_list的Tensor顺序不可以调整
feed_list
=
[
inputs
[
"input_ids"
].
name
,
inputs
[
"position_ids"
].
name
,
inputs
[
"segment_ids"
].
name
,
inputs
[
"input_mask"
].
name
,
]
cls_task
=
hub
.
MultiLabelClassifierTask
(
data_reader
=
reader
,
feature
=
pooled_output
,
feature_map
=
output_dict
[
"feature_map"
]
feed_list
=
[
input_dict
[
"image"
].
name
]
task
=
hub
.
ImageClassifierTask
(
data_reader
=
data_reader
,
feed_list
=
feed_list
,
feature
=
feature_map
,
num_classes
=
dataset
.
num_labels
,
config
=
config
)
cls_
task
.
finetune_and_eval
()
task
.
finetune_and_eval
()
```
**NOTE:**
1.
`output
s["pooled_output"]`
返回了ERNIE/BERT模型对应的[CLS]向量,可以用于句子或句对
的特征表达。
2.
`feed_list`
中的inputs参数指
名了ERNIE/BERT中的输入tensor的顺序,与MultiLabel
ClassifierTask返回的结果一致。
3.
`hub.
MultiLabelClassifierTask`
通过输入特征,label与迁移的类别数,可以生成适用于多标签分类的迁移任务
`MultiLabel
ClassifierTask`
1.
`output
_dict["feature_map"]`
返回了resnet/mobilenet等模型对应的feature_map,可以用于图片
的特征表达。
2.
`feed_list`
中的inputs参数指
明了resnet/mobilenet等模型的输入tensor的顺序,与Image
ClassifierTask返回的结果一致。
3.
`hub.
ImageClassifierTask`
通过输入特征,label与迁移的类别数,可以生成适用于图像分类的迁移任务
`Image
ClassifierTask`
## 可视化
...
...
@@ -134,61 +123,9 @@ $ tensorboard --logdir $CKPT_DIR/visualization --host ${HOST_IP} --port ${PORT_N
## 模型预测
通过Finetune完成模型训练后,在对应的ckpt目录下,会自动保存验证集上效果最好的模型。
配置脚本参数
```
CKPT_DIR="./ckpt_toxic"
python predict.py --checkpoint_dir $CKPT_DIR --max_seq_len 128
```
其中CKPT_DIR为Finetune API保存最佳模型的路径, max_seq_len是ERNIE模型的最大序列长度,
*请与训练时配置的参数保持一致*
参数配置正确后,请执行脚本
`sh run_predict.sh`
,即可看到以下文本分类预测结果, 以及最终准确率。
如需了解更多预测步骤,请参考
`predict.py`
## 准备工作
在运行本目录的脚本前,需要先安装1.3.0版本以上的PaddlePaddle(如果您本地已经安装了符合条件的PaddlePaddle版本,那么可以跳过
`准备工作`
这一步)。
如果您的机器支持GPU,我们建议下载GPU版本的PaddlePaddle,使用GPU进行训练和预测的效率都比使用CPU要高。
```
shell
# 安装GPU版本的PaddlePaddle
$
pip
install
--upgrade
paddlepaddle-gpu
```
如果您的机器不支持GPU,可以通过下面的命令来安装CPU版本的PaddlePaddle
```
shell
# 安装CPU版本的PaddlePaddle
$
pip
install
--upgrade
paddlepaddle
```
在安装过程中如果遇到问题,您可以到
[
Paddle官方网站
](
http://www.paddlepaddle.org/
)
上查看解决方案。
## 开始Fine-tune
当完成Finetune后,Finetune过程在验证集上表现最优的模型会被保存在
`${CHECKPOINT_DIR}/best_model`
目录下,其中
`${CHECKPOINT_DIR}`
目录为finetune时所选择的保存checkpoint的目录。
在完成安装PaddlePaddle与PaddleHub后,通过执行脚本
`sh run_classifier.sh`
即可开始使用进行finetune。
脚本支持的参数如下:
```
shell
--batch_size
: 批处理大小,请结合显存情况进行调整,若出现显存不足,请适当调低这一参数。默认为16
--num_epoch
: finetune迭代的轮数。默认为1
--module
: 使用哪个Module作为finetune的特征提取器,脚本支持
{
resnet50/resnet101/resnet152/mobilenet/nasnet/pnasnet
}
等模型。默认为resnet50
--checkpoint_dir
: 模型保存路径,PaddleHub会自动保存验证集上表现最好的模型。默认为paddlehub_finetune_ckpt
--dataset
: 使用什么数据集进行finetune, 脚本支持分别是
{
flowers/dogcat/stanforddogs/indoor67/food101
}
。默认为flowers
--use_gpu
: 是否使用GPU进行训练,如果机器支持GPU且安装了GPU版本的PaddlePaddle,我们建议您打开这个开关。默认关闭
--use_data_parallel
: 是否使用数据并行,打开该开关时,会将数据分散到不同的卡上进行训练(CPU下会分布到不同线程)。默认关闭
--use_pyreader
: 是否使用pyreader进行数据喂入。默认关闭
```
## 进行预测
当完成finetune后,finetune过程在验证集上表现最优的模型会被保存在
`${CHECKPOINT_DIR}/best_model`
目录下,其中
`${CHECKPOINT_DIR}`
目录为finetune时所选择的保存checkpoint的目录。
我们使用该模型来进行预测。执行脚本
`sh predict.sh`
即可开始使用进行预测。
脚本支持的参数如下:
我们使用该模型来进行预测。predict.py脚本支持的参数如下:
```
shell
--module
: 使用哪个Module作为finetune的特征提取器,脚本支持
{
resnet50/resnet101/resnet152/mobilenet/nasnet/pnasnet
}
等模型。默认为resnet50
...
...
@@ -198,4 +135,8 @@ $ pip install --upgrade paddlepaddle
--use_pyreader
: 是否使用pyreader进行数据喂入。默认关闭
```
`注意`
:进行预测时,所选择的module,checkpoint_dir,dataset必须和finetune所用的一样
`注意`
:进行预测时,所选择的module,checkpoint_dir,dataset必须和Finetune所用的一样
参数配置正确后,请执行脚本
`sh run_predict.sh`
,即可看到以下图片分类预测结果
如需了解更多预测步骤,请参考
`predict.py`
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录