0
人類并不是完美的，我們經常在編寫軟件的時候犯錯誤。有時這些錯誤很容易找到：你的代碼根本不工作，你的應用程序會崩潰。但有些 bug 是隱藏的，很難發現，這使它們更加危險。
在處理深度學習問題時，由于某些不確定性，很容易產生此類錯誤：很容易看到 web 應用的端點路由請求是否正確，但卻不容易檢查梯度下降步驟是否正確。然而，在深度學習實踐例程中有很多 bug 是可以避免的。
我想和大家分享一下我在過去兩年的計算機視覺工作中所發現或產生的錯誤的一些經驗。我在會議上談到過這個話題，很多人在會后告訴我：「是的，老兄，我也有很多這樣的 bug。」我希望我的文章能幫助你避免其中的一些問題。
1.翻轉圖像和關鍵點
假設有人在研究關鍵點檢測問題。它們的數據看起來像一對圖像和一系列關鍵點元組，例如 [(0,1),(2,2)]，其中每個關鍵點是一對 x 和 y 坐標。
讓我們對這些數據編進行基本的增強：
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
上面的代碼看起來很對，是不是？接下來，讓我們對它進行可視化。
image = 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)))
這個圖是不對稱的，看起來很奇怪！如果我們檢查極值呢？
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
-------------------------------------------------------------------- -------
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
不好！這是一個典型的錯誤。正確的代碼如下：
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
我們已經通過可視化檢測到這個問題，但是，使用 x=0 點的單元測試也會有幫助。一個有趣的事實是：我們團隊三個人（包括我自己）各自獨立地犯了幾乎相同的錯誤。
2.繼續談談關鍵點
即使上述函數已修復，也存在危險。接下來更多的是關于語義，而不僅僅是一段代碼。
假設一個人需要用兩只手掌來增強圖像。看起來很安全——手在左右翻轉后會還是手。
但是等等！我們對關鍵點語義一無所知。如果關鍵點真的是這樣的意思呢：
kpts = [
(20, 20), # left pinky
(20, 200), # right pinky
...
]
這意味著增強實際上改變了語義：left 變為 right，right 變為 left，但是我們不交換數組中的 keypoints 索引。它會給訓練帶來巨大的噪音和更糟糕的指標。
這里應該吸取教訓：
在應用增強或其他特性之前，了解并考慮數據結構和語義；
保持你的實驗的獨立性：添加一個小的變化（例如，一個新的轉換），檢查它是如何進行的，如果分數提高了再合并。
3.自定義損失函數
熟悉語義分割問題的人可能知道 IoU (intersection over union)度量。不幸的是，我們不能直接用 SGD 來優化它，所以一個常見的技巧是用可微損失函數來逼近它。讓我們編寫相關代碼！
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()
看起來很不錯，讓我們做一個小小的檢查：
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，我們計算了與標準答案完全不同的損失，x2 是非常接近標準答案的函數的結果。我們預計 x1 會很大，因為預測結果并不好，x2 應該接近于零。這其中發生了什么？
上面的函數是度量的一個很好的近似。度量不是損失：它通常越高越好。因為我們要用 SGD 把損失降到最低，我們真的應該采用用相反的方法：
v> 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)
這些問題可以通過兩種方式確定：
編寫一個單元測試來檢查損失的方向：形式化地表示一個期望，即更接近實際的東西應該輸出更低的損失；
做一個全面的檢查，嘗試過擬合你的模型的 batch。
4.使用 Pytorch
假設一個人有一個預先訓練好的模型，并且是一個時序模型。我們基于 ceevee api 編寫預測類。
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
這個密碼正確嗎？也許吧！對某些模型來說確實是正確的。例如，當模型沒有規范層時，例如 torch.nn.BatchNorm2d；或者當模型需要為每個圖像使用實際的 norm 統計信息時（例如，許多基于 pix2pix 的架構需要它）。
但是對于大多數計算機視覺應用程序來說，代碼遺漏了一些重要的東西：切換到評估模式。
如果試圖將動態 pytorch 圖轉換為靜態 pytorch 圖，則很容易識別此問題。有一個 torch.jit 模塊是用于這種轉換的。
一個簡單的修復：
In [4]: model = nn.Sequential(
...: nn.Linear(10, 10),
..: nn.Dropout(.5)
...: )
...:
...: traced_model = torch.jit.trace(model.eval(), torch.rand(10))
# No more warnings!
此時，torch.jit.trace 多次運行模型并比較結果。這里看起來似乎沒有區別。
然而，這里的 torch.jit.trace 不是萬能的。這是一種應該知道并記住的細微差別。
5.復制粘貼問題
很多東西都是成對存在的：訓練和驗證、寬度和高度、緯度和經度……如果仔細閱讀，你可以很容易地發現由一對成員之間的復制粘貼引起的錯誤：
v> 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
不僅僅是我犯了愚蠢的錯誤。在流行庫中也有類似的錯誤。
#
https://github.com/albu/albumentations/blob/0.3.0/albumentations/aug mentations/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
別擔心，這個錯誤已經修復了。如何避免？不要復制粘貼代碼，盡量以不要以復制粘貼的方式進行編碼。
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)
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.合適的數據類型
讓我們再做一個增強：
def add_noise(img: np.ndarray) -> np.ndarray:
mask = np.random.rand(*img.shape) + .5
img = img.astype('float32') * mask
return img.astype('uint8')
圖像已經改變了。這是我們期望的嗎？嗯，也許改變太多了。
這里有一個危險的操作：將 float32 轉到 uint8。這可能導致溢出：
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)
看起來好多了，是吧？
順便說一句，還有一個方法可以避免這個問題：不要重新發明輪子，可以在前人的基礎上，修改代碼。例如：albumentations.augmentations.transforms.GaussNoise 。
我又產生了同樣來源的 bug。
這里出了什么問題？首先，使用三次插值調整 mask 的大小是個壞主意。將 float32 轉換為 uint8 也存在同樣的問題：三次插值可以輸出大于輸入的值，并導致溢出。
我發現了這個問題。在你的循環里面有斷言也是一個好主意。
7.打字錯誤
假設需要對全卷積網絡（如語義分割問題）和一幅巨大的圖像進行處理。圖像太大了，你沒有機會把它放進你的 gpu 中——例如，它可以是一個醫學或衛星圖像。
在這種情況下，可以將圖像分割成一個網格，獨立地對每一塊進行推理，最后合并。另外，一些預測交集可以用來平滑邊界附近的偽影。
我們來編碼吧！
from tqdm import tqdm
class GridPredictor:
""" This class can be used to predict a segmentation mask for the big image when you have GPU memory limitation """
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
有一個符號輸入錯誤，代碼片段足夠大，因此可以很容易地找到它。我懷疑僅僅通過代碼就可以快速識別它，很容易檢查代碼是否正確：
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)
調用方法的正確版本如下：
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
如果你仍然沒有看出問題所在，請注意線寬 [a:b，c:d，：]+=1。
8.ImageNet 規范化
當一個人需要進行遷移學習時，通常最好像訓練 ImageNet 時那樣對圖像進行標準化。
讓我們使用我們已經熟悉的 albumentations 庫。
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
現在是時候訓練一個網絡并使其過擬合某一張圖像了——正如我所提到的，這是一種很好的調試技術：
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)
曲率看起來很好，但交叉熵的損失值預計不會是 -300。這是怎么了？
圖像的標準化效果很好，需要手動將其縮放到 [0，1]。
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)
訓練循環中一個簡單的斷言（例如 assert mask.max（）<=1）會很快檢測到問題。同樣，單元測試也可以檢測到問題。
總而言之：
測試很重要；
運行斷言可以用于訓練管道；
可視化是一種不錯的手段；
抄襲是一種詛咒；
沒有什么是靈丹妙藥，機器學習工程師必須時刻小心。
雷鋒網雷鋒網雷鋒網
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
