摘要

https://arxiv.org/pdf/2403.19967
論文主要集中在介紹和分析一種新興的學(xué)習(xí)范式——星操作（Star Operation），這是一種通過元素級乘法融合不同子空間特征的方法，通過元素級乘法（類似于“星”形符號的乘法操作）將不同子空間的特征進(jìn)行融合，從而在多個研究領(lǐng)域中展現(xiàn)出出色的性能和效率。

星操作在自然語言處理（NLP）和計(jì)算機(jī)視覺（CV）等多個領(lǐng)域中都得到了成功應(yīng)用。例如，在自然語言處理中，Monarch Mixer、Mamba、Hyena Hierarchy和GLU等模型都采用了星操作；在計(jì)算機(jī)視覺中，FocalNet、HorNet和VAN等模型也利用了星操作進(jìn)行特征融合。

盡管星操作在多個領(lǐng)域中都取得了顯著成果，但其背后的基本原理尚未得到全面分析和驗(yàn)證。StarNet通過深入探究星操作的細(xì)節(jié)，發(fā)現(xiàn)星操作具有將輸入映射到極高維、非線性特征空間的能力。這種映射方式與傳統(tǒng)增加網(wǎng)絡(luò)寬度的方法不同，而是通過跨通道特征對乘實(shí)現(xiàn)了一種類似于多項(xiàng)式核函數(shù)的非線性高維映射。

當(dāng)將星操作融入神經(jīng)網(wǎng)絡(luò)并堆疊多層時，每一層都使隱含的維度復(fù)雜度呈指數(shù)級增長。這種高效的特征融合方式使得星操作能夠在緊湊的特征空間內(nèi)實(shí)現(xiàn)近乎無限的維度，從而極大地提高了模型的表示能力和性能。

本文使用StarNet模型實(shí)現(xiàn)圖像分類任務(wù)，模型選擇starnet_s1，在植物幼苗分類任務(wù)ACC達(dá)到了95%+。

通過這篇文章能讓你學(xué)到：

1. 如何使用數(shù)據(jù)增強(qiáng)，包括transforms的增強(qiáng)、CutOut、MixUp、CutMix等增強(qiáng)手段？
2. 如何實(shí)現(xiàn)StarNet模型實(shí)現(xiàn)訓(xùn)練？
3. 如何使用pytorch自帶混合精度？
4. 如何使用梯度裁剪防止梯度爆炸？
5. 如何使用DP多顯卡訓(xùn)練？
6. 如何繪制loss和acc曲線？
7. 如何生成val的測評報(bào)告？
8. 如何編寫測試腳本測試測試集？
9. 如何使用余弦退火策略調(diào)整學(xué)習(xí)率？
10. 如何使用AverageMeter類統(tǒng)計(jì)ACC和loss等自定義變量？
11. 如何理解和統(tǒng)計(jì)ACC1和ACC5？
12. 如何使用EMA？

如果基礎(chǔ)薄弱，對上面的這些功能難以理解可以看我的專欄：經(jīng)典主干網(wǎng)絡(luò)精講與實(shí)戰(zhàn)
這個專欄，從零開始時，一步一步的講解這些，讓大家更容易接受。

安裝包

安裝timm

使用pip就行，命令：

pip install timm

mixup增強(qiáng)和EMA用到了timm

數(shù)據(jù)增強(qiáng)Cutout和Mixup

為了提高成績我在代碼中加入Cutout和Mixup這兩種增強(qiáng)方式。實(shí)現(xiàn)這兩種增強(qiáng)需要安裝torchtoolbox。安裝命令：

pip install torchtoolbox

Cutout實(shí)現(xiàn)，在transforms中。

from torchtoolbox.transform import Cutout
# 數(shù)據(jù)預(yù)處理
transform = transforms.Compose([transforms.Resize((224, 224)),Cutout(),transforms.ToTensor(),transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])])

需要導(dǎo)入包：from timm.data.mixup import Mixup，

定義Mixup，和SoftTargetCrossEntropy

  mixup_fn = Mixup(mixup_alpha=0.8, cutmix_alpha=1.0, cutmix_minmax=None,prob=0.1, switch_prob=0.5, mode='batch',label_smoothing=0.1, num_classes=12)criterion_train = SoftTargetCrossEntropy()

Mixup 是一種在圖像分類任務(wù)中常用的數(shù)據(jù)增強(qiáng)技術(shù)，它通過將兩張圖像以及其對應(yīng)的標(biāo)簽進(jìn)行線性組合來生成新的數(shù)據(jù)和標(biāo)簽。
參數(shù)詳解：

mixup_alpha (float): mixup alpha 值，如果 > 0，則 mixup 處于活動狀態(tài)。

cutmix_alpha (float)：cutmix alpha 值，如果 > 0，cutmix 處于活動狀態(tài)。

cutmix_minmax (List[float])：cutmix 最小/最大圖像比率，cutmix 處于活動狀態(tài)，如果不是 None，則使用這個 vs alpha。

如果設(shè)置了 cutmix_minmax 則cutmix_alpha 默認(rèn)為1.0

prob (float): 每批次或元素應(yīng)用 mixup 或 cutmix 的概率。

switch_prob (float): 當(dāng)兩者都處于活動狀態(tài)時切換cutmix 和mixup 的概率 。

mode (str): 如何應(yīng)用 mixup/cutmix 參數(shù)（每個’batch’，‘pair’（元素對），‘elem’（元素）。

correct_lam (bool): 當(dāng) cutmix bbox 被圖像邊框剪裁時應(yīng)用。 lambda 校正

label_smoothing (float)：將標(biāo)簽平滑應(yīng)用于混合目標(biāo)張量。

num_classes (int): 目標(biāo)的類數(shù)。

EMA

EMA（Exponential Moving Average）是指數(shù)移動平均值。在深度學(xué)習(xí)中的做法是保存歷史的一份參數(shù)，在一定訓(xùn)練階段后，拿歷史的參數(shù)給目前學(xué)習(xí)的參數(shù)做一次平滑。具體實(shí)現(xiàn)如下：

import logging
from collections import OrderedDict
from copy import deepcopy
import torch
import torch.nn as nn_logger = logging.getLogger(__name__)class ModelEma:def __init__(self, model, decay=0.9999, device='', resume=''):# make a copy of the model for accumulating moving average of weightsself.ema = deepcopy(model)self.ema.eval()self.decay = decayself.device = device  # perform ema on different device from model if setif device:self.ema.to(device=device)self.ema_has_module = hasattr(self.ema, 'module')if resume:self._load_checkpoint(resume)for p in self.ema.parameters():p.requires_grad_(False)def _load_checkpoint(self, checkpoint_path):checkpoint = torch.load(checkpoint_path, map_location='cpu')assert isinstance(checkpoint, dict)if 'state_dict_ema' in checkpoint:new_state_dict = OrderedDict()for k, v in checkpoint['state_dict_ema'].items():# ema model may have been wrapped by DataParallel, and need module prefixif self.ema_has_module:name = 'module.' + k if not k.startswith('module') else kelse:name = knew_state_dict[name] = vself.ema.load_state_dict(new_state_dict)_logger.info("Loaded state_dict_ema")else:_logger.warning("Failed to find state_dict_ema, starting from loaded model weights")def update(self, model):# correct a mismatch in state dict keysneeds_module = hasattr(model, 'module') and not self.ema_has_modulewith torch.no_grad():msd = model.state_dict()for k, ema_v in self.ema.state_dict().items():if needs_module:k = 'module.' + kmodel_v = msd[k].detach()if self.device:model_v = model_v.to(device=self.device)ema_v.copy_(ema_v * self.decay + (1. - self.decay) * model_v)

加入到模型中。

#初始化
if use_ema:model_ema = ModelEma(model_ft,decay=model_ema_decay,device='cpu',resume=resume)# 訓(xùn)練過程中，更新完參數(shù)后，同步update shadow weights
def train():optimizer.step()if model_ema is not None:model_ema.update(model)# 將model_ema傳入驗(yàn)證函數(shù)中
val(model_ema.ema, DEVICE, test_loader)

針對沒有預(yù)訓(xùn)練的模型，容易出現(xiàn)EMA不上分的情況，這點(diǎn)大家要注意啊！

項(xiàng)目結(jié)構(gòu)

StarNet_Demo
├─data1
│  ├─Black-grass
│  ├─Charlock
│  ├─Cleavers
│  ├─Common Chickweed
│  ├─Common wheat
│  ├─Fat Hen
│  ├─Loose Silky-bent
│  ├─Maize
│  ├─Scentless Mayweed
│  ├─Shepherds Purse
│  ├─Small-flowered Cranesbill
│  └─Sugar beet
├─models
│  └─starnet.py
├─mean_std.py
├─makedata.py
├─train.py
└─test.py

mean_std.py：計(jì)算mean和std的值。
makedata.py：生成數(shù)據(jù)集。
train.py：訓(xùn)練StarNet模型
models：來源官方代碼。

計(jì)算mean和std

為了使模型更加快速的收斂，我們需要計(jì)算出mean和std的值，新建mean_std.py,插入代碼：

from torchvision.datasets import ImageFolder
import torch
from torchvision import transformsdef get_mean_and_std(train_data):train_loader = torch.utils.data.DataLoader(train_data, batch_size=1, shuffle=False, num_workers=0,pin_memory=True)mean = torch.zeros(3)std = torch.zeros(3)for X, _ in train_loader:for d in range(3):mean[d] += X[:, d, :, :].mean()std[d] += X[:, d, :, :].std()mean.div_(len(train_data))std.div_(len(train_data))return list(mean.numpy()), list(std.numpy())if __name__ == '__main__':train_dataset = ImageFolder(root=r'data1', transform=transforms.ToTensor())print(get_mean_and_std(train_dataset))

數(shù)據(jù)集結(jié)構(gòu)：

運(yùn)行結(jié)果：

([0.3281186, 0.28937867, 0.20702125], [0.09407319, 0.09732835, 0.106712654])

把這個結(jié)果記錄下來，后面要用！

生成數(shù)據(jù)集

我們整理還的圖像分類的數(shù)據(jù)集結(jié)構(gòu)是這樣的

data
├─Black-grass
├─Charlock
├─Cleavers
├─Common Chickweed
├─Common wheat
├─Fat Hen
├─Loose Silky-bent
├─Maize
├─Scentless Mayweed
├─Shepherds Purse
├─Small-flowered Cranesbill
└─Sugar beet

pytorch和keras默認(rèn)加載方式是ImageNet數(shù)據(jù)集格式，格式是

├─data
│  ├─val
│  │   ├─Black-grass
│  │   ├─Charlock
│  │   ├─Cleavers
│  │   ├─Common Chickweed
│  │   ├─Common wheat
│  │   ├─Fat Hen
│  │   ├─Loose Silky-bent
│  │   ├─Maize
│  │   ├─Scentless Mayweed
│  │   ├─Shepherds Purse
│  │   ├─Small-flowered Cranesbill
│  │   └─Sugar beet
│  └─train
│      ├─Black-grass
│      ├─Charlock
│      ├─Cleavers
│      ├─Common Chickweed
│      ├─Common wheat
│      ├─Fat Hen
│      ├─Loose Silky-bent
│      ├─Maize
│      ├─Scentless Mayweed
│      ├─Shepherds Purse
│      ├─Small-flowered Cranesbill
│      └─Sugar beet

新增格式轉(zhuǎn)化腳本makedata.py,插入代碼：

import glob
import os
import shutilimage_list=glob.glob('data1/*/*.png')
print(image_list)
file_dir='data'
if os.path.exists(file_dir):print('true')#os.rmdir(file_dir)shutil.rmtree(file_dir)#刪除再建立os.makedirs(file_dir)
else:os.makedirs(file_dir)from sklearn.model_selection import train_test_split
trainval_files, val_files = train_test_split(image_list, test_size=0.3, random_state=42)
train_dir='train'
val_dir='val'
train_root=os.path.join(file_dir,train_dir)
val_root=os.path.join(file_dir,val_dir)
for file in trainval_files:file_class=file.replace("\\","/").split('/')[-2]file_name=file.replace("\\","/").split('/')[-1]file_class=os.path.join(train_root,file_class)if not os.path.isdir(file_class):os.makedirs(file_class)shutil.copy(file, file_class + '/' + file_name)for file in val_files:file_class=file.replace("\\","/").split('/')[-2]file_name=file.replace("\\","/").split('/')[-1]file_class=os.path.join(val_root,file_class)if not os.path.isdir(file_class):os.makedirs(file_class)shutil.copy(file, file_class + '/' + file_name)

完成上面的內(nèi)容就可以開啟訓(xùn)練和測試了。