如何避免这8个常见的深度学习/计算机视觉错误?

磐创AI

    人是不完美的,我们经常在程序中犯错误。有时这些错误很容易发现:你的代码根本不能工作,你的应用程序崩溃等等。但是有些bug是隐藏的,这使得它们更加危险。
    在解决深度学习问题时,由于一些不确定性,很容易出现这种类型的bug:很容易看到web应用端点路由请求是否正确,而不容易检查你的梯度下降步骤是否正确。然而,在DL从业者生涯中有很多错误是可以避免的。
    
    我想分享一些我的经验,关于我在过去两年的计算机视觉工作中看到或制造的错误。我在会议上谈到过这个话题,很多人在会后告诉我:“是的,伙计,我也有很多这样的错误。”我希望我的文章可以帮助你至少避免其中的一些问题。
    1.翻转图像和关键点
    假设一个关键点检测问题的工作。它们的数据看起来像图像和一系列关键点元组,例如[(0,1),(2,2)],其中每个关键点是一对x和y坐标。
    让我们对这个数据实现一个基本的数据增强:
    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
    看起来好像是正确的,嗯,让我们把结果可视化一下:
    mage = 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)))
    
    不对称看起来很奇怪!如果我们检查极值的情况呢?
    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
    out:
    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
    程序报错了!这是一个典型的差一误差。正确的代码是这样的:
    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
    我们可以通过可视化来检测这个问题,而在x = 0点的单元测试也会有帮助。
    2.还是关键点问题
    即使在上述错误被修复之后,仍然存在问题。现在更多的是语义上的问题,而不仅仅是代码上的问题。
    假设需要增强具有两只手掌的图像。看起来好像没问题-左右翻转后手还是手。
    
    但是等等!我们对我们拥有的关键点语义一无所知。如果这个关键点的意思是这样的:
    kpts = [
        (20, 20),  # 左小指
        (20, 200),  # 右小指
        ...
        ]
    
    这意味着增强实际上改变了语义:左变成右,右变成左,但我们不交换数组中的关键点索引。它会给训练带来大量的噪音和更糟糕的度量。
    我们应该吸取教训:
    在应用增强或其他特性之前,要了解和考虑数据结构和语义;
    保持你的实验原子性:添加一个小的变化(例如一个新的变换),如果分数已经提高,检查它如何进行和合并。
    3.编码自定义损失函数
    熟悉语义分割问题的人可能知道IoU度量。不幸的是,我们不能直接用SGD来优化它,所以常用的方法是用可微损失函数来近似它。让我们编码实现一个!
    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()
    看起来不错,让我们测试一下:
    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,我们计算了与正确数据完全不同的数据的损失,而x2则是非常接近正确数据的数据损失结果。我们期望x1很大因为预测很糟糕,x2应该接近0。但是结果与我期望的有差别,哪里出现错误了呢?
    上面的函数是度量的一个很好的近似。度量不是一种损失:它通常(包括这种情况)越高越好。当我们使用SGD最小化损失时,我们应该做一些改变:
    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)
    这些问题可以从两个方面来确定:
    编写一个单元测试来检查损失的方向
    运行健全性检查
    4.当我们遇到Pytorch的时候
    假设有一个预先训练好的模型。编写基于ceevee API的Predictor 类。
    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
    这个代码正确吗?也许!对于某些模型来说确实是正确的。例如,当模型没有dropout或norm 层,如torch.nn.BatchNorm2d。
    但是对于大多数计算机视觉应用来说,代码忽略了一些重要的东西:转换到评估模式。
    如果试图将动态PyTorch图转换为静态PyTorch图,这个问题很容易意识到。torch.jit模块用于这种转换。
    In [3]: model = nn.Sequential(
       ...:     nn.Linear(10, 10),
       ...:     nn.Dropout(.5)
       ...: )
       ...:
       ...: traced_model = torch.jit.trace(model, torch.rand(10))
    /Users/Arseny/.pyenv/versions/3.6.6/lib/python3.6/site-packages/torch/jit/__init__.py:914: TracerWarning: Trace had nondeterministic nodes. Did you forget call .eval() on your model? Nodes:
        %12 : Float(10) = aten::dropout(%input, %10, %11), scope: Sequential/Dropout[1] # /Users/Arseny/.pyenv/versions/3.6.6/lib/python3.6/site-packages/torch/nn/functional.py:806:0
    This may cause errors in trace checking. To disable trace checking, pass check_trace=False to torch.jit.trace()
      check_tolerance, _force_outplace, True, _module_class)
    /Users/Arseny/.pyenv/versions/3.6.6/lib/python3.6/site-packages/torch/jit/__init__.py:914: TracerWarning: Output nr 1. of the traced function does not match the corresponding output of the Python function. Detailed error:
    Not within tolerance rtol=1e-05 atol=1e-05 at input[5] (0.0 vs. 0.5454154014587402) and 5 other locations (60.00%)
    check_tolerance, _force_outplace, True, _module_class)
    一个简单的解决办法:
    In [4]: model = nn.Sequential(
       ...:     nn.Linear(10, 10),
       ...:     nn.Dropout(.5)
       ...: )
       ...:
       ...: traced_model = torch.jit.trace(model.eval(), torch.rand(10))
       # 没有警告!
    torch.jit.trace运行模型几次并比较结果。
    然而torch.jit.trace并不是万能的,你应该了解并记住。
    5.复制粘贴问题
    很多东西都是成对存在的:训练和验证、宽度和高度、纬度和经度……如果你仔细阅读,你会很容易发现一个bug是由某一个成员中复制粘贴到另外一个成员中引起的:
    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
    不仅仅是我犯了愚蠢的错误,例如。流行的albumentations库中也有类似的问题。
    # https://github.com/albu/albumentations/blob/0.3.0/albumentations/augmentations/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
    不过别担心,现在已经修复好了。
    如何避免?尽量以不需要复制和粘贴的方式编写代码。
    下面这种编程方式不是一个好的方式:
    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)
    而下面的方式看起来好多了:
    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.正确的数据类型让我们编写一个新的增强:def add_noise(img: np.ndarray) -> np.ndarray:
        mask = np.random.rand(*img.shape) + .5
        img = img.astype('float32') * mask
        return img.astype('uint8')
    
    图像已被更改。这是我们所期望的吗?嗯,可能修改得有点过了。
    这里有一个危险的操作:将float32转换为uint8。它可能会导致溢出:
    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)
    看起来好多了,是吧?
    顺便说一句,还有一种方法可以避免这个问题:不要重造轮子,不要从头开始编写增强代码,而是使用现有的增强,比如:albumentations.augmentations.transforms.GaussNoise。
    我曾经犯过另一个同样的错误。
    raw_mask = cv2.imread('mask_small.png')
    mask = raw_mask.astype('float32') / 255
    mask = cv2.resize(mask, (64, 64), interpolation=cv2.INTER_LINEAR)
    mask = cv2.resize(mask, (128, 128), interpolation=cv2.INTER_CUBIC)
    mask = (mask * 255).astype('uint8')
    _ = plt.imshow(np.hstack((raw_mask, mask)))
    这里出了什么问题?首先,用三次样条插值调整mask的大小是一个坏主意。与转换float32到uint8的问题是一样的:三次样条插值的输出值会大于输入值,会导致溢出。
    
    我在做可视化的时候发现了这个问题。在你的训练循环中到处使用断言也是一个好主意。
    7. 拼写错误发生
    假设需要对全卷积网络(如语义分割问题)和一个巨大的图像进行推理。该图像是如此巨大,没有机会把它放在你的GPU上 -例如,它可以是一个医疗或卫星图像。
    在这种情况下,可以将图像分割成网格,独立地对每一块进行推理,最后合并。此外,一些预测交叉可能有助于平滑边缘的伪影
    让我们编码实现吧!
    from tqdm import tqdm
    class GridPredictor:
        """
        你有GPU内存限制时,此类可用于预测大图像的分割掩码
        """
        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
    有一个符号输入错误,可以很容易地找到它,检查代码是否正确:
    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)
    AssertionError                            Traceback (most recent call last)
    <ipython-input-24-a72034c717e9> in <module>
          9 grid_pred = grid_predictor(img)
         10
    ---> 11 np.testing.assert_allclose(simple_pred, grid_pred, atol=.001)
    ~/.pyenv/versions/3.6.6/lib/python3.6/site-packages/numpy/testing/_private/utils.py in assert_allclose(actual, desired, rtol, atol, equal_nan, err_msg, verbose)
       1513     header = 'Not equal to tolerance rtol=%g, atol=%g' % (rtol, atol)
       1514     assert_array_compare(compare, actual, desired, err_msg=str(err_msg),
    -> 1515                          verbose=verbose, header=header, equal_nan=equal_nan)
       1516
       1517
    ~/.pyenv/versions/3.6.6/lib/python3.6/site-packages/numpy/testing/_private/utils.py in assert_array_compare(comparison, x, y, err_msg, verbose, header, precision, equal_nan, equal_inf)
        839                                 verbose=verbose, header=header,
        840                                 names=('x', 'y'), precision=precision)
    --> 841             raise AssertionError(msg)
        842     except ValueError:
        843         import traceback
    AssertionError:
    Not equal to tolerance rtol=1e-07, atol=0.001
    Mismatch: 99.6%
    Max absolute difference: 765.
    Max relative difference: 0.75000001
     x: array([[[215.333333],
            [192.666667],
            [250.      ],...
     y: array([[[ 215.33333],
            [ 192.66667],
            [ 250.     ],...
    call方法的正确版本如下:
    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
    如果你仍然不知道问题是什么,注意行weights[a:b, c:d, :] += 1。
    8.Imagenet归一化
    当一个人需要做迁移学习时,用训练Imagenet时的方法将图像归一化通常是一个好主意。
    让我们使用熟悉的albumentations来实现:
    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
    现在是时候训练一个网络并对单个图像进行拟合——正如我所提到的,这是一种很好的调试技术:
    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)
    
    曲率看起来很好,但是-300不是我们期望的交叉熵的损失值。是什么问题?
    归一化处理图像效果很好,但掩码需要缩放到[0,1]之间。
    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)
    在训练循环时一个简单运行断言(例如assert mask.max() <= 1)可以很快地检测到问题。同样,也可以是单元测试。