首页 游戏 软件 资讯 排行榜 专题
首页
AI
教学transformer原理及应用

教学transformer原理及应用

热心网友
97
转载
2025-07-18
本文先讲解注意力机制,包括定义、意义、公式、计算方式,以及自注意力和多头注意力机制;接着阐述Encoder-Decoder原理;再介绍Transformer原理,包括整体架构、Encoder、Decoder等;最后用飞桨框架实现ViT模型进行车辆图像分类,展示了数据处理、模型构建、训练及评估过程,验证集准确率达0.8416667。

教学transformer原理及应用 - 游乐网

项目介绍

1 先讲解注意力机制理论知识,涉及到自注意力机制、多头注意力机制2 讲解Encoder-Decoder(Seq2Seq)编码器-解码器理论原理3 讲解Transformer原理4 代码实现Transformer分类的模型-Vision Transformer (ViT)

1 attention(注意力机制)

定义:

注意力机制(Attention Mechanism)是机器学习中的一种数据处理方法,广泛应用在自然语言处理、图像识别及语音识别等各种不同类型的机器学习任务中。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新! 👉 点此立即查看 👈

意义:

注意力这个词本来是属于人类才有的动作。也就是说,注意力机制可以看做是一种仿生,是机器通过对人类阅读、听说中的注意力行为进行模拟。那为何要对注意力进行仿生,按理说,计算机理应拥有无限的记忆力和注意力。这是因为,人脑在进行阅读任务、读图任务时,并不是严格的解码过程,而是接近于一种模式识别。大脑会自动忽略低可能、低价值的信息。如果计算机不能模拟人类的注意力状态,就可能让无关的信息对处理结果造成干扰,最后导致处理结果偏离实际的应用场景。为了让计算机更加适应人类交流场景,必须教会计算机选择遗忘和关联上下文,这种机制就是所谓的注意力机制。

公式:(看见公式莫慌,看完下面的描述再回看)

Google 2017年论文中,Attention Is All You Need曾经为Attention做了一个抽象定义:

Attention(Q,K,V)=softmax(\frac{QK^T}{\sqrt{d_k}})V

注意力是将一个查询和键值对映射到输出的方法,Q、K、V均为向量,输出通过对V进行加权求和得到,权重就是Q、K相似度。

图形化解释

典型的attention包含Q K V三部分:Q是Quer指代输入的信息,Key和Value成组出现,通常是源语言、原始文本等已有的信息。通过计算Q与K的相关性(矩阵的知识,相关性计算下面讲述两种处理方式),得出不同的K对输出的重要程度,再与对应的V相乘求和,所得到的输出attention的值。(如下图所示)教学transformer原理及应用 - 游乐网

看到这,大家也许开始产生一些疑问,究竟上图中的a值(即Q与K的相关性)是如何计算的呢,下面我将讲解两种方式:Dot-product、Additive

Dot-product:两个输入的向量分别乘Wq和Wk矩阵(这俩矩阵是随机生成的,通过后续的不断迭代学习进行更新),得到q和k,再做点乘运算得到q与k的相关性a值。如下图所示

教学transformer原理及应用 - 游乐网

Additive:两个输入的向量分别乘Wq和Wk矩阵,得到q和k,再串起来,过tanh激活函数,再乘W矩阵,得到q与k的相关性a值。如下图所示

教学transformer原理及应用 - 游乐网

小结:得到a值(即Q与K的相关性)的方法不唯一,Transformer采用的是第一种方式Dot-product

1.1 self-attention(自注意力机制)

a1.1表示a1本身的相关性,a1.2表示a1和a2的相关性以此类推,最后再过softmax函数(也可以用其它的激活函数),得到最终相关性值

教学transformer原理及应用 - 游乐网

将刚刚得到的相关性值与v相乘,再求和,得到attention的值b1。可以发现谁的相关性越大,则给与它V值的权重越大。

教学transformer原理及应用 - 游乐网

步骤同上,得出一系列attention的值,例如b2。

教学transformer原理及应用 - 游乐网

用矩阵的方式,实现并行运算,复述上述步骤。a1到a4表示4个输入,通过Wq、Wk、Wv矩阵(这3矩阵起初是随机生成,通过不断学习进行迭代更新)相乘,分别得到q、k、v的一维矩阵。

教学transformer原理及应用 - 游乐网

q、k一维矩阵(此处为k的转置)相乘,得到相关性的矩阵,这个矩阵整体过softmax得到最终的相关性矩阵

教学transformer原理及应用 - 游乐网

v乘相关性矩阵,得到最终的attention值的矩阵。至此self-attention结束。

教学transformer原理及应用 - 游乐网

1.2 multi-attention(多头注意力机制)

了解self-attention后,multi-attention就简单了许多(以2头注意力机制举例子),同self-attention得到qi,再在qi的基础上分别乘Wq1、Wq2(随机生成,后续学习更新)矩阵得到qi.1、qi.2,同理得到 ki.1、ki.2、vi.1、vi.2,图1所示,同理另一个输入也做上述操作,图2所示

教学transformer原理及应用 - 游乐网

教学transformer原理及应用 - 游乐网

q、k做相关性计算,(点后面数相同为组,即?.1为一组),分别得到bi.1、bi.2,图1、2,再通过矩阵Wo(随机生成的,后续学习更新)得到bi,图3,余下的操作就跟self-attention一样了,至此multi-attention结束

教学transformer原理及应用 - 游乐网

教学transformer原理及应用 - 游乐网

教学transformer原理及应用 - 游乐网

1.3 回看

现在大家回看这个公式是不是清晰了许多

Attention(Q,K,V)=softmax(\frac{QK^T}{\sqrt{d_k}})V

教学transformer原理及应用 - 游乐网

是不是在疑问为什么要除根号下dk,因为q、k相乘(相关性计算)值很大,softmax反向传播梯度很小(看下softmax的公式就悟了),除根号下dk可以避免梯度消失为什么除根号下dk不除其它呢,为了保持方差为1。至此Attention讲解完毕,还有不明白同学,欢迎评论区提问,我会不定时的为大家讲解问题。

2 Encoder-Decoder(Seq2Seq)编码器-解码器

原始RNN只能N->1、1->N、N->N,然而我们遇到的大部分问题序列都是不等长的,N->M,如机器翻译中,源语言和目标语言的句子往往并没有相同的长度。Encoder-Decoder结构先将输入数据编码成一个上下文向量c:得到c有多种方式,最简单的方法就是把Encoder的最后一个隐状态赋值给c,还可以对最后的隐状态做一个变换得到c,也可以对所有的隐状态做变换。

教学transformer原理及应用 - 游乐网

拿到c之后,就用另一个RNN网络对其进行解码,这部分RNN网络被称为Decoder。具体做法就是将c当做之前的初始状态h0输入到Decoder中:

教学transformer原理及应用 - 游乐网

还有一种做法是将c当做每一步的输入:由于这种Encoder-Decoder结构不限制输入和输出的序列长度,因此应用的范围非常广泛

教学transformer原理及应用 - 游乐网

3 Transformer

3.1 全局角度

Transformer原论文《transformer is all you need》,包含6个Encoder和Decoder结构(这6个Encoder或Decoder,之间结构相同,参数不同)

教学transformer原理及应用 - 游乐网

拿出一对Encoder和Decoder结构作为讲解,大家先熟悉一下整体架构,下面会逐层讲解

教学transformer原理及应用 - 游乐网

3.2 Encoder

分为3个部分

输入部分:Embedding+位置嵌入注意力机制:上述已说明,此处用的是multi-attention(多头注意力机制)前馈神经网络:包含两层全连接

教学transformer原理及应用 - 游乐网

3.3 残差和LN(Layer Normal)取代BN(Batch Normal)

残差(虚线标记的地方):防止因梯度消失造成的信息丢失,绿框和红框表示梯度连乘(造成梯度消失的主要原因),公式最后,即使红框中的梯度消失,前面还有个‘1’,就不会造成信息的丢失。

教学transformer原理及应用 - 游乐网

LN(Layer Normal)取代BN(Batch Normal):BN操作存在弊端,如果batch较小,不足以代表全部样本,效果差。下面是整体结构图。(对应Transformer图片中应为multi-attention(多头注意力机制),不是self-attention)

教学transformer原理及应用 - 游乐网

3.4 Decoder

教学transformer原理及应用 - 游乐网

红框1:mask操作,是对当前单词和之后的单词做mask操作(NLP中的操作)因为是预测后面的词,所以不能让网络看见后面的词红框2:进入Decoder的两条数据,是由Encoder产生的k、v,Decoder只提供q。

教学transformer原理及应用 - 游乐网

4 Vision Transformer (ViT)

ViT(vision transformer)是Google在2020年提出的直接将transformer应用在图像分类的模型,后面很多的工作都是基于ViT进行改进的。ViT的思路很简单:

直接把图像分成固定大小的patchs,然后通过线性变换得到patch embedding,这就类比NLP的words和word embedding,由于transformer的输入就是a sequence of token embeddings,所以将图像的patch embeddings送入transformer后就能够进行特征提取从而分类了。

ViT模型原理如下图所示,其实ViT模型只是用了transformer的Encoder来提取特征(原始的transformer还有decoder部分,用于实现sequence to sequence,比如机器翻译)。操作步骤

图片分块,展开,做线性变换(形成与时间序列一致的输入)

在块序列首位置添加虚拟开始块,用作后续的图像分类特征

使用Transformer-Encoder进行块编码

虚拟块表示作为分类向量,通过MLP进行分类

教学transformer原理及应用 - 游乐网

5 代码实现

利用飞桨框架搭建一个Vision Transformer模型,包含不同车辆的图像进行分类。标签值说明:1=“汽车”',2=“摩托车”,3=“货车”。

5.1 导入相关包

In [1]
import osimport zipfileimport randomimport paddlefrom paddle import fluidimport numpy as npimport matplotlib.pyplot as pltimport PIL.Image as Imagefrom paddle.io import Dataset import numpy as np import sysimport paddle.nn as nnfrom multiprocessing import cpu_count  from paddle.nn import MaxPool2D,Conv2D,BatchNorm2Dfrom paddle.nn import Linear import randomfrom paddle.nn.initializer import TruncatedNormal, Constant from paddle.nn import TransformerEncoderLayer, TransformerEncoderfrom paddle.regularizer import L2Decay
登录后复制
/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/matplotlib/__init__.py:107: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop working  from collections import MutableMapping/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/matplotlib/rcsetup.py:20: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop working  from collections import Iterable, Mapping/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/matplotlib/colors.py:53: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop working  from collections import Sized
登录后复制

5.2 配置模型超参数

In [2]
'''参数配置'''train_parameters = {    "input_size": [3, 120, 120],                             #输入图片的shape    "class_dim": 3,                                          #分类数    "src_path":"/home/aistudio/data/data93289/Data.zip",     #原始数据集路径    "target_path":"/home/aistudio/work/",                    #要解压的路径    "train_list_path": "/home/aistudio/data/train.txt",      #train.txt路径    "eval_list_path": "/home/aistudio/data/eval.txt",        #eval.txt路径    "label_dict":{'0':'汽车','1':'摩托车','2':'货车'},        #标签字典    "num_epochs": 40,                                        #训练轮数    "train_batch_size": 32,                                   #训练时每个批次的大小    "learning_strategy": {                                   #优化函数相关的配置        "lr": 1.0e-5                                        #超参数学习率    },     'skip_steps': 50,                                        #每N个批次打印一次结果    'save_steps': 500,                                       #每N个批次保存一次模型参数    "checkpoints": "/home/aistudio/work/checkpoints"         #保存的路径}def seed_paddle(seed=1024):    seed = int(seed)    random.seed(seed)    os.environ['PYTHONHASHSEED'] = str(seed)    np.random.seed(seed)    paddle.seed(seed)seed_paddle(seed=1024)
登录后复制

5.3 数据集准备

(1)解压原始数据集,查看数据

(2)按照比例划分训练集与验证集

(3)乱序,生成数据列表

(4)定义数据读取器

In [3]
# 解压原始数据集def unzip_data(src_path,target_path):    '''    解压原始数据集,将src_path路径下的zip包解压至target_path目录下    '''    if(not os.path.isdir(os.path.join(target_path,'Data'))):             z = zipfile.ZipFile(src_path, 'r')        z.extractall(path=target_path)        z.close()        print('数据集解压完成')    else:        print('文件已存在')def get_data_list(target_path, train_list_path, eval_list_path):    '''    生成数据列表    '''    data_dir = 'work/Data'    all_data_list  = []    for im in os.listdir(data_dir):        img_path = os.path.join(data_dir, im)        img_label = str(int(im.split('_')[0])-1)        all_data_list.append(img_path + '\t' + img_label + '\n')    # 对训练列表进行乱序    random.shuffle(all_data_list)        with open(train_list_path, 'a') as f1:        with open(eval_list_path, 'a') as f2:            for ind, img_path_label in enumerate(all_data_list):                #划分测试集和训练集                if ind % 10 == 0:                    f2.write(img_path_label)                 else:                    f1.write(img_path_label)    print ('生成数据列表完成!')class dataset(Dataset):    def __init__(self, data_path, mode='train'):        """        数据读取器        :param data_path: 数据集所在路径        :param mode: train or eval        """        super().__init__()        self.data_path = data_path        self.img_paths = []        self.labels = []        if mode == 'train':            with open(os.path.join(self.data_path, "train.txt"), "r", encoding="utf-8") as f:                self.info = f.readlines()            for img_info in self.info:                img_path, label = img_info.strip().split('\t')                self.img_paths.append(img_path)                self.labels.append(int(label))        else:            with open(os.path.join(self.data_path, "eval.txt"), "r", encoding="utf-8") as f:                self.info = f.readlines()            for img_info in self.info:                img_path, label = img_info.strip().split('\t')                self.img_paths.append(img_path)                self.labels.append(int(label))    def __getitem__(self, index):        """        获取一组数据        :param index: 文件索引号        :return:        """        # 第一步打开图像文件并获取label值        img_path = self.img_paths[index]        img = Image.open(img_path)        if img.mode != 'RGB':            img = img.convert('RGB')         img = np.array(img).astype('float32')        img = img.transpose((2, 0, 1)) / 255        label = self.labels[index]        label = np.array([label], dtype="int64")        return img, label    def print_sample(self, index: int = 0):        print("文件名", self.img_paths[index], "\t标签值", self.labels[index])    def __len__(self):        return len(self.img_paths)
登录后复制In [7]
#参数初始化src_path=train_parameters['src_path']target_path=train_parameters['target_path']train_list_path=train_parameters['train_list_path']eval_list_path=train_parameters['eval_list_path']#解压原始数据到指定路径unzip_data(src_path,target_path)
登录后复制
文件已存在
登录后复制In [5]
#查看数据path1='/home/aistudio/work/Data/1_96.webp'path2='/home/aistudio/work/Data/2_832.webp'path3='/home/aistudio/work/Data/3_1398.webp'# 汽车img1 = Image.open(path1)plt.imshow(img1)          #根据数组绘制图像plt.show()# 摩托车img2 = Image.open(path2)plt.imshow(img2)          #根据数组绘制图像plt.show()               #显示图像# 货车img3 = Image.open(path3)plt.imshow(img3)          #根据数组绘制图像plt.show()               #显示图像
登录后复制
登录后复制登录后复制登录后复制登录后复制登录后复制
登录后复制登录后复制登录后复制登录后复制登录后复制
登录后复制登录后复制登录后复制登录后复制登录后复制In [8]
#每次生成数据列表前,首先清空train.txt和eval.txtwith open(train_list_path, 'w') as f:     f.seek(0)    f.truncate() with open(eval_list_path, 'w') as f:     f.seek(0)    f.truncate()     #生成数据列表   get_data_list(target_path,train_list_path,eval_list_path)#训练数据加载train_dataset = dataset('/home/aistudio/data',mode='train')train_loader = paddle.io.DataLoader(train_dataset,                                     batch_size=train_parameters['train_batch_size'],                                     shuffle=True                                    )#测试数据加载eval_dataset = dataset('/home/aistudio/data',mode='eval')eval_loader = paddle.io.DataLoader(eval_dataset,                                   batch_size=train_parameters['train_batch_size'],                                    shuffle=False                                   )
登录后复制
生成数据列表完成!
登录后复制

5.4 构建Vision Transformer模型

In [5]
# 定义ViTtrunc_normal_ = TruncatedNormal(std=.02)zeros_ = Constant(value=0.)ones_ = Constant(value=1.)dim =256heads=16patch_size = 8num_layers = 3num_patch = int((120/patch_size) * (120/patch_size))# x[int] -> tuple(x, x)def to_2tuple(x):    return tuple([x] * 2)# 独立层,即什么操作都没有的网络层class Identity(nn.Layer):    def __init__(self):        super(Identity, self).__init__()    def forward(self, input):        return inputclass PatchEmbed(nn.Layer):    def __init__(self, img_size=120, patch_size=patch_size, in_chans=3, embed_dim=dim):        super().__init__()        img_size = to_2tuple(img_size)        patch_size = to_2tuple(patch_size)        num_patches = (img_size[1] // patch_size[1]) * \            (img_size[0] // patch_size[0])        self.img_size = img_size        self.patch_size = patch_size        self.num_patches = num_patches        self.proj = nn.Conv2D(in_chans, embed_dim,                              kernel_size=patch_size, stride=patch_size)    def forward(self, x):        B, C, H, W = x.shape        # 分块线性变换 + 向量展平 + 维度转置        x = self.proj(x).flatten(2).transpose((0, 2, 1))        return xclass Attention(nn.Layer):    def __init__(self, dim, num_heads=8, qkv_bias=False, qk_scale=None, attn_drop=0., proj_drop=0.):        super().__init__()        self.num_heads = num_heads        head_dim = dim // num_heads        self.scale = qk_scale or head_dim ** -0.5        self.qkv = nn.Linear(dim, dim * 3, bias_attr=qkv_bias)        self.attn_drop = nn.Dropout(attn_drop)        self.proj = nn.Linear(dim, dim)        self.proj_drop = nn.Dropout(proj_drop)    def forward(self, x):        B, N, C = x.shape        # 线性变换        qkv = self.qkv(x).reshape((B, N, 3, self.num_heads, C //                                   self.num_heads)).transpose((2, 0, 3, 1, 4))                # 分割 query key value        q, k, v = qkv[0], qkv[1], qkv[2]                # Matmul + Scale        attn = (q.matmul(k.transpose((0, 1, 3, 2)))) * self.scale        # SoftMax        attn = nn.functional.softmax(attn, axis=-1)                # Attention Dropout        attn = self.attn_drop(attn)                # Matmul        x = (attn.matmul(v)).transpose((0, 2, 1, 3)).reshape((B, N, C))        # 线性变换        x = self.proj(x)        # Linear Dropout        x = self.proj_drop(x)        return xclass Mlp(nn.Layer):    def __init__(self, in_features, hidden_features=None, out_features=None, act_layer=nn.GELU, drop=0.):        super().__init__()        out_features = out_features or in_features        hidden_features = hidden_features or in_features        self.fc1 = nn.Linear(in_features, hidden_features)        self.act = act_layer()        self.fc2 = nn.Linear(hidden_features, out_features)        self.drop = nn.Dropout(drop)    def forward(self, x):         x = self.fc1(x)         x = self.act(x)         x = self.drop(x)         x = self.fc2(x)         x = self.drop(x)        return xdef drop_path(x, drop_prob=0., training=False):    """Drop paths (Stochastic Depth) per sample (when applied in main path of residual blocks).    the original name is misleading as 'Drop Connect' is a different form of dropout in a separate paper...    """    if drop_prob == 0. or not training:        return x    keep_prob = paddle.to_tensor(1 - drop_prob)    shape = (x.shape[0],) + (1,) * (x.ndim - 1)    random_tensor = keep_prob + paddle.rand(shape, dtype=x.dtype)    random_tensor = paddle.floor(random_tensor) # binarize    output = x.divide(keep_prob) * random_tensor    return outputclass DropPath(nn.Layer):    """Drop paths (Stochastic Depth) per sample  (when applied in main path of residual blocks).    """    def __init__(self, drop_prob=None):        super(DropPath, self).__init__()        self.drop_prob = drop_prob    def forward(self, x):        return drop_path(x, self.drop_prob, self.training)# Block类实现Transformer encoder的一个层class Block(nn.Layer):    # 定义Transformer层    def __init__(self, dim, num_heads, mlp_ratio=4., qkv_bias=False, qk_scale=None, drop=0., attn_drop=0.,                 drop_path=0., act_layer=nn.GELU, norm_layer='nn.LayerNorm', epsilon=1e-5):        super().__init__()        # 此处添加代码        self.norml = eval(norm_layer)(dim, epsilon=epsilon)        self.attn = Attention(            dim, num_heads=num_heads, qkv_bias=qkv_bias,            qk_scale=qk_scale, attn_drop=attn_drop, proj_drop=drop        )                self.drop_path = DropPath(drop_path) if drop_path > 0. else Identity()        self.norm2 = eval(norm_layer)(dim, epsilon=epsilon)        mlp_hidden_dim = int(dim * mlp_ratio)        self.mlp = Mlp(in_features=dim, hidden_features=mlp_hidden_dim, act_layer=act_layer, drop=drop)    def forward(self, x):        # 此处添加代码        x = x + self.drop_path(self.attn(self.norml(x)))        x = x + self.drop_path(self.mlp(self.norm2(x)))        return xclass VisionTransformer(nn.Layer):    def __init__(self, img_size=120, patch_size=patch_size, in_chans=3, class_dim=train_parameters['class_dim'], embed_dim=dim, depth=num_layers,                 num_heads=heads, mlp_ratio=4, qkv_bias=False, qk_scale=None, drop_rate=0., attn_drop_rate=0.,                 drop_path_rate=0., norm_layer='nn.LayerNorm', epsilon=1e-5, **args):        super().__init__()        self.class_dim = class_dim        self.num_features = self.embed_dim = embed_dim        self.patch_embed = PatchEmbed(            img_size=img_size, patch_size=patch_size, in_chans=in_chans, embed_dim=embed_dim)        num_patches = self.patch_embed.num_patches        self.pos_embed = self.create_parameter(            shape=(1, num_patches + 1, embed_dim), default_initializer=zeros_)        self.add_parameter("pos_embed", self.pos_embed)        self.cls_token = self.create_parameter(            shape=(1, 1, embed_dim), default_initializer=zeros_)        self.add_parameter("cls_token", self.cls_token)        self.pos_drop = nn.Dropout(p=drop_rate)        dpr = [x for x in paddle.linspace(0, drop_path_rate, depth)]        self.blocks = nn.LayerList([            Block(                dim=embed_dim, num_heads=num_heads, mlp_ratio=mlp_ratio, qkv_bias=qkv_bias, qk_scale=qk_scale,                drop=drop_rate, attn_drop=attn_drop_rate, drop_path=dpr[i], norm_layer=norm_layer, epsilon=epsilon)            for i in range(depth)])        self.norm = eval(norm_layer)(embed_dim, epsilon=epsilon)        # Classifier head        self.head = nn.Linear(            embed_dim, class_dim) if class_dim > 0 else Identity()        trunc_normal_(self.pos_embed)        trunc_normal_(self.cls_token)        self.apply(self._init_weights)        # 参数初始化    def _init_weights(self, m):        if isinstance(m, nn.Linear):            trunc_normal_(m.weight)            if isinstance(m, nn.Linear) and m.bias is not None:                zeros_(m.bias)        elif isinstance(m, nn.LayerNorm):            zeros_(m.bias)            ones_(m.weight)        # 获取图像特征    def forward_features(self, x):        B = x.shape[0]         # Image Patch Embedding        x = self.patch_embed(x)         # 分类 tokens        cls_tokens = self.cls_token.expand((B, -1, -1))         # 拼接 Embedding 和 分类 tokens        x = paddle.concat((cls_tokens, x), axis=1)         # 加入位置嵌入 Position Embedding        x = x + self.pos_embed         # Embedding Dropout        x = self.pos_drop(x)        # Transformer Encoder        # 由多个基础模块组成        for blk in self.blocks:            x = blk(x)         # Norm        x = self.norm(x)         # 提取分类 tokens 的输出        return x[:, 0]        def forward(self, x):        x = paddle.reshape(x, shape=[-1, 3,120,120])        # 获取图像特征        x = self.forward_features(x)         # 图像分类         x = self.head(x)         return x
登录后复制

5.5 训练模型

In [6]
def draw_process(title,color,iters,data,label):    plt.title(title, fontsize=24)    plt.xlabel("iter", fontsize=20)    plt.ylabel(label, fontsize=20)    plt.plot(iters, data,color=color,label=label)     plt.legend()    plt.grid()    plt.show()
登录后复制In [7]
model = VisionTransformer()model.train()cross_entropy = paddle.nn.CrossEntropyLoss()optimizer = paddle.optimizer.Adam(learning_rate=0.0001, parameters=model.parameters())                                   steps = 0Iters, total_loss, total_acc = [], [], []for epo in range(train_parameters['num_epochs']):    for _, data in enumerate(train_loader()):        steps += 1        x_data = data[0]        y_data = data[1]        predicts = model(x_data)        loss = cross_entropy(predicts, y_data)        acc = paddle.metric.accuracy(predicts, y_data)        loss.backward()        optimizer.step()        optimizer.clear_grad()        if steps % train_parameters["skip_steps"] == 0:            Iters.append(steps)            total_loss.append(loss.numpy()[0])            total_acc.append(acc.numpy()[0])            #打印中间过程            print('epo: {}, step: {}, loss is: {}, acc is: {}'\                  .format(epo, steps, loss.numpy(), acc.numpy()))        #保存模型参数        if steps % train_parameters["save_steps"] == 0:            save_path = train_parameters["checkpoints"]+"/"+"save_dir_" + str(steps) + '.pdparams'            print('save model to: ' + save_path)            paddle.save(model.state_dict(),save_path)paddle.save(model.state_dict(),train_parameters["checkpoints"]+"/"+"save_dir_final.pdparams")draw_process("trainning loss","red",Iters,total_loss,"trainning loss")draw_process("trainning acc","green",Iters,total_acc,"trainning acc")
登录后复制
epo: 1, step: 50, loss is: [1.0511264], acc is: [0.375]epo: 2, step: 100, loss is: [1.0749162], acc is: [0.375]epo: 3, step: 150, loss is: [0.88865685], acc is: [0.65625]epo: 4, step: 200, loss is: [0.5504421], acc is: [0.78125]epo: 5, step: 250, loss is: [0.48934796], acc is: [0.8125]epo: 6, step: 300, loss is: [0.2699679], acc is: [0.875]epo: 7, step: 350, loss is: [0.11708505], acc is: [0.9375]epo: 8, step: 400, loss is: [0.22028327], acc is: [0.90625]epo: 9, step: 450, loss is: [0.28658137], acc is: [0.8333333]epo: 11, step: 500, loss is: [0.07324414], acc is: [0.96875]save model to: /home/aistudio/work/checkpoints/save_dir_500.pdparamsepo: 12, step: 550, loss is: [0.04826813], acc is: [1.]epo: 13, step: 600, loss is: [0.01948055], acc is: [1.]epo: 14, step: 650, loss is: [0.03476083], acc is: [1.]epo: 15, step: 700, loss is: [0.02033299], acc is: [1.]epo: 16, step: 750, loss is: [0.19120577], acc is: [0.9375]epo: 17, step: 800, loss is: [0.10908449], acc is: [0.9375]epo: 18, step: 850, loss is: [0.14570343], acc is: [0.9375]epo: 19, step: 900, loss is: [0.01192897], acc is: [1.]epo: 21, step: 950, loss is: [0.00465367], acc is: [1.]epo: 22, step: 1000, loss is: [0.02442005], acc is: [1.]save model to: /home/aistudio/work/checkpoints/save_dir_1000.pdparamsepo: 23, step: 1050, loss is: [0.00399405], acc is: [1.]epo: 24, step: 1100, loss is: [0.0027994], acc is: [1.]epo: 25, step: 1150, loss is: [0.00248999], acc is: [1.]epo: 26, step: 1200, loss is: [0.00211915], acc is: [1.]epo: 27, step: 1250, loss is: [0.00202085], acc is: [1.]epo: 28, step: 1300, loss is: [0.00186031], acc is: [1.]epo: 29, step: 1350, loss is: [0.00167076], acc is: [1.]epo: 31, step: 1400, loss is: [0.00155913], acc is: [1.]epo: 32, step: 1450, loss is: [0.00164985], acc is: [1.]epo: 33, step: 1500, loss is: [0.00145937], acc is: [1.]save model to: /home/aistudio/work/checkpoints/save_dir_1500.pdparamsepo: 34, step: 1550, loss is: [0.00126303], acc is: [1.]epo: 35, step: 1600, loss is: [0.00122269], acc is: [1.]epo: 36, step: 1650, loss is: [0.00106174], acc is: [1.]epo: 37, step: 1700, loss is: [0.00095195], acc is: [1.]epo: 38, step: 1750, loss is: [0.00092876], acc is: [1.]epo: 39, step: 1800, loss is: [0.00114523], acc is: [1.]
登录后复制
/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/matplotlib/cbook/__init__.py:2349: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop working  if isinstance(obj, collections.Iterator):/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/matplotlib/cbook/__init__.py:2366: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop working  return list(data) if isinstance(data, collections.MappingView) else data
登录后复制
登录后复制登录后复制登录后复制登录后复制登录后复制
登录后复制登录后复制登录后复制登录后复制登录后复制

5.6 评估模型

In [8]
'''模型评估'''model__state_dict = paddle.load('work/checkpoints/save_dir_final.pdparams')model_eval = VisionTransformer()model_eval.set_state_dict(model__state_dict) model_eval.eval()accs = []for _, data in enumerate(eval_loader()):    x_data = data[0]    y_data = data[1]    predicts = model_eval(x_data)    acc = paddle.metric.accuracy(predicts, y_data)    accs.append(acc.numpy()[0])print('模型在验证集上的准确率为:',np.mean(accs))
登录后复制
模型在验证集上的准确率为: 0.8416667
登录后复制
来源:https://www.php.cn/faq/1414220.html
免责声明: 游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。

相关攻略

Pywinrm,一个 Python 管理利器!
科技数码
Pywinrm,一个 Python 管理利器!

Pywinrm 通过Windows远程管理(WinRM)协议,让Python能够像操作本地一样执行远程Windows命令,真正打通了跨平台管理的最后一公里。 在混合IT环境中,Linux机器管理Wi

热心网友
04.07
全网炸了!5亿人用的Axios竟被投毒,你的密钥还保得住吗?
科技数码
全网炸了!5亿人用的Axios竟被投毒,你的密钥还保得住吗?

早些时候,聊过 Python 领域那场惊心动魄的供应链攻击。当时我就感叹,虽然我们 JavaScript 开发者对这类套路烂熟于心,但亲眼目睹这种规模的“投毒”还是头一次。 早些时候,聊过 Pyth

热心网友
04.07
Toga,一个超精简的 Python 项目!
科技数码
Toga,一个超精简的 Python 项目!

Toga 是 BeeWare 家族的核心成员,号称“写一次,跑遍所有平台”,而且用的是系统原生控件,不是那种一看就是网页套壳的界面 。 写了这么多年 Python,你是不是也想过:要是能一套代码跑

热心网友
04.07
Python 异常处理:别再用裸奔的 try 了
科技数码
Python 异常处理:别再用裸奔的 try 了

异常处理的核心:让错误在正确的地方被有效处理。正确的地方,就是别在底层就把异常吞了,也别在顶层还抛裸奔的 Exception。 异常处理写得好,半夜不用起来改 bug。1 你是不是也这么干过?tr

热心网友
04.07
OpenClaw如何自定义SKILL
AI
OpenClaw如何自定义SKILL

1 Skills机制概述 提起OpenClaw的Skills机制,不少人可能会把它想象成传统意义上的可执行插件。其实,它的内涵要更精妙一些。 简单说,Skills本质上是一套基于提示驱动的能力扩展机制。它并不是一个可以独立“跑”起来的程序模块,而是通过一份结构化描述文件(核心就是那个SKILL m

热心网友
04.07

最新APP

宝宝过生日
宝宝过生日
应用辅助 04-07
台球世界
台球世界
体育竞技 04-07
解绳子
解绳子
休闲益智 04-07
骑兵冲突
骑兵冲突
棋牌策略 04-07
三国真龙传
三国真龙传
角色扮演 04-07

热门推荐

美国SEC主席Paul Atkins证实:加密货币安全港提案已送交白宫审查
web3.0
美国SEC主席Paul Atkins证实:加密货币安全港提案已送交白宫审查

加密货币行业翘首以盼的监管里程碑,终于有了实质性进展。美国证券交易委员会(SEC)主席保罗·阿特金斯(Paul Atkins)近日证实,那份允许加密项目在早期获得注册豁免权的“安全港”框架提案,已经正式送抵白宫,进入了最终审查阶段。 在范德堡大学与区块链协会联合举办的数字资产峰会上,阿特金斯透露了这

热心网友
04.08
微策略Strategy报告:第一季录得144.6亿美元浮亏 再斥资约3.3亿美元买进4871枚比特币
web3.0
微策略Strategy报告:第一季录得144.6亿美元浮亏 再斥资约3.3亿美元买进4871枚比特币

微策略Strategy报告:第一季录得144 6亿美元浮亏 再斥资约3 3亿美元买进4871枚比特币 市场震荡的威力有多大?看看Strategy的最新季报就明白了。根据其最新向美国证管会(SEC)提交的8-K报告,受市场剧烈波动影响,这家公司所持的比特币在第一季度录得了一笔惊人的数字——144 6亿

热心网友
04.08
稳定币发行商Tether再扩Web3版图!Paolo Ardoino:正开发去中心化搜索引擎Hypersearch
web3.0
稳定币发行商Tether再扩Web3版图!Paolo Ardoino:正开发去中心化搜索引擎Hypersearch

稳定币巨头Tether的动向,向来是加密世界的风向标。这不,它向Web3基础设施的版图扩张,又迈出了关键一步。公司执行长Paolo Ardoino在社交平台X上透露,其工程团队正在全力“烹制”一个新项目——去中心化搜索引擎 “Hypersearch”。这个消息一出,立刻引发了行业的广泛猜想。 采用D

热心网友
04.08
Base链首个原生DeFi借贷协议Seamless Protocol倒闭 将于2026年6月30日下线
web3.0
Base链首个原生DeFi借贷协议Seamless Protocol倒闭 将于2026年6月30日下线

基地位于Coinbase旗下以太坊Layer2网络Base的Seamless Protocol,日前正式宣告了服务的终结。这个曾经吸引了超过20万用户的原生DeFi借贷协议,在运营不到三年后,终究没能跑赢时间。它主打的核心产品是Integrated Leverage Markets(ILMs)——一

热心网友
04.08
PAAL代币如何参与治理?社区投票能决定哪些事项?
web3.0
PAAL代币如何参与治理?社区投票能决定哪些事项?

PAAL代币揭秘:深度解析Web3社区治理的核心钥匙 在去中心化自治组织的浪潮中,谁真正掌握了项目的话语权?PAAL代币提供了一套系统化的答案。它不仅是生态内流转的价值媒介,更是开启链上治理大门的核心凭证。通过持有并质押PAAL代币,用户能够对协议升级、资金分配乃至战略方向等关键事务投出决定性的一票

热心网友
04.08