先說說數據增強
大規模數據集是成功應用深度神經網絡的前提。圖像增廣（image augmentation）技術通過對訓練圖像做一系列隨機改變，來產生相似但又不同的訓練樣本，從而擴大訓練數據集的規模。圖像增廣的另一種解釋是，隨機改變訓練樣本可以降低模型對某些屬性的依賴，從而提高模型的泛化能力。例如，我們可以對圖像進行不同方式的裁剪，使感興趣的物體出現在不同位置，從而減輕模型對物體出現位置的依賴性。我們也可以調整亮度、色彩等因素來降低模型對色彩的敏感度。可以說，在當年AlexNet的成功中，圖像增廣技術功不可沒。
顯示圖像：

def show_images(imgs, num_rows, num_cols, scale=2):
    figsize = (num_cols * scale, num_rows * scale)
    _, axes = d2l.plt.subplots(num_rows, num_cols, figsize=figsize)
    for i in range(num_rows):
        for j in range(num_cols):
            axes[i][j].imshow(imgs[i * num_cols + j])
            axes[i][j].axes.get_xaxis().set_visible(False)
            axes[i][j].axes.get_yaxis().set_visible(False)
    return axes

構造輔助函數：

def apply(img, aug, num_rows=2, num_cols=4, scale=1.5):
    Y = [aug(img) for _ in range(num_rows * num_cols)]
    show_images(Y, num_rows, num_cols, scale)

翻轉和裁剪

左右翻轉圖像通常不改變物體的類別。它是最早也是最廣泛使用的一種圖像增廣方法。下面我們通過torchvision.transforms模塊創建RandomHorizontalFlip實例來實現一半概率的圖像水平（左右）翻轉。
apply(img, torchvision.transforms.RandomHorizontalFlip())

上下翻轉不如左右翻轉通用。但是至少對于樣例圖像，上下翻轉不會造成識別障礙。下面我們創建RandomVerticalFlip實例來實現一半概率的圖像垂直（上下）翻轉。
apply(img, torchvision.transforms.RandomVerticalFlip())

augs = torchvision.transforms.Compose([
    torchvision.transforms.RandomHorizontalFlip(), color_aug, shape_aug])
apply(img, augs)

• 為了在預測時得到確定的結果，我們通常只將圖像增廣應用在訓練樣本上，而不在預測時使用含隨機操作的圖像增廣。在這里我們只使用最簡單的隨機左右翻轉。此外，我們使用ToTensor將小批量圖像轉成PyTorch需要的格式，即形狀為(批量大小, 通道數, 高, 寬)、值域在0到1之間且類型為32位浮點數。

flip_aug = torchvision.transforms.Compose([
     torchvision.transforms.RandomHorizontalFlip(),
     torchvision.transforms.ToTensor()])

no_aug = torchvision.transforms.Compose([
     torchvision.transforms.ToTensor()])
num_workers = 0 if sys.platform.startswith('win32') else 4
def load_cifar10(is_train, augs, batch_size, root=CIFAR_ROOT_PATH):
    dataset = torchvision.datasets.CIFAR10(root=root, train=is_train, transform=augs, download=False)
    return DataLoader(dataset, batch_size=batch_size, shuffle=is_train, num_workers=num_workers)
def train_with_data_aug(train_augs, test_augs, lr=0.001):
# 設計方法使得訓練圖像進行aug圖像處理
    batch_size, net = 256, d2l.resnet18(10)
    optimizer = torch.optim.Adam(net.parameters(), lr=lr)
    loss = torch.nn.CrossEntropyLoss()
    train_iter = load_cifar10(True, train_augs, batch_size)
    test_iter = load_cifar10(False, test_augs, batch_size)
    train(train_iter, test_iter, net, loss, optimizer, device, num_epochs=10)

模型微調

在前面的一些章節中，我們介紹了如何在只有6萬張圖像的Fashion-MNIST訓練數據集上訓練模型。我們還描述了學術界當下使用最廣泛的大規模圖像數據集ImageNet，它有超過1,000萬的圖像和1,000類的物體。然而，我們平常接觸到數據集的規模通常在這兩者之間。

假設我們想從圖像中識別出不同種類的椅子，然后將購買鏈接推薦給用戶。一種可能的方法是先找出100種常見的椅子，為每種椅子拍攝1,000張不同角度的圖像，然后在收集到的圖像數據集上訓練一個分類模型。這個椅子數據集雖然可能比Fashion-MNIST數據集要龐大，但樣本數仍然不及ImageNet數據集中樣本數的十分之一。這可能會導致適用于ImageNet數據集的復雜模型在這個椅子數據集上過擬合。同時，因為數據量有限，最終訓練得到的模型的精度也可能達不到實用的要求。

為了應對上述問題，一個顯而易見的解決辦法是收集更多的數據。然而，收集和標注數據會花費大量的時間和資金。例如，為了收集ImageNet數據集，研究人員花費了數百萬美元的研究經費。雖然目前的數據采集成本已降低了不少，但其成本仍然不可忽略。

另外一種解決辦法是應用遷移學習（transfer learning），將從源數據集學到的知識遷移到目標數據集上。例如，雖然ImageNet數據集的圖像大多跟椅子無關，但在該數據集上訓練的模型可以抽取較通用的圖像特征，從而能夠幫助識別邊緣、紋理、形狀和物體組成等。這些類似的特征對于識別椅子也可能同樣有效。

本節我們介紹遷移學習中的一種常用技術：微調（fine tuning）。如圖9.1所示，微調由以下4步構成。

1. 在源數據集（如ImageNet數據集）上預訓練一個神經網絡模型，即源模型。
2. 創建一個新的神經網絡模型，即目標模型。它復制了源模型上除了輸出層外的所有模型設計及其參數。我們假設這些模型參數包含了源數據集上學習到的知識，且這些知識同樣適用于目標數據集。我們還假設源模型的輸出層跟源數據集的標簽緊密相關，因此在目標模型中不予采用。
3. 為目標模型添加一個輸出大小為目標數據集類別個數的輸出層，并隨機初始化該層的模型參數。
4. 在目標數據集（如椅子數據集）上訓練目標模型。我們將從頭訓練輸出層，而其余層的參數都是基于源模型的參數微調得到的。

微調

舉個例子

我們將基于一個小數據集對在ImageNet數據集上訓練好的ResNet模型進行微調。該小數據集含有數千張包含熱狗和不包含熱狗的圖像。我們將使用微調得到的模型來識別一張圖像中是否包含熱狗。

首先，導入實驗所需的包或模塊。torchvision的models包提供了常用的預訓練模型。如果希望獲取更多的預訓練模型，可以使用使用pretrained-models.pytorch倉庫。

完整代碼：

%matplotlib inline
import torch
from torch import nn, optim
from torch.utils.data import Dataset, DataLoader
import torchvision
from torchvision.datasets import ImageFolder
from torchvision import transforms
from torchvision import models
import os

import sys

sys.path.append("/home/kesci/input/")
import d2lzh1981 as d2l

os.environ["CUDA_VISIBLE_DEVICES"] = "0"
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

使用的熱狗數據集（點擊下載）是從網上抓取的，它含有1400張包含熱狗的正類圖像，和同樣多包含其他食品的負類圖像。各類的1000張圖像被用于訓練，其余則用于測試。

我們首先將壓縮后的數據集下載到路徑data_dir之下，然后在該路徑將下載好的數據集解壓，得到兩個文件夾hotdog/train和hotdog/test。這兩個文件夾下面均有hotdog和not-hotdog兩個類別文件夾，每個類別文件夾里面是圖像文件。
我們創建兩個ImageFolder實例來分別讀取訓練數據集和測試數據集中的所有圖像文件。

import os
os.listdir('/home/kesci/input/resnet185352')
data_dir = '/home/kesci/input/hotdog4014'
os.listdir(os.path.join(data_dir, "hotdog"))
train_imgs = ImageFolder(os.path.join(data_dir, 'hotdog/train'))
test_imgs = ImageFolder(os.path.join(data_dir, 'hotdog/test'))
hotdogs = [train_imgs[i][0] for i in range(8)]
not_hotdogs = [train_imgs[-i - 1][0] for i in range(8)]
d2l.show_images(hotdogs + not_hotdogs, 2, 8, scale=1.4);

在訓練時，我們先從圖像中裁剪出隨機大小和隨機高寬比的一塊隨機區域，然后將該區域縮放為高和寬均為224像素的輸入。測試時，我們將圖像的高和寬均縮放為256像素，然后從中裁剪出高和寬均為224像素的中心區域作為輸入。此外，我們對RGB（紅、綠、藍）三個顏色通道的數值做標準化：每個數值減去該通道所有數值的平均值，再除以該通道所有數值的標準差作為輸出。

注: 在使用預訓練模型時，一定要和預訓練時作同樣的預處理。

normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
train_augs = transforms.Compose([
        transforms.RandomResizedCrop(size=224),
        transforms.RandomHorizontalFlip(),
        transforms.ToTensor(),
        normalize
    ])

test_augs = transforms.Compose([
        transforms.Resize(size=256),
        transforms.CenterCrop(size=224),
        transforms.ToTensor(),
        normalize
    ])

定義和初始化模型

我們使用在ImageNet數據集上預訓練的ResNet-18作為源模型。這里指定pretrained=True來自動下載并加載預訓練的模型參數。在第一次使用時需要聯網下載模型參數。

pretrained_net = models.resnet18(pretrained=False)
pretrained_net.load_state_dict(torch.load('/home/kesci/input/resnet185352/resnet18-5c106cde.pth'))

下面打印源模型的成員變量fc。作為一個全連接層，它將ResNet最終的全局平均池化層輸出變換成ImageNet數據集上1000類的輸出。
print(pretrained_net.fc)

注: 如果你使用的是其他模型，那可能沒有成員變量fc（比如models中的VGG預訓練模型），所以正確做法是查看對應模型源碼中其定義部分，這樣既不會出錯也能加深我們對模型的理解。pretrained-models.pytorch倉庫貌似統一了接口，但是我還是建議使用時查看一下對應模型的源碼。

可見此時pretrained_net最后的輸出個數等于目標數據集的類別數1000。所以我們應該將最后的fc成修改我們需要的輸出類別數:

pretrained_net.fc = nn.Linear(512, 2)
print(pretrained_net.fc)

Linear(in_features=512, out_features=2, bias=True)

此時，pretrained_net的fc層就被隨機初始化了，但是其他層依然保存著預訓練得到的參數。由于是在很大的ImageNet數據集上預訓練的，所以參數已經足夠好，因此一般只需使用較小的學習率來微調這些參數，而fc中的隨機初始化參數一般需要更大的學習率從頭訓練。PyTorch可以方便的對模型的不同部分設置不同的學習參數，我們在下面代碼中將fc的學習率設為已經預訓練過的部分的10倍。

output_params = list(map(id, pretrained_net.fc.parameters()))
feature_params = filter(lambda p: id(p) not in output_params, pretrained_net.parameters())

lr = 0.01
optimizer = optim.SGD([{'params': feature_params},
                       {'params': pretrained_net.fc.parameters(), 'lr': lr * 10}],
                       lr=lr, weight_decay=0.001)
# 模型微調
def train_fine_tuning(net, optimizer, batch_size=128, num_epochs=5):
    train_iter = DataLoader(ImageFolder(os.path.join(data_dir, 'hotdog/train'), transform=train_augs),
                            batch_size, shuffle=True)
    test_iter = DataLoader(ImageFolder(os.path.join(data_dir, 'hotdog/test'), transform=test_augs),
                           batch_size)
    loss = torch.nn.CrossEntropyLoss()
    d2l.train(train_iter, test_iter, net, loss, optimizer, device, num_epochs)