Hello everyone. I’m trying to make my own model for deciphering Russian handwriting using cyrillic handwritten dataset for a school project.
import torch
import torchvision.transforms as transforms
from torchvision import datasets
import torch.nn as nn
from PIL import Image
import torch.nn.functional as F
import torch.optim as optim
import matplotlib.pyplot as plt
import math
from torch.utils.data import Dataset, DataLoader
import os
import pandas as pd
def preprocess_image(image_path):
# Загрузка изображения и преобразование в оттенки серого
image = Image.open(image_path).convert('L')
# Определение последовательности преобразований
transform = transforms.Compose([
transforms.Resize((28, 28)), # Изменение размера до 28x28 пикселей
transforms.ToTensor(), # Преобразование в тензор PyTorch
transforms.Normalize((0.5,), (0.5,)) # Нормализация значений пикселей
])
# Применение преобразований и добавление размерности пакета
return transform(image).unsqueeze(0)
class HybridModel(nn.Module):
def __init__(self):
super(HybridModel, self).__init__()
# Определите слои вашей модели здесь
self.conv1 = nn.Conv2d(in_channels=3, out_channels=16, kernel_size=3, stride=1, padding=1)
self.pool = nn.MaxPool2d(kernel_size=2, stride=2, padding=0)
self.fc1 = nn.Linear(16 * 64 * 64, 128) # Примерный размер после свертки
self.fc2 = nn.Linear(128, 10) # Например, 10 классов
def forward(self, x):
# Определите, как данные проходят через слои
x = self.pool(F.relu(self.conv1(x)))
x = x.view(-1, 16 * 64 * 64) # Измените форму для полносвязного слоя
x = F.relu(self.fc1(x))
x = self.fc2(x)
return x # Возвращаем выходные данные
class PrimaryCaps(nn.Module):
def __init__(self, num_capsules=8, in_channels=256, out_channels=32):
# Вызов конструктора родительского класса
super(PrimaryCaps, self).__init__()
# Создание списка из 8 сверточных слоев (капсул)
# Каждая капсула преобразует 256 входных каналов в 32-мерный вектор выхода
self.capsules = nn.ModuleList([
nn.Conv2d(in_channels, out_channels, kernel_size=9, stride=2, padding=0)
for _ in range(num_capsules)
])
def forward(self, x):
# Применение каждой капсулы к входным данным
u = [capsule(x) for capsule in self.capsules]
# Объединение результатов всех капсул
u = torch.stack(u, dim=1)
# Преобразование размерности для получения векторного представления
u = u.view(x.size(0), 32 * 6 * 6, -1)
# Применение функции squash для нормализации векторов
return self.squash(u)
def squash(self, input_tensor):
# Вычисление квадрата нормы вектора
squared_norm = (input_tensor ** 2).sum(-1, keepdim=True)
# Вычисление коэффициента масштабирования
scale = squared_norm / (1 + squared_norm)
# Нормализация вектора с сохранением направления
return scale * input_tensor / torch.sqrt(squared_norm)
class DigitCaps(nn.Module):
def __init__(self, num_capsules=10, num_routes=32 * 6 * 6, in_channels=8, out_channels=16):
# Вызов конструктора родительского класса
super(DigitCaps, self).__init__()
# Установка параметров слоя
self.num_routes = num_routes # Количество маршрутов от предыдущего слоя
self.num_capsules = num_capsules # Количество выходных капсул (по одной на каждую цифру)
# Создание матрицы преобразования для динамической маршрутизации
self.W = nn.Parameter(torch.randn(1, num_routes, num_capsules, out_channels, in_channels))
def forward(self, x):
# Получение размера пакета
batch_size = x.size(0)
# Добавление необходимых размерностей для матричных операций
x = x.unsqueeze(2).unsqueeze(4)
# Вычисление предсказаний для маршрутизации
u_hat = torch.matmul(self.W, x).squeeze(4)
# Инициализация логитов маршрутизации нулями
b_ij = x.new_zeros(1, self.num_routes, self.num_capsules, 1)
# Итеративный процесс динамической маршрутизации
num_iterations = 3
for iteration in range(num_iterations):
# Вычисление коэффициентов связи через softmax
c_ij = F.softmax(b_ij, dim=2)
# Взвешенное суммирование предсказаний
s_j = (c_ij * u_hat).sum(dim=1, keepdim=True)
# Применение функции squash для получения выходных векторов
v_j = self.squash(s_j)
# Обновление логитов маршрутизации (кроме последней итерации)
if iteration < num_iterations - 1:
# Вычисление скалярного произведения для обновления весов
a_ij = torch.matmul(u_hat.transpose(2, 3), v_j).squeeze(3).squeeze(2)
# Обновление логитов маршрутизации
b_ij = b_ij + a_ij.unsqueeze(2).unsqueeze(3)
# Возврат финальных выходных векторов
return v_j.squeeze(1)
def squash(self, input_tensor):
# Вычисление квадрата нормы вектора
squared_norm = (input_tensor ** 2).sum(-1, keepdim=True)
# Вычисление коэффициента масштабирования
scale = squared_norm / (1 + squared_norm)
# Нормализация вектора с сохранением направления
return scale * input_tensor / torch.sqrt(squared_norm)
class Decoder(nn.Module):
def __init__(self, num_classes=10, output_size=28):
# Вызов конструктора родительского класса
super(Decoder, self).__init__()
# Создание последовательности слоев для реконструкции изображения
self.reconstruct = nn.Sequential(
# Первый полносвязный слой: преобразует капсульное представление в 512 нейронов
nn.Linear(16 * num_classes, 512),
nn.ReLU(inplace=True), # Функция активации ReLU
# Второй слой: расширяет представление до 1024 нейронов
nn.Linear(512, 1024),
nn.ReLU(inplace=True),
# Выходной слой: формирует изображение размером output_size × output_size
nn.Linear(1024, output_size * output_size),
nn.Sigmoid() # Сигмоида для нормализации значений пикселей в диапазоне [0,1]
)
def forward(self, x, data):
# Вычисление длины векторов капсул (вероятностей классов)
classes = (x ** 2).sum(dim=-1) ** 0.5
# Применение softmax для получения распределения вероятностей
classes = F.softmax(classes, dim=-1)
# Определение класса с максимальной вероятностью
_, max_length_indices = classes.max(dim=1)
# Маскирование входа: оставляем только активации для предсказанного класса
masked = x * F.one_hot(max_length_indices, num_classes=10).unsqueeze(-1)
# Реконструкция изображения
reconstructions = self.reconstruct(masked.view(x.size(0), -1))
# Преобразование выхода в формат изображения (batch_size, 1, 28, 28)
reconstructions = reconstructions.view(-1, 1, 28, 28)
# Возвращаем реконструированное изображение и вероятности классов
return reconstructions, classes
def loss_function(reconstructions, classes, images, labels, lambda_recon=0.0005):
# Вычисляем кросс-энтропийную потерю для задачи классификации
margin_loss = F.cross_entropy(classes, labels)
# Вычисляем среднеквадратичную ошибку для задачи реконструкции
reconstruction_loss = F.mse_loss(reconstructions, images)
# Возвращаем комбинированную функцию потерь
return margin_loss + lambda_recon * reconstruction_loss
def train(model, train_loader, optimizer, epoch):
model.train() # Переводим модель в режим обучения
for batch_idx, (data, target) in enumerate(train_loader):
optimizer.zero_grad() # Обнуляем градиенты
# Прямой проход через модель
reconstructions, classes = model(data)
# Вычисляем функцию потерь
# Предполагается, что ваша функция потерь принимает реконструкции, классы, данные и цели
loss = loss_function(reconstructions, classes, data, target)
loss.backward() # Обратное распространение
optimizer.step() # Обновляем параметры модели
# Выводим информацию о ходе обучения каждые 100 батчей
if batch_idx % 100 == 0:
print(f'Train Epoch: {epoch} [{batch_idx * len(data)}/{len(train_loader.dataset)} '
f'({100. * batch_idx / len(train_loader):.0f}%)]\tLoss: {loss.item():.6f}')
def augment_capsules(capsules, num_augmentations=5):
# Получаем размерность входных капсул: размер батча, количество классов и размер капсулы
batch_size, num_classes, capsule_dim = capsules.size()
augmented_capsules = [] # Список для хранения аугментированных капсул
for _ in range(num_augmentations):
# Случайное изменение длины вектора капсулы
# Генерируем случайные коэффициенты масштабирования от 0.9 до 1.1
scale = torch.rand(batch_size, num_classes, 1) * 0.2 + 0.9
scaled_capsules = capsules * scale # Масштабируем капсулы
# Случайное вращение вектора капсулы
# Генерируем случайные углы вращения
theta = torch.rand(batch_size, num_classes, 1) * 2 * math.pi
# Создаём матрицу вращения из углов
rotation_matrix = torch.cat([torch.cos(theta), -torch.sin(theta),
torch.sin(theta), torch.cos(theta)], dim=-1)
rotation_matrix = rotation_matrix.view(batch_size, num_classes, 2, 2) # Преобразуем в 2x2 матрицу
# Применяем вращение к масштабированным капсулам
rotated_capsules = torch.matmul(rotation_matrix, scaled_capsules.view(batch_size, num_classes, 2, -1))
rotated_capsules = rotated_capsules.view(batch_size, num_classes, -1) # Возвращаем к исходной размерности
# Добавляем аугментированные капсулы в список
augmented_capsules.append(rotated_capsules)
# Объединяем оригинальные капсулы с аугментированными
return torch.cat([capsules] + augmented_capsules, dim=0)
def test(model, test_loader):
model.eval() # Переводим модель в режим оценки
test_loss = 0 # Инициализируем переменную для накопления потерь
correct = 0 # Инициализируем счётчик правильных предсказаний
with torch.no_grad(): # Отключаем вычисление градиентов для экономии памяти
for data, target in test_loader:
reconstructions, classes = model(data) # Выполняем прямой проход через модель
# Вычисляем функцию потерь
test_loss += loss_function(reconstructions, classes, data, target).item()
# Получаем предсказания модели
pred = classes.argmax(dim=1, keepdim=True)
# Сравниваем предсказания с истинными метками
correct += pred.eq(target.view_as(pred)).sum().item()
# Вычисляем среднюю потерю и точность
test_loss /= len(test_loader.dataset)
accuracy = 100. * correct / len(test_loader.dataset)
# Выводим результаты оценки
print(f'\nTest set: Average loss: {test_loss:.4f}, '
f'Accuracy: {correct}/{len(test_loader.dataset)} ({accuracy:.2f}%)\n')
return test_loss, accuracy
def visualize_reconstructions(model, data_loader, num_images=5):
model.eval() # Переводим модель в режим оценки
with torch.no_grad(): # Отключаем вычисление градиентов для экономии памяти
for data, _ in data_loader:
reconstructions, _ = model(data) # Получаем реконструкции от модели
break # Выходим из цикла после получения первого батча
# Создаём фигуру для визуализации
fig, axes = plt.subplots(2, num_images, figsize=(12, 6))
for i in range(num_images):
# Отображаем оригинальные изображения
axes[0, i].imshow(data[i].squeeze(), cmap='gray')
axes[0, i].axis('off') # Убираем оси
# Отображаем реконструированные изображения
axes[1, i].imshow(reconstructions[i].squeeze(), cmap='gray')
axes[1, i].axis('off') # Убираем оси
plt.tight_layout() # Убираем лишние отступы
plt.show() # Показываем визуализацию
class CustomDataset(Dataset):
def __init__(self, folder_path, labels_file, transform=None):
self.folder_path = folder_path
self.transform = transform
# Загружаем метки из файла TSV, указывая разделитель
self.labels = pd.read_csv(labels_file, sep='\t', header=None, names=['filename', 'label'])
# Извлекаем имена файлов и метки из DataFrame
self.images = self.labels['filename'].tolist() # Список имен файлов изображений
self.targets = self.labels['label'].tolist() # Список меток
def __len__(self):
return len(self.images)
def __getitem__(self, idx):
img_name = os.path.join(self.folder_path, self.images[idx])
image = Image.open(img_name).convert('RGB')
if self.transform:
image = self.transform(image)
label = self.targets[idx] # Получаем метку для текущего изображения
return image, label # Возвращаем изображение и метку
# Примените необходимые преобразования
transform = transforms.Compose([
transforms.Resize((128, 128)),
transforms.ToTensor(),
])
# Загрузка обучающих данных
train_dataset = CustomDataset(
folder_path='C:/Users/Semka/PycharmProjects/RuChif/train',
labels_file='C:/Users/Semka/PycharmProjects/RuChif/train.tsv', # Путь к файлу меток
transform=transform
)
train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True)
# Загрузка тестовых данных
test_dataset = CustomDataset(
folder_path='C:/Users/Semka/PycharmProjects/RuChif/test',
labels_file='C:/Users/Semka/PycharmProjects/RuChif/test.tsv', # Путь к файлу меток для теста
transform=transform
)
test_loader = DataLoader(test_dataset, batch_size=64, shuffle=False)
# Инициализация модели и оптимизатора
model = HybridModel() #модель
optimizer = optim.Adam(model.parameters()) # Инициализируем оптимизатор Adam
# Обучение модели
num_epochs = 10 # Определите количество эпох
for epoch in range(1, num_epochs + 1): # Цикл по эпохам
train(model, train_loader, optimizer, epoch) # Запускаем процесс обучения
# Сохраняем модель после каждой эпохи
torch.save(model.state_dict(), f'model_epoch_{epoch}.pth')
# Оценка модели после обучения
test_loss, test_accuracy = test(model, test_loader)
# Визуализация реконструкций
visualize_reconstructions(model, test_loader)
but an error pops up in my code.
Traceback (most recent call last):
File "C:\Users\Semka\PycharmProjects\RuChif\all test.py", line 334, in <module>
train(model, train_loader, optimizer, epoch) # Запускаем процесс обучения
File "C:\Users\Semka\PycharmProjects\RuChif\all test.py", line 189, in train
reconstructions, classes = model(data)
ValueError: too many values to unpack (expected 2)
please help someone, I will be glad of any help.
