|
|
51CTO旗下网站
|
|
移动端

8个计算机视觉深度学习中常见的Bug

给大家总结了8个计算机视觉深度学习中的常见bug,相信大家或多或少都遇到过,希望能帮助大家避免一些问题。

作者:AI公园来源:今日头条|2019-12-11 13:24

给大家总结了8个计算机视觉深度学习中的常见bug,相信大家或多或少都遇到过,希望能帮助大家避免一些问题。

人是不完美的,我们经常在软件中犯错误。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应用程序路由请求是否正确,而不容易检查你的梯度下降步骤是否正确。然而,有很多错误是可以避免的。

8个计算机视觉深度学习中常见的Bug

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(https://datafest.ru/ia/),很多人在会后告诉我:“是的,我也有很多这样的bug。”我希望我的文章可以帮助你至少避免其中的一些问题。

1. 翻转图片以及关键点.

假设在关键点检测的问题上。数据看起来像一对图像和一系列的关键点元组。其中每个关键点是一对x和y坐标。

让我们对这个数据进行基础的增强:

  1. def flip_img_and_keypoints(img: np.ndarray, kpts: Sequence[Sequence[int]]):  
  2.  img = np.fliplr(img) 
  3.  h, w, *_ = img.shape 
  4.  kpts = [(y, w - x) for y, x in kpts] 
  5.  return img, kpts 

看起来是正确的,嗯?我们把它可视化。

  1. image = np.ones((10, 10), dtype=np.float32) 
  2. kpts = [(0, 1), (2, 2)] 
  3. image_flipped, kpts_flipped = flip_img_and_keypoints(image, kpts) 
  4. img1 = image.copy() 
  5. for y, x in kpts: 
  6.  img1[y, x] = 0 
  7. img2 = image_flipped.copy() 
  8. for y, x in kpts_flipped: 
  9.  img2[y, x] = 0 
  10.   
  11. _ = plt.imshow(np.hstack((img1, img2))) 

8个计算机视觉深度学习中常见的Bug

不对称,看起来很奇怪!如果我们检查极值呢?

  1. image = np.ones((10, 10), dtype=np.float32) 

不好!这是一个典型的off-by-one错误。正确的代码是这样的:

  1. def flip_img_and_keypoints(img: np.ndarray, kpts: Sequence[Sequence[int]]):  
  2.  img = np.fliplr(img) 
  3.  h, w, *_ = img.shape 
  4.  kpts = [(y, w - x - 1) for y, x in kpts] 
  5.  return img, kpts 

我们通过可视化发现了这个问题,但是,使用“x = 0”点进行单元测试也会有所帮助。一个有趣的事实是:有一个团队中有三个人(包括我自己)独立地犯了几乎相同的错误。

2. 继续是关键点相关的问题

即使在上面的函数被修复之后,仍然存在危险。现在更多的是语义,而不仅仅是一段代码。

假设需要用两只手掌来增强图像。看起来很安全:手是左,右翻转。

8个计算机视觉深度学习中常见的Bug

但是等等!我们对关键点的语义并不很了解。如果这个关键点的意思是这样的:

  1. kpts = [ 
  2.  (20, 20), # left pinky 
  3.  (20, 200), # right pinky 
  4.  ... 
  5.  ] 

8个计算机视觉深度学习中常见的Bug

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。

我们应该吸取一个教训:

  • 在应用增强或其他花哨的功能之前,了解并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),检查它如何进行,如果分数提高才加进去。

3. 编写自己的损失函数

熟悉语义分割问题的人可能知道IoU指标。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。

  1. def iou_continuous_loss(y_pred, y_true): 
  2.  eps = 1e-6 
  3.  def _sum(x): 
  4.  return x.sum(-1).sum(-1) 
  5.  numerator = (_sum(y_true * y_pred) + eps) 
  6.  denominator = (_sum(y_true ** 2) + _sum(y_pred ** 2) 
  7.  - _sum(y_true * y_pred) + eps) 
  8.  return (numerator / denominator).mean() 

看起来不错,我们先做个小的检查:

  1. In [3]: ones = np.ones((1, 3, 10, 10)) 
  2.  ...: x1 = iou_continuous_loss(ones * 0.01, ones) 
  3.  ...: x2 = iou_continuous_loss(ones * 0.99, ones) 
  4. In [4]: x1, x2 
  5. Out[4]: (0.010099999897990103, 0.9998990001020204) 

在 x1中,我们计算了一些与ground truth完全不同的东西的损失,而 x2则是非常接近ground truth的东西的结果。我们预计 x1会很大,因为预测是错误的, x2应该接近于零。怎么了?

上面的函数是对metric的一个很好的近似。metric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来最小化损失时,我们应该使用一些相反的东西:

  1. def iou_continuous(y_pred, y_true): 
  2.  eps = 1e-6 
  3.  def _sum(x): 
  4.  return x.sum(-1).sum(-1) 
  5.  numerator = (_sum(y_true * y_pred) + eps) 
  6.  denominator = (_sum(y_true ** 2) + _sum(y_pred ** 2) 
  7.  - _sum(y_true * y_pred) + eps) 
  8.  return (numerator / denominator).mean() 
  9. def iou_continuous_loss(y_pred, y_true): 
  10.  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,检查损失的方向:形式化的期望,更接近ground truth应该输出更低的损失。
  • 运行一个健全的检查,让你的模型在单个batch中过拟合。

4. 当我们使用Pytorch的时候

假设有一个预先训练好的模型,开始做infer。

  1. from ceevee.base import AbstractPredictor 
  2. class MySuperPredictor(AbstractPredictor): 
  3.  def __init__(self, 
  4.  weights_path: str, 
  5.  ): 
  6.  super().__init__() 
  7.  self.model = self._load_model(weights_path=weights_path) 
  8.  def process(self, x, *kw): 
  9.  with torch.no_grad(): 
  10.  res = self.model(x) 
  11.  return res 
  12.  @staticmethod 
  13.  def _load_model(weights_path): 
  14.  model = ModelClass() 
  15.  weights = torch.load(weights_path, map_location='cpu'
  16.  model.load_state_dict(weights) 
  17.  return model 

这个代码正确吗?也许!这确实适用于某些模型。例如,当模型没有dropout或norm层,如 torch.nn.BatchNorm2d。或者当模型需要为每个图像使用实际的norm统计量时(例如,许多基于pix2pix的架构需要它)。

但是对于大多数计算机视觉应用程序来说,代码忽略了一些重要的东西:切换到评估模式。

如果试图将动态PyTorch图转换为静态PyTorch图,这个问题很容易识别。 torch.jit用于这种转换。

  1. In [3]: model = nn.Sequential( 
  2.  ...: nn.Linear(10, 10), 
  3.  ...: nn.Dropout(.5) 
  4.  ...: ) 
  5.  ...: 
  6.  ...: traced_model = torch.jit.trace(model, torch.rand(10)) 
  7. /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: 
  8.     %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 
  9. This may cause errors in trace checking. To disable trace checking, pass check_trace=False to torch.jit.trace() 
  10.  check_tolerance, _force_outplace, True, _module_class) 
  11. /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: 
  12. Not within tolerance rtol=1e-05 atol=1e-05 at input[5] (0.0 vs. 0.5454154014587402) and 5 other locations (60.00%) 
  13. check_tolerance, _force_outplace, True, _module_class) 

简单的修复一下:

  1. In [4]: model = nn.Sequential( 
  2.  ...: nn.Linear(10, 10), 
  3.  ...: nn.Dropout(.5) 
  4.  ...: ) 
  5.  ...: 
  6.  ...: traced_model = torch.jit.trace(model.eval(), torch.rand(10)) 
  7.  # No more warnings! 

在这种情况下, torch.jit.trace将模型运行几次并比较结果。这里的差别是可疑的。

然而 torch.jit.trace在这里不是万能药。这是一种应该知道和记住的细微差别。

5. 复制粘贴的问题

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……

  1. def make_dataloaders(train_cfg, val_cfg, batch_size): 
  2.  train = Dataset.from_config(train_cfg) 
  3.  val = Dataset.from_config(val_cfg) 
  4.  shared_params = {'batch_size': batch_size, 'shuffle'True'num_workers': cpu_count()} 
  5.  train = DataLoader(train, **shared_params) 
  6.  val = DataLoader(train, **shared_params) 
  7.  return train, val 

不仅仅是我犯了愚蠢的错误。例如,在非常流行的albumentations库也有一个类似的版本。

  1. # https://github.com/albu/albumentations/blob/0.3.0/albumentations/augmentations/transforms.py 
  2. def apply_to_keypoint(self, keypoint, crop_height=0, crop_width=0, h_start=0, w_start=0, rows=0, cols=0, **params): 
  3.  keypoint = F.keypoint_random_crop(keypoint, crop_height, crop_width, h_start, w_start, rows, cols) 
  4.  scale_x = self.width / crop_height 
  5.  scale_y = self.height / crop_height 
  6.  keypoint = F.keypoint_scale(keypoint, scale_x, scale_y) 
  7.  return keypoint 

别担心,已经修改好了。

如何避免?不要复制和粘贴代码,尽量以不需要复制和粘贴的方式编写代码。

  1. datasets = [] 
  2. data_a = get_dataset(MyDataset(config['dataset_a']), config['shared_param'], param_a) 
  3. datasets.append(data_a) 
  4. data_b = get_dataset(MyDataset(config['dataset_b']), config['shared_param'], param_b) 
  5. datasets.append(data_b)  
  1. datasets = [] 
  2. for name, param in zip(('dataset_a''dataset_b'),  
  3.  (param_a, param_b), 
  4.  ): 
  5.  datasets.append(get_dataset(MyDataset(config[name]), config['shared_param'], param)) 

6. 合适的数据类型

让我们编写一个新的增强:

  1. def add_noise(img: np.ndarray) -> np.ndarray: 
  2.  mask = np.random.rand(*img.shape) + .5 
  3.  img = img.astype('float32') * mask 
  4.  return img.astype('uint8'

8个计算机视觉深度学习中常见的Bug

图像已被更改。这是我们所期望的吗?嗯,也许它改变得太多了。

这里有一个危险的操作:将 float32 转换为 uint8。它可能会导致溢出:

  1. def add_noise(img: np.ndarray) -> np.ndarray: 
  2.  mask = np.random.rand(*img.shape) + .5 
  3.  img = img.astype('float32') * mask 
  4.  return np.clip(img, 0, 255).astype('uint8'
  5. img = add_noise(cv2.imread('two_hands.jpg')[:, :, ::-1])  
  6. _ = plt.imshow(img) 

8个计算机视觉深度学习中常见的Bug

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:不要重新发明轮子,不要从头开始编写增强代码并使用现有的扩展: albumentations.augmentations.transforms.GaussNoise。

我曾经做过另一个同样起源的bug。

  1. raw_mask = cv2.imread('mask_small.png'
  2. mask = raw_mask.astype('float32') / 255 
  3. mask = cv2.resize(mask, (64, 64), interpolation=cv2.INTER_LINEAR) 
  4. mask = cv2.resize(mask, (128, 128), interpolation=cv2.INTER_CUBIC) 
  5. mask = (mask * 255).astype('uint8'
  6. _ = plt.imshow(np.hstack((raw_mask, mask))) 

这里出了什么问题?首先,用三次插值调整掩模的大小是一个坏主意。同样的问题 float32到 uint8:三次插值可以输出值大于输入,这会导致溢出。

8个计算机视觉深度学习中常见的Bug

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放置断言也是一个好主意。

7. 拼写错误

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中,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界附近的artifacts。

  1. from tqdm import tqdm 
  2. class GridPredictor: 
  3.  ""
  4.  This class can be used to predict a segmentation mask for the big image  
  5.  when you have GPU memory limitation 
  6.  ""
  7.  def __init__(self, predictor: AbstractPredictor, sizeint, stride: Optional[int] = None): 
  8.  self.predictor = predictor 
  9.  self.size = size 
  10.  self.stride = stride if stride is not None else size // 2 
  11.  def __call__(self, x: np.ndarray): 
  12.  h, w, _ = x.shape 
  13.  mask = np.zeros((h, w, 1), dtype='float32'
  14.  weights = mask.copy() 
  15.  for i in tqdm(range(0, h - 1, self.stride)): 
  16.  for j in range(0, w - 1, self.stride): 
  17.  a, b, c, d = i, min(h, i + self.size), j, min(w, j + self.size
  18.  patch = x[a:b, c:d, :] 
  19.  mask[a:b, c:d, :] += np.expand_dims(self.predictor(patch), -1) 
  20.  weights[a:b, c:d, :] = 1 
  21.  return mask / weights 

有一个符号输入错误,代码段足够大,可以很容易地找到它。我怀疑仅仅通过代码就能快速识别它。但是很容易检查代码是否正确:

  1. class Model(nn.Module): 
  2.  def forward(self, x): 
  3.  return x.mean(axis=-1) 
  4. model = Model() 
  5. grid_predictor = GridPredictor(model, size=128, stride=64) 
  6. simple_pred = np.expand_dims(model(img), -1)  
  7. grid_pred = grid_predictor(img) 
  8. np.testing.assert_allclose(simple_pred, grid_pred, atol=.001) 
  9. --------------------------------------------------------------------------- 
  10. AssertionError Traceback (most recent call last
  11. <ipython-input-24-a72034c717e9> in <module> 
  12.  9 grid_pred = grid_predictor(img) 
  13.  10  
  14. ---> 11 np.testing.assert_allclose(simple_pred, grid_pred, atol=.001) 
  15. ~/.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) 
  16.  1513 header = 'Not equal to tolerance rtol=%g, atol=%g' % (rtol, atol) 
  17.  1514 assert_array_compare(compare, actual, desired, err_msg=str(err_msg), 
  18. -> 1515 verbose=verbose, header=header, equal_nan=equal_nan) 
  19.  1516  
  20.  1517  
  21. ~/.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) 
  22.  839 verbose=verbose, header=header, 
  23.  840 names=('x''y'), precision=precision
  24. --> 841 raise AssertionError(msg) 
  25.  842 except ValueError: 
  26.  843 import traceback 
  27. AssertionError:  
  28. Not equal to tolerance rtol=1e-07, atol=0.001 
  29. Mismatch: 99.6% 
  30. Max absolute difference: 765. 
  31. Max relative difference: 0.75000001 
  32.  x: array([[[215.333333], 
  33.  [192.666667], 
  34.  [250. ],... 
  35.  y: array([[[ 215.33333], 
  36.  [ 192.66667], 
  37.  [ 250. ],... 

下面是 __call__方法的正确版本:

  1. def __call__(self, x: np.ndarray): 
  2.  h, w, _ = x.shape 
  3.  mask = np.zeros((h, w, 1), dtype='float32'
  4.  weights = mask.copy() 
  5.  for i in tqdm(range(0, h - 1, self.stride)): 
  6.  for j in range(0, w - 1, self.stride): 
  7.  a, b, c, d = i, min(h, i + self.size), j, min(w, j + self.size
  8.  patch = x[a:b, c:d, :] 
  9.  mask[a:b, c:d, :] += np.expand_dims(self.predictor(patch), -1) 
  10.  weights[a:b, c:d, :] += 1 
  11.  return mask / weights 

如果你仍然不知道问题出在哪里,请注意 weights[a:b,c:d,:]+=1这一行。

8. Imagenet归一化

当一个人需要进行转移学习时,用训练Imagenet时的方法将图像归一化通常是一个好主意。

让我们使用我们已经熟悉的albumentations库。

  1. from albumentations import Normalize 
  2. norm = Normalize() 
  3. img = cv2.imread('img_small.jpg'
  4. mask = cv2.imread('mask_small.png', cv2.IMREAD_GRAYSCALE) 
  5. mask = np.expand_dims(mask, -1) # shape (64, 64) -> shape (64, 64, 1) 
  6. normed = norm(image=img, mask=mask) 
  7. img, mask = [normed[x] for x in ['image''mask']] 
  8. def img_to_batch(x): 
  9.  x = np.transpose(x, (2, 0, 1)).astype('float32'
  10.  return torch.from_numpy(np.expand_dims(x, 0)) 
  11. img, mask = map(img_to_batch, (img, mask)) 
  12. criterion = F.binary_cross_entropy 

现在是时候训练一个网络并对单个图像进行过度拟合了——正如我所提到的,这是一种很好的调试技术:

  1. model_a = UNet(3, 1)  
  2. optimizer = torch.optim.Adam(model_a.parameters(), lr=1e-3) 
  3. losses = [] 
  4. for t in tqdm(range(20)): 
  5.  loss = criterion(model_a(img), mask) 
  6.  losses.append(loss.item())  
  7.  optimizer.zero_grad() 
  8.  loss.backward() 
  9.  optimizer.step() 
  10.   
  11. _ = plt.plot(losses)  
8个计算机视觉深度学习中常见的Bug

曲率看起来很好,但是交叉熵的损失值-300是不可预料的。是什么问题?

归一化处理图像效果很好,但是mask没有:需要手动缩放到 [0,1]。

  1. model_b = UNet(3, 1)  
  2. optimizer = torch.optim.Adam(model_b.parameters(), lr=1e-3) 
  3. losses = [] 
  4. for t in tqdm(range(20)): 
  5.  loss = criterion(model_b(img), mask / 255.) 
  6.  losses.append(loss.item())  
  7.  optimizer.zero_grad() 
  8.  loss.backward() 
  9.  optimizer.step() 
  10.   
  11. _ = plt.plot(losses) 

8个计算机视觉深度学习中常见的Bug

训练循环的简单运行时断言(例如 assertmask.max()<=1会很快检测到问题。同样,也可以是单元测试。

总结

  • 测试很有必要
  • 运行时断言可以用于训练的pipeline;
  • 可视化是一种幸福
  • 复制粘贴是一种诅咒
  • 没有什么是灵丹妙药,一个机器学习工程师必须总是小心(或只是受苦)。 

【编辑推荐】

  1. 我是如何从零学习开发一款跨平台桌面软件的
  2. 自由软件之父 RMS 认为 GitHub 对自由软件造成了伤害
  3. 面向软件开发人员的7款产品路线图工具
  4. GitHub或正式登陆中国!全球最大开源软件平台拟设中国分公司
  5. IDC预测下一个五年:程序员将增长50%,过半500强都要卖软件
【责任编辑:华轩 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

订阅专栏+更多

服务器选型从入门到实战

服务器选型从入门到实战

政务云规划设计实战
共16章 | 51CTOsummer

440人订阅学习

骨干网与数据中心建设案例

骨干网与数据中心建设案例

高级网工必会
共20章 | 捷哥CCIE

417人订阅学习

中间件安全防护攻略

中间件安全防护攻略

4类安全防护
共4章 | hack_man

158人订阅学习

读 书 +更多

计算机病毒防范艺术

本书由Symantec首席反病毒研究员执笔,是讲述现代病毒威胁、防御技术和分析工具的权威指南。与多数讲述计算机病毒的书籍不同,本书完全是...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊

51CTO服务号

51CTO官微