0
| 本文作者： skura | 2019-10-16 16:46 |
人類并不是完美的，我們經(jīng)常在編寫軟件的時(shí)候犯錯(cuò)誤。有時(shí)這些錯(cuò)誤很容易找到：你的代碼根本不工作，你的應(yīng)用程序會(huì)崩潰。但有些 bug 是隱藏的，很難發(fā)現(xiàn)，這使它們更加危險(xiǎn)。
在處理深度學(xué)習(xí)問題時(shí)，由于某些不確定性，很容易產(chǎn)生此類錯(cuò)誤：很容易看到 web 應(yīng)用的端點(diǎn)路由請(qǐng)求是否正確，但卻不容易檢查梯度下降步驟是否正確。然而，在深度學(xué)習(xí)實(shí)踐例程中有很多 bug 是可以避免的。
我想和大家分享一下我在過去兩年的計(jì)算機(jī)視覺工作中所發(fā)現(xiàn)或產(chǎn)生的錯(cuò)誤的一些經(jīng)驗(yàn)。我在會(huì)議上談到過這個(gè)話題，很多人在會(huì)后告訴我：「是的，老兄，我也有很多這樣的 bug?！刮蚁Ｍ业奈恼履軒椭惚苊馄渲械囊恍﹩栴}。
1.翻轉(zhuǎn)圖像和關(guān)鍵點(diǎn)
假設(shè)有人在研究關(guān)鍵點(diǎn)檢測(cè)問題。它們的數(shù)據(jù)看起來(lái)像一對(duì)圖像和一系列關(guān)鍵點(diǎn)元組，例如 [(0,1),(2,2)]，其中每個(gè)關(guān)鍵點(diǎn)是一對(duì) x 和 y 坐標(biāo)。
讓我們對(duì)這些數(shù)據(jù)編進(jìn)行基本的增強(qiáng)：
def flip_img_and_keypoints(img: np.ndarray, kpts:
Sequence[Sequence[int]]):
img = np.fliplr(img)
h, w, *_ = img.shape
kpts = [(y, w - x) for y, x in kpts]
return img, kpts
上面的代碼看起來(lái)很對(duì)，是不是？接下來(lái)，讓我們對(duì)它進(jìn)行可視化。
image = np.ones((10, 10), dtype=np.float32)
kpts = [(0, 1), (2, 2)]
image_flipped, kpts_flipped = flip_img_and_keypoints(image, kpts)
img1 = image.copy()
for y, x in kpts:
img1[y, x] = 0
img2 = image_flipped.copy()
for y, x in kpts_flipped:
img2[y, x] = 0
_ = plt.imshow(np.hstack((img1, img2)))
這個(gè)圖是不對(duì)稱的，看起來(lái)很奇怪！如果我們檢查極值呢？
image = np.ones((10, 10), dtype=np.float32)
kpts = [(0, 0), (1, 1)]
image_flipped, kpts_flipped = flip_img_and_keypoints(image, kpts)
img1 = image.copy()
for y, x in kpts:
img1[y, x] = 0
img2 = image_flipped.copy()
for y, x in kpts_flipped:
img2[y, x] = 0
-------------------------------------------------------------------- -------
IndexError
Traceback (most recent call last)
<ipython-input-5-997162463eae> in <module>
8 img2 = image_flipped.copy()
9 for y, x in kpts_flipped:
---> 10 img2[y, x] = 0
IndexError: index 10 is out of bounds for axis 1 with size 10
不好！這是一個(gè)典型的錯(cuò)誤。正確的代碼如下：
def flip_img_and_keypoints(img: np.ndarray, kpts: Sequence[Sequence[int]]):
img = np.fliplr(img)
h, w, *_ = img.shape
kpts = [(y, w - x - 1) for y, x in kpts]
return img, kpts
我們已經(jīng)通過可視化檢測(cè)到這個(gè)問題，但是，使用 x=0 點(diǎn)的單元測(cè)試也會(huì)有幫助。一個(gè)有趣的事實(shí)是：我們團(tuán)隊(duì)三個(gè)人（包括我自己）各自獨(dú)立地犯了幾乎相同的錯(cuò)誤。
2.繼續(xù)談?wù)勱P(guān)鍵點(diǎn)
即使上述函數(shù)已修復(fù)，也存在危險(xiǎn)。接下來(lái)更多的是關(guān)于語(yǔ)義，而不僅僅是一段代碼。
假設(shè)一個(gè)人需要用兩只手掌來(lái)增強(qiáng)圖像。看起來(lái)很安全——手在左右翻轉(zhuǎn)后會(huì)還是手。
但是等等！我們對(duì)關(guān)鍵點(diǎn)語(yǔ)義一無(wú)所知。如果關(guān)鍵點(diǎn)真的是這樣的意思呢：
kpts = [
(20, 20), # left pinky
(20, 200), # right pinky
...
]
這意味著增強(qiáng)實(shí)際上改變了語(yǔ)義：left 變?yōu)?right，right 變?yōu)?left，但是我們不交換數(shù)組中的 keypoints 索引。它會(huì)給訓(xùn)練帶來(lái)巨大的噪音和更糟糕的指標(biāo)。
這里應(yīng)該吸取教訓(xùn)：
在應(yīng)用增強(qiáng)或其他特性之前，了解并考慮數(shù)據(jù)結(jié)構(gòu)和語(yǔ)義；
保持你的實(shí)驗(yàn)的獨(dú)立性：添加一個(gè)小的變化（例如，一個(gè)新的轉(zhuǎn)換），檢查它是如何進(jìn)行的，如果分?jǐn)?shù)提高了再合并。
3.自定義損失函數(shù)
熟悉語(yǔ)義分割問題的人可能知道 IoU (intersection over union)度量。不幸的是，我們不能直接用 SGD 來(lái)優(yōu)化它，所以一個(gè)常見的技巧是用可微損失函數(shù)來(lái)逼近它。讓我們編寫相關(guān)代碼！
def iou_continuous_loss(y_pred, y_true):
eps = 1e-6
def _sum(x):
return x.sum(-1).sum(-1)
numerator = (_sum(y_true * y_pred) + eps)
denominator = (_sum(y_true ** 2) + _sum(y_pred ** 2) -
_sum(y_true * y_pred) + eps)
return (numerator / denominator).mean()
看起來(lái)很不錯(cuò)，讓我們做一個(gè)小小的檢查：
In [3]: ones = np.ones((1, 3, 10, 10))
...: x1 = iou_continuous_loss(ones * 0.01, ones)
...: x2 = iou_continuous_loss(ones * 0.99, ones)
In [4]: x1, x2
Out[4]: (0.010099999897990103, 0.9998990001020204)
在 x1 中，我們計(jì)算了與標(biāo)準(zhǔn)答案完全不同的損失，x2 是非常接近標(biāo)準(zhǔn)答案的函數(shù)的結(jié)果。我們預(yù)計(jì) x1 會(huì)很大，因?yàn)轭A(yù)測(cè)結(jié)果并不好，x2 應(yīng)該接近于零。這其中發(fā)生了什么？
上面的函數(shù)是度量的一個(gè)很好的近似。度量不是損失：它通常越高越好。因?yàn)槲覀円?SGD 把損失降到最低，我們真的應(yīng)該采用用相反的方法：
v> def iou_continuous(y_pred, y_true):
eps = 1e-6
def _sum(x):
return x.sum(-1).sum(-1)
numerator = (_sum(y_true * y_pred) + eps)
denominator = (_sum(y_true ** 2) + _sum(y_pred ** 2)
- _sum(y_true * y_pred) + eps)
return (numerator / denominator).mean()
def iou_continuous_loss(y_pred, y_true):
return 1 - iou_continuous(y_pred, y_true)
這些問題可以通過兩種方式確定：
編寫一個(gè)單元測(cè)試來(lái)檢查損失的方向：形式化地表示一個(gè)期望，即更接近實(shí)際的東西應(yīng)該輸出更低的損失；
做一個(gè)全面的檢查，嘗試過擬合你的模型的 batch。
4.使用 Pytorch
假設(shè)一個(gè)人有一個(gè)預(yù)先訓(xùn)練好的模型，并且是一個(gè)時(shí)序模型。我們基于 ceevee api 編寫預(yù)測(cè)類。
from ceevee.base import AbstractPredictor
class MySuperPredictor(AbstractPredictor):
def __init__(self, weights_path: str, ):
super().__init__()
self.model = self._load_model(weights_path=weights_path)
def process(self, x, *kw):
with torch.no_grad():
res = self.model(x)
return res
@staticmethod
def _load_model(weights_path):
model = ModelClass()
weights = torch.load(weights_path, map_location='cpu')
model.load_state_dict(weights)
return model
這個(gè)密碼正確嗎？也許吧！對(duì)某些模型來(lái)說確實(shí)是正確的。例如，當(dāng)模型沒有規(guī)范層時(shí)，例如 torch.nn.BatchNorm2d；或者當(dāng)模型需要為每個(gè)圖像使用實(shí)際的 norm 統(tǒng)計(jì)信息時(shí)（例如，許多基于 pix2pix 的架構(gòu)需要它）。
但是對(duì)于大多數(shù)計(jì)算機(jī)視覺應(yīng)用程序來(lái)說，代碼遺漏了一些重要的東西：切換到評(píng)估模式。
如果試圖將動(dòng)態(tài) pytorch 圖轉(zhuǎn)換為靜態(tài) pytorch 圖，則很容易識(shí)別此問題。有一個(gè) torch.jit 模塊是用于這種轉(zhuǎn)換的。
一個(gè)簡(jiǎn)單的修復(fù)：
In [4]: model = nn.Sequential(
...: nn.Linear(10, 10),
..: nn.Dropout(.5)
...: )
...:
...: traced_model = torch.jit.trace(model.eval(), torch.rand(10))
# No more warnings!
此時(shí)，torch.jit.trace 多次運(yùn)行模型并比較結(jié)果。這里看起來(lái)似乎沒有區(qū)別。
然而，這里的 torch.jit.trace 不是萬(wàn)能的。這是一種應(yīng)該知道并記住的細(xì)微差別。
5.復(fù)制粘貼問題
很多東西都是成對(duì)存在的：訓(xùn)練和驗(yàn)證、寬度和高度、緯度和經(jīng)度……如果仔細(xì)閱讀，你可以很容易地發(fā)現(xiàn)由一對(duì)成員之間的復(fù)制粘貼引起的錯(cuò)誤：
v> def make_dataloaders(train_cfg, val_cfg, batch_size):
train = Dataset.from_config(train_cfg)
val = Dataset.from_config(val_cfg)
shared_params = {'batch_size': batch_size, 'shuffle': True,
'num_workers': cpu_count()}
train = DataLoader(train, **shared_params)
val = DataLoader(train, **shared_params)
return train, val
不僅僅是我犯了愚蠢的錯(cuò)誤。在流行庫(kù)中也有類似的錯(cuò)誤。
#
https://github.com/albu/albumentations/blob/0.3.0/albumentations/aug mentations/transforms.py
def apply_to_keypoint(self, keypoint, crop_height=0, crop_width=0, h_start=0, w_start= 0, rows=0, cols=0, **params):
keypoint = F.keypoint_random_crop(keypoint, crop_height, crop_width, h_start, w_start, rows, cols)
scale_x = self.width / crop_height
scale_y = self.height / crop_height
keypoint = F.keypoint_scale(keypoint, scale_x, scale_y) return keypoint
別擔(dān)心，這個(gè)錯(cuò)誤已經(jīng)修復(fù)了。如何避免？不要復(fù)制粘貼代碼，盡量以不要以復(fù)制粘貼的方式進(jìn)行編碼。
datasets = []
data_a = get_dataset(MyDataset(config['dataset_a']), config['shared_param'], param_a) datasets.append(data_a)
data_b = get_dataset(MyDataset(config['dataset_b']), config['shared_param'], param_b) datasets.append(data_b)
datasets = []
for name, param in zip(('dataset_a', 'dataset_b'), (param_a, param_b), ):
datasets.append(get_dataset(MyDataset(config[name]), config['shared_param'], param))
6.合適的數(shù)據(jù)類型
讓我們?cè)僮鲆粋€(gè)增強(qiáng)：
def add_noise(img: np.ndarray) -> np.ndarray:
mask = np.random.rand(*img.shape) + .5
img = img.astype('float32') * mask
return img.astype('uint8')
圖像已經(jīng)改變了。這是我們期望的嗎？嗯，也許改變太多了。
這里有一個(gè)危險(xiǎn)的操作：將 float32 轉(zhuǎn)到 uint8。這可能導(dǎo)致溢出：
def add_noise(img: np.ndarray) -> np.ndarray:
mask = np.random.rand(*img.shape) + .5
img = img.astype('float32') * mask
return np.clip(img, 0, 255).astype('uint8')
img = add_noise(cv2.imread('two_hands.jpg')[:, :, ::-1]) _ = plt.imshow(img)
看起來(lái)好多了，是吧？
順便說一句，還有一個(gè)方法可以避免這個(gè)問題：不要重新發(fā)明輪子，可以在前人的基礎(chǔ)上，修改代碼。例如：albumentations.augmentations.transforms.GaussNoise 。
我又產(chǎn)生了同樣來(lái)源的 bug。
這里出了什么問題？首先，使用三次插值調(diào)整 mask 的大小是個(gè)壞主意。將 float32 轉(zhuǎn)換為 uint8 也存在同樣的問題：三次插值可以輸出大于輸入的值，并導(dǎo)致溢出。
我發(fā)現(xiàn)了這個(gè)問題。在你的循環(huán)里面有斷言也是一個(gè)好主意。
7.打字錯(cuò)誤
假設(shè)需要對(duì)全卷積網(wǎng)絡(luò)（如語(yǔ)義分割問題）和一幅巨大的圖像進(jìn)行處理。圖像太大了，你沒有機(jī)會(huì)把它放進(jìn)你的 gpu 中——例如，它可以是一個(gè)醫(yī)學(xué)或衛(wèi)星圖像。
在這種情況下，可以將圖像分割成一個(gè)網(wǎng)格，獨(dú)立地對(duì)每一塊進(jìn)行推理，最后合并。另外，一些預(yù)測(cè)交集可以用來(lái)平滑邊界附近的偽影。
我們來(lái)編碼吧！
from tqdm import tqdm
class GridPredictor:
""" This class can be used to predict a segmentation mask for the big image when you have GPU memory limitation """
def __init__(self, predictor: AbstractPredictor, size: int, stride: Optional[int] = None): self.predictor = predictor
self.size = size
self.stride = stride if stride is not None else size // 2
def __call__(self, x: np.ndarray):
h, w, _ = x.shape
mask = np.zeros((h, w, 1), dtype='float32')
weights = mask.copy()
for i in tqdm(range(0, h - 1, self.stride)):
for j in range(0, w - 1, self.stride):
a, b, c, d = i, min(h, i + self.size), j, min(w, j + self.size)
patch = x[a:b, c:d, :]
mask[a:b, c:d, :] += np.expand_dims(self.predictor(patch), -1) weights[a:b, c:d, :] = 1
return mask / weights
有一個(gè)符號(hào)輸入錯(cuò)誤，代碼片段足夠大，因此可以很容易地找到它。我懷疑僅僅通過代碼就可以快速識(shí)別它，很容易檢查代碼是否正確：
class Model(nn.Module):
def forward(self, x):
return x.mean(axis=-1)
model = Model()
grid_predictor = GridPredictor(model, size=128, stride=64)
simple_pred = np.expand_dims(model(img), -1)
grid_pred = grid_predictor(img)
np.testing.assert_allclose(simple_pred, grid_pred, atol=.001)
調(diào)用方法的正確版本如下：
def __call__(self, x: np.ndarray):
h, w, _ = x.shape
mask = np.zeros((h, w, 1), dtype='float32')
weights = mask.copy()
for i in tqdm(range(0, h - 1, self.stride)):
for j in range(0, w - 1, self.stride): a, b, c, d = i, min(h, i + self.size), j, min(w, j + self.size)
patch = x[a:b, c:d, :]
mask[a:b, c:d, :] += np.expand_dims(self.predictor(patch), -1)
weights[a:b, c:d, :] += 1
return mask / weights
如果你仍然沒有看出問題所在，請(qǐng)注意線寬 [a:b，c:d，：]+=1。
8.ImageNet 規(guī)范化
當(dāng)一個(gè)人需要進(jìn)行遷移學(xué)習(xí)時(shí)，通常最好像訓(xùn)練 ImageNet 時(shí)那樣對(duì)圖像進(jìn)行標(biāo)準(zhǔn)化。
讓我們使用我們已經(jīng)熟悉的 albumentations 庫(kù)。
from albumentations import Normalize
norm = Normalize()
img = cv2.imread('img_small.jpg')
mask = cv2.imread('mask_small.png', cv2.IMREAD_GRAYSCALE)
mask = np.expand_dims(mask, -1) # shape (64, 64) -> shape (64, 64, 1)
normed = norm(image=img, mask=mask)
img, mask = [normed[x] for x in ['image', 'mask']]
def img_to_batch(x):
x = np.transpose(x, (2, 0, 1)).astype('float32')
return torch.from_numpy(np.expand_dims(x, 0))
img, mask = map(img_to_batch, (img, mask))
criterion = F.binary_cross_entropy
現(xiàn)在是時(shí)候訓(xùn)練一個(gè)網(wǎng)絡(luò)并使其過擬合某一張圖像了——正如我所提到的，這是一種很好的調(diào)試技術(shù)：
model_a = UNet(3, 1)
optimizer = torch.optim.Adam(model_a.parameters(), lr=1e-3)
losses = []
for t in tqdm(range(20)):
loss = criterion(model_a(img), mask)
losses.append(loss.item())
optimizer.zero_grad()
loss.backward()
optimizer.step()
_ = plt.plot(losses)
曲率看起來(lái)很好，但交叉熵的損失值預(yù)計(jì)不會(huì)是 -300。這是怎么了？
圖像的標(biāo)準(zhǔn)化效果很好，需要手動(dòng)將其縮放到 [0，1]。
model_b = UNet(3, 1)
optimizer = torch.optim.Adam(model_b.parameters(), lr=1e-3)
losses = []
for t in tqdm(range(20)):
loss = criterion(model_b(img), mask / 255.)
losses.append(loss.item())
optimizer.zero_grad()
loss.backward()
optimizer.step()
_ = plt.plot(losses)
訓(xùn)練循環(huán)中一個(gè)簡(jiǎn)單的斷言（例如 assert mask.max（）<=1）會(huì)很快檢測(cè)到問題。同樣，單元測(cè)試也可以檢測(cè)到問題。
總而言之：
測(cè)試很重要；
運(yùn)行斷言可以用于訓(xùn)練管道；
可視化是一種不錯(cuò)的手段；
抄襲是一種詛咒；
沒有什么是靈丹妙藥，機(jī)器學(xué)習(xí)工程師必須時(shí)刻小心。
雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
