开发者指南 / 迁移学习和微调

迁移学习和微调

作者: fchollet
创建日期 2020/04/15
最后修改 2023/06/25
描述:Keras 中迁移学习和微调的完整指南。

在 Colab 中查看 GitHub 源代码


设置

import numpy as np
import keras
from keras import layers
import tensorflow_datasets as tfds
import matplotlib.pyplot as plt

介绍

迁移学习是指将在一个问题上学习到的特征应用到另一个类似的问题上。例如,从识别浣熊的模型中学习到的特征可能有助于启动一个旨在识别狸猫的模型。

迁移学习通常用于数据集太小而无法从头开始训练完整模型的任务。

在深度学习的背景下,迁移学习最常见的体现形式是以下工作流程

  1. 从先前训练的模型中获取层。
  2. 冻结它们,以避免在未来的训练回合中破坏它们包含的任何信息。
  3. 在冻结层之上添加一些新的可训练层。它们将学习将旧特征转换为新数据集上的预测。
  4. 在您的数据集上训练新层。

最后,可选步骤是微调,它包括解冻上面获得的整个模型(或部分模型),并在新数据上以非常低的学习率重新训练它。这可能会通过逐步调整预训练特征以适应新数据来实现有意义的改进。

首先,我们将详细介绍 Keras 的 `trainable` API,它支持大多数迁移学习和微调工作流程。

然后,我们将通过获取在 ImageNet 数据集上预训练的模型,并将其重新训练在 Kaggle “猫与狗” 分类数据集上,来演示典型的工作流程。

这改编自 使用 Python 进行深度学习 和 2016 年的博客文章 "使用很少的数据构建强大的图像分类模型"


冻结层:了解 `trainable` 属性

层和模型具有三个权重属性

  • `weights` 是层的所有权重变量列表。
  • `trainable_weights` 是旨在更新(通过梯度下降)以在训练期间最小化损失的变量列表。
  • `non_trainable_weights` 是指那些不打算训练的变量列表。它们通常由模型在正向传递过程中更新。

示例:`Dense` 层具有 2 个可训练权重(内核和偏差)

layer = keras.layers.Dense(3)
layer.build((None, 4))  # Create the weights

print("weights:", len(layer.weights))
print("trainable_weights:", len(layer.trainable_weights))
print("non_trainable_weights:", len(layer.non_trainable_weights))
weights: 2
trainable_weights: 2
non_trainable_weights: 0

通常,所有权重都是可训练权重。唯一具有非可训练权重的内置层是 `BatchNormalization` 层。它使用非可训练权重来跟踪训练期间输入的均值和方差。要了解如何在自己的自定义层中使用非可训练权重,请参阅 从头开始编写新层的指南

示例:`BatchNormalization` 层具有 2 个可训练权重和 2 个非可训练权重

layer = keras.layers.BatchNormalization()
layer.build((None, 4))  # Create the weights

print("weights:", len(layer.weights))
print("trainable_weights:", len(layer.trainable_weights))
print("non_trainable_weights:", len(layer.non_trainable_weights))
weights: 4
trainable_weights: 2
non_trainable_weights: 2

层和模型还具有一个布尔属性 `trainable`。它的值可以更改。将 `layer.trainable` 设置为 `False` 会将层的所有权重从可训练权重移到非可训练权重。这称为“冻结”层:冻结层的状态不会在训练期间更新(无论是使用 `fit()` 训练还是使用依赖于 `trainable_weights` 来应用梯度更新的任何自定义循环训练)。

示例:将 `trainable` 设置为 `False`

layer = keras.layers.Dense(3)
layer.build((None, 4))  # Create the weights
layer.trainable = False  # Freeze the layer

print("weights:", len(layer.weights))
print("trainable_weights:", len(layer.trainable_weights))
print("non_trainable_weights:", len(layer.non_trainable_weights))
weights: 2
trainable_weights: 0
non_trainable_weights: 2

当可训练权重变为非可训练权重时,它的值不再在训练期间更新。

# Make a model with 2 layers
layer1 = keras.layers.Dense(3, activation="relu")
layer2 = keras.layers.Dense(3, activation="sigmoid")
model = keras.Sequential([keras.Input(shape=(3,)), layer1, layer2])

# Freeze the first layer
layer1.trainable = False

# Keep a copy of the weights of layer1 for later reference
initial_layer1_weights_values = layer1.get_weights()

# Train the model
model.compile(optimizer="adam", loss="mse")
model.fit(np.random.random((2, 3)), np.random.random((2, 3)))

# Check that the weights of layer1 have not changed during training
final_layer1_weights_values = layer1.get_weights()
np.testing.assert_allclose(
    initial_layer1_weights_values[0], final_layer1_weights_values[0]
)
np.testing.assert_allclose(
    initial_layer1_weights_values[1], final_layer1_weights_values[1]
)
 1/1 ━━━━━━━━━━━━━━━━━━━━ 1s 766ms/step - loss: 0.0615

不要将 `layer.trainable` 属性与 `layer.__call__()` 中的参数 `training` 混淆(它控制层是否应该以推理模式或训练模式运行其正向传递)。有关更多信息,请参阅 Keras 常见问题解答


`trainable` 属性的递归设置

如果在模型或任何具有子层的层上设置 `trainable = False`,所有子层也会变为非可训练。

示例

inner_model = keras.Sequential(
    [
        keras.Input(shape=(3,)),
        keras.layers.Dense(3, activation="relu"),
        keras.layers.Dense(3, activation="relu"),
    ]
)

model = keras.Sequential(
    [
        keras.Input(shape=(3,)),
        inner_model,
        keras.layers.Dense(3, activation="sigmoid"),
    ]
)

model.trainable = False  # Freeze the outer model

assert inner_model.trainable == False  # All layers in `model` are now frozen
assert inner_model.layers[0].trainable == False  # `trainable` is propagated recursively

典型的迁移学习工作流程

这将我们引向如何在 Keras 中实现典型迁移学习工作流程

  1. 实例化一个基础模型,并将预训练权重加载到其中。
  2. 通过设置 `trainable = False` 来冻结基础模型中的所有层。
  3. 在基础模型中一个(或多个)层的输出之上创建新模型。
  4. 在您的新数据集上训练您的新模型。

请注意,另一种更轻量级的方案也可以是

  1. 实例化一个基础模型,并将预训练权重加载到其中。
  2. 将您的新数据集传递到模型中,并记录基础模型中一个(或多个)层的输出。这称为特征提取
  3. 使用该输出作为新的小型模型的输入数据。

第二种方案的主要优点是您只需对数据运行一次基础模型,而不是在每个训练时期运行一次。因此它要快得多且成本更低。

但是,第二种方案的问题是它不允许您在训练期间动态修改新模型的输入数据,而这是在进行数据增强时所必需的。迁移学习通常用于数据集太小而无法从头开始训练完整模型的任务,在这种情况下,数据增强非常重要。因此,在接下来的内容中,我们将重点介绍第一个工作流程。

以下是第一个工作流程在 Keras 中的实现方式

首先,实例化一个具有预训练权重的基础模型。

base_model = keras.applications.Xception(
    weights='imagenet',  # Load weights pre-trained on ImageNet.
    input_shape=(150, 150, 3),
    include_top=False)  # Do not include the ImageNet classifier at the top.

然后,冻结基础模型。

base_model.trainable = False

在上面创建一个新模型。

inputs = keras.Input(shape=(150, 150, 3))
# We make sure that the base_model is running in inference mode here,
# by passing `training=False`. This is important for fine-tuning, as you will
# learn in a few paragraphs.
x = base_model(inputs, training=False)
# Convert features of shape `base_model.output_shape[1:]` to vectors
x = keras.layers.GlobalAveragePooling2D()(x)
# A Dense classifier with a single unit (binary classification)
outputs = keras.layers.Dense(1)(x)
model = keras.Model(inputs, outputs)

在新的数据上训练模型。

model.compile(optimizer=keras.optimizers.Adam(),
              loss=keras.losses.BinaryCrossentropy(from_logits=True),
              metrics=[keras.metrics.BinaryAccuracy()])
model.fit(new_dataset, epochs=20, callbacks=..., validation_data=...)

微调

一旦您的模型在新的数据上收敛,您可以尝试解冻基础模型的全部或部分,并以非常低的学习率重新训练整个模型。

这是一个可选的最后步骤,它可能会为您带来增量改进。它也可能导致快速过拟合——请牢记这一点。

至关重要的是,只有在具有冻结层的模型训练收敛后才执行此步骤。如果您将随机初始化的可训练层与包含预训练特征的可训练层混合在一起,随机初始化的层将在训练期间导致非常大的梯度更新,这将破坏您的预训练特征。

在此阶段使用非常低的学习率也很重要,因为您是在比第一轮训练更大的模型上,对通常非常小的数据集进行训练。因此,如果您应用较大的权重更新,您有快速过拟合的风险。在这里,您只需要以增量方式重新调整预训练权重。

这是实现整个基础模型微调的方法

# Unfreeze the base model
base_model.trainable = True

# It's important to recompile your model after you make any changes
# to the `trainable` attribute of any inner layer, so that your changes
# are take into account
model.compile(optimizer=keras.optimizers.Adam(1e-5),  # Very low learning rate
              loss=keras.losses.BinaryCrossentropy(from_logits=True),
              metrics=[keras.metrics.BinaryAccuracy()])

# Train end-to-end. Be careful to stop before you overfit!
model.fit(new_dataset, epochs=10, callbacks=..., validation_data=...)

关于 `compile()` 和 `trainable` 的重要说明

在模型上调用 `compile()` 旨在“冻结”该模型的行为。这意味着在编译模型时 `trainable` 属性值应在整个模型生命周期内保持不变,直到再次调用 `compile`。因此,如果您更改了任何 `trainable` 值,请确保再次在您的模型上调用 `compile()` 以使您的更改生效。

关于 `BatchNormalization` 层的重要说明

许多图像模型包含 `BatchNormalization` 层。该层在每个可想而知的方面都是一个特例。以下是一些需要牢记的事项。

  • `BatchNormalization` 包含 2 个在训练期间更新的非可训练权重。这些是跟踪输入的均值和方差的变量。
  • 当您设置 `bn_layer.trainable = False` 时,`BatchNormalization` 层将在推理模式下运行,并且不会更新其均值和方差统计信息。对于其他层来说,情况并非如此,因为 权重可训练性和推理/训练模式是两个正交的概念。但在 `BatchNormalization` 层的情况下,两者是相关的。
  • 当您解冻包含 `BatchNormalization` 层的模型以进行微调时,您应该通过在调用基础模型时传递 `training=False` 来将 `BatchNormalization` 层保持在推理模式下。否则,应用于非可训练权重的更新将突然破坏模型所学到的东西。

您将在本指南末尾的端到端示例中看到这种模式。


端到端示例:在猫与狗数据集上微调图像分类模型

为了巩固这些概念,我们将带您完成一个具体的端到端迁移学习和微调示例。我们将加载在 ImageNet 上预训练的 Xception 模型,并在 Kaggle “猫与狗” 分类数据集上使用它。

获取数据

首先,让我们使用 TFDS 获取猫狗数据集。如果您有自己的数据集,您可能需要使用实用程序 keras.utils.image_dataset_from_directory 从磁盘上特定类别文件夹中的一组图像生成类似的标记数据集对象。

迁移学习在处理非常小的数据集时最为有用。为了使数据集保持较小,我们将使用原始训练数据(25,000 张图像)的 40% 用于训练,10% 用于验证,10% 用于测试。

tfds.disable_progress_bar()

train_ds, validation_ds, test_ds = tfds.load(
    "cats_vs_dogs",
    # Reserve 10% for validation and 10% for test
    split=["train[:40%]", "train[40%:50%]", "train[50%:60%]"],
    as_supervised=True,  # Include labels
)

print(f"Number of training samples: {train_ds.cardinality()}")
print(f"Number of validation samples: {validation_ds.cardinality()}")
print(f"Number of test samples: {test_ds.cardinality()}")
 Downloading and preparing dataset 786.68 MiB (download: 786.68 MiB, generated: Unknown size, total: 786.68 MiB) to /home/mattdangerw/tensorflow_datasets/cats_vs_dogs/4.0.0...

WARNING:absl:1738 images were corrupted and were skipped

 Dataset cats_vs_dogs downloaded and prepared to /home/mattdangerw/tensorflow_datasets/cats_vs_dogs/4.0.0. Subsequent calls will reuse this data.
Number of training samples: 9305
Number of validation samples: 2326
Number of test samples: 2326

以下是训练数据集中前 9 张图像 - 您可以看到,它们的大小各不相同。

plt.figure(figsize=(10, 10))
for i, (image, label) in enumerate(train_ds.take(9)):
    ax = plt.subplot(3, 3, i + 1)
    plt.imshow(image)
    plt.title(int(label))
    plt.axis("off")

png

我们还可以看到标签 1 是“狗”,标签 0 是“猫”。

标准化数据

我们的原始图像具有各种尺寸。此外,每个像素包含 3 个介于 0 到 255 之间的整数值(RGB 色阶值)。这不太适合馈送神经网络。我们需要做两件事

  • 标准化为固定图像大小。我们选择 150x150。
  • 将像素值规范化为 -1 到 1 之间。我们将在模型本身中使用 Normalization 层来完成此操作。

一般来说,开发以原始数据为输入的模型是一个好习惯,而不是以已预处理的数据为输入的模型。原因是,如果您的模型期望预处理数据,那么您每次将模型导出以在其他地方使用时(在 Web 浏览器中,在移动应用程序中),您都需要重新实现完全相同的预处理管道。这很快就会变得非常棘手。因此,我们应该在接触模型之前进行尽可能少的预处理。

在这里,我们将在数据管道中进行图像大小调整(因为深度神经网络只能处理连续的数据批次),并且在创建模型时,我们将作为模型的一部分进行输入值缩放。

让我们将图像大小调整为 150x150

resize_fn = keras.layers.Resizing(150, 150)

train_ds = train_ds.map(lambda x, y: (resize_fn(x), y))
validation_ds = validation_ds.map(lambda x, y: (resize_fn(x), y))
test_ds = test_ds.map(lambda x, y: (resize_fn(x), y))

使用随机数据增强

当您没有大型图像数据集时,一个好习惯是通过对训练图像应用随机但真实的变换(例如随机水平翻转或小的随机旋转)来人工引入样本多样性。这有助于模型接触到训练数据的不同方面,同时减缓过拟合。

augmentation_layers = [
    layers.RandomFlip("horizontal"),
    layers.RandomRotation(0.1),
]


def data_augmentation(x):
    for layer in augmentation_layers:
        x = layer(x)
    return x


train_ds = train_ds.map(lambda x, y: (data_augmentation(x), y))

让我们将数据批处理并使用预取来优化加载速度。

from tensorflow import data as tf_data

batch_size = 64

train_ds = train_ds.batch(batch_size).prefetch(tf_data.AUTOTUNE).cache()
validation_ds = validation_ds.batch(batch_size).prefetch(tf_data.AUTOTUNE).cache()
test_ds = test_ds.batch(batch_size).prefetch(tf_data.AUTOTUNE).cache()

让我们可视化第一个批次的第一个图像在各种随机变换后的样子

for images, labels in train_ds.take(1):
    plt.figure(figsize=(10, 10))
    first_image = images[0]
    for i in range(9):
        ax = plt.subplot(3, 3, i + 1)
        augmented_image = data_augmentation(np.expand_dims(first_image, 0))
        plt.imshow(np.array(augmented_image[0]).astype("int32"))
        plt.title(int(labels[0]))
        plt.axis("off")

png


构建模型

现在让我们构建一个遵循我们之前解释的蓝图的模型。

请注意

  • 我们添加了一个 Rescaling 层来将输入值(最初在 [0, 255] 范围内)缩放到 [-1, 1] 范围内。
  • 我们在分类层之前添加了一个 Dropout 层,用于正则化。
  • 在调用基本模型时,我们确保传递 training=False,以便它以推理模式运行,这样即使我们在微调后解冻基本模型,批次归一化统计信息也不会更新。
base_model = keras.applications.Xception(
    weights="imagenet",  # Load weights pre-trained on ImageNet.
    input_shape=(150, 150, 3),
    include_top=False,
)  # Do not include the ImageNet classifier at the top.

# Freeze the base_model
base_model.trainable = False

# Create new model on top
inputs = keras.Input(shape=(150, 150, 3))

# Pre-trained Xception weights requires that input be scaled
# from (0, 255) to a range of (-1., +1.), the rescaling layer
# outputs: `(inputs * scale) + offset`
scale_layer = keras.layers.Rescaling(scale=1 / 127.5, offset=-1)
x = scale_layer(inputs)

# The base model contains batchnorm layers. We want to keep them in inference mode
# when we unfreeze the base model for fine-tuning, so we make sure that the
# base_model is running in inference mode here.
x = base_model(x, training=False)
x = keras.layers.GlobalAveragePooling2D()(x)
x = keras.layers.Dropout(0.2)(x)  # Regularize with dropout
outputs = keras.layers.Dense(1)(x)
model = keras.Model(inputs, outputs)

model.summary(show_trainable=True)
Downloading data from https://storage.googleapis.com/tensorflow/keras-applications/xception/xception_weights_tf_dim_ordering_tf_kernels_notop.h5
 83683744/83683744 ━━━━━━━━━━━━━━━━━━━━ 0s 0us/step
Model: "functional_4"
┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━┳━━━━━━━┓
┃ Layer (type)                 Output Shape              Param #  Trai… ┃
┡━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━╇━━━━━━━┩
│ input_layer_4 (InputLayer)  │ (None, 150, 150, 3)      │       0-   │
├─────────────────────────────┼──────────────────────────┼─────────┼───────┤
│ rescaling (Rescaling)       │ (None, 150, 150, 3)      │       0-   │
├─────────────────────────────┼──────────────────────────┼─────────┼───────┤
│ xception (Functional)       │ (None, 5, 5, 2048)       │ 20,861…N   │
├─────────────────────────────┼──────────────────────────┼─────────┼───────┤
│ global_average_pooling2d    │ (None, 2048)             │       0-   │
│ (GlobalAveragePooling2D)    │                          │         │       │
├─────────────────────────────┼──────────────────────────┼─────────┼───────┤
│ dropout (Dropout)           │ (None, 2048)             │       0-   │
├─────────────────────────────┼──────────────────────────┼─────────┼───────┤
│ dense_7 (Dense)             │ (None, 1)                │   2,049Y   │
└─────────────────────────────┴──────────────────────────┴─────────┴───────┘
 Total params: 20,863,529 (79.59 MB)
 Trainable params: 2,049 (8.00 KB)
 Non-trainable params: 20,861,480 (79.58 MB)

训练顶层

model.compile(
    optimizer=keras.optimizers.Adam(),
    loss=keras.losses.BinaryCrossentropy(from_logits=True),
    metrics=[keras.metrics.BinaryAccuracy()],
)

epochs = 2
print("Fitting the top layer of the model")
model.fit(train_ds, epochs=epochs, validation_data=validation_ds)
Fitting the top layer of the model
Epoch 1/2
  78/146 ━━━━━━━━━━━━━━━━━━━━  15s 226ms/step - binary_accuracy: 0.7995 - loss: 0.4088

Corrupt JPEG data: 65 extraneous bytes before marker 0xd9

 136/146 ━━━━━━━━━━━━━━━━━━━━  2s 231ms/step - binary_accuracy: 0.8430 - loss: 0.3298

Corrupt JPEG data: 239 extraneous bytes before marker 0xd9

 143/146 ━━━━━━━━━━━━━━━━━━━━  0s 231ms/step - binary_accuracy: 0.8464 - loss: 0.3235

Corrupt JPEG data: 1153 extraneous bytes before marker 0xd9

 144/146 ━━━━━━━━━━━━━━━━━━━━  0s 231ms/step - binary_accuracy: 0.8468 - loss: 0.3226

Corrupt JPEG data: 228 extraneous bytes before marker 0xd9

 146/146 ━━━━━━━━━━━━━━━━━━━━ 0s 260ms/step - binary_accuracy: 0.8478 - loss: 0.3209

Corrupt JPEG data: 2226 extraneous bytes before marker 0xd9

 146/146 ━━━━━━━━━━━━━━━━━━━━ 54s 317ms/step - binary_accuracy: 0.8482 - loss: 0.3200 - val_binary_accuracy: 0.9667 - val_loss: 0.0877
Epoch 2/2
 146/146 ━━━━━━━━━━━━━━━━━━━━ 7s 51ms/step - binary_accuracy: 0.9483 - loss: 0.1232 - val_binary_accuracy: 0.9705 - val_loss: 0.0786

<keras.src.callbacks.history.History at 0x7fc8b7f1db70>

对整个模型进行一轮微调

最后,让我们解冻基本模型并使用较低的学习率对整个模型进行端到端训练。

重要的是,虽然基本模型变得可训练,但它仍然以推理模式运行,因为我们在构建模型时调用它时传递了 training=False。这意味着内部的批次归一化层不会更新它们的批次统计信息。如果它们更新了,它们将对模型迄今为止学习的表示造成破坏。

# Unfreeze the base_model. Note that it keeps running in inference mode
# since we passed `training=False` when calling it. This means that
# the batchnorm layers will not update their batch statistics.
# This prevents the batchnorm layers from undoing all the training
# we've done so far.
base_model.trainable = True
model.summary(show_trainable=True)

model.compile(
    optimizer=keras.optimizers.Adam(1e-5),  # Low learning rate
    loss=keras.losses.BinaryCrossentropy(from_logits=True),
    metrics=[keras.metrics.BinaryAccuracy()],
)

epochs = 1
print("Fitting the end-to-end model")
model.fit(train_ds, epochs=epochs, validation_data=validation_ds)
Model: "functional_4"
┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━┳━━━━━━━┓
┃ Layer (type)                 Output Shape              Param #  Trai… ┃
┡━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━╇━━━━━━━┩
│ input_layer_4 (InputLayer)  │ (None, 150, 150, 3)      │       0-   │
├─────────────────────────────┼──────────────────────────┼─────────┼───────┤
│ rescaling (Rescaling)       │ (None, 150, 150, 3)      │       0-   │
├─────────────────────────────┼──────────────────────────┼─────────┼───────┤
│ xception (Functional)       │ (None, 5, 5, 2048)       │ 20,861…Y   │
├─────────────────────────────┼──────────────────────────┼─────────┼───────┤
│ global_average_pooling2d    │ (None, 2048)             │       0-   │
│ (GlobalAveragePooling2D)    │                          │         │       │
├─────────────────────────────┼──────────────────────────┼─────────┼───────┤
│ dropout (Dropout)           │ (None, 2048)             │       0-   │
├─────────────────────────────┼──────────────────────────┼─────────┼───────┤
│ dense_7 (Dense)             │ (None, 1)                │   2,049Y   │
└─────────────────────────────┴──────────────────────────┴─────────┴───────┘
 Total params: 20,867,629 (79.60 MB)
 Trainable params: 20,809,001 (79.38 MB)
 Non-trainable params: 54,528 (213.00 KB)
 Optimizer params: 4,100 (16.02 KB)
Fitting the end-to-end model
 146/146 ━━━━━━━━━━━━━━━━━━━━ 75s 327ms/step - binary_accuracy: 0.8487 - loss: 0.3760 - val_binary_accuracy: 0.9494 - val_loss: 0.1160

<keras.src.callbacks.history.History at 0x7fcd1c755090>

在经过 10 个 epoch 后,微调在这里获得了不错的改进。让我们在测试数据集上评估模型

print("Test dataset evaluation")
model.evaluate(test_ds)
Test dataset evaluation
 11/37 ━━━━━━━━━━━━━━━━━━━━  1s 52ms/step - binary_accuracy: 0.9407 - loss: 0.1155

Corrupt JPEG data: 99 extraneous bytes before marker 0xd9

 37/37 ━━━━━━━━━━━━━━━━━━━━ 2s 47ms/step - binary_accuracy: 0.9427 - loss: 0.1259

[0.13755160570144653, 0.941300630569458]