项目简介：

该项目使用PaddleX提供的图像分类模型，在 kaggle 驾驶员状态检测数据集进行训练；

训练得到的模型能够区分驾驶员正常驾驶、打电话、喝水等等不同动作，准确率为0.979；

并使用PaddleLite进行模型的量化和压缩；

该项目使用CPU环境或GPU环境运行，PaddleX会自动选择合适的环境；

目录：

1. PaddleX工具简介；
2. 数据集简介；
3. 定义数据加载器；
4. 定义并训练模型；
5. 评估模型性能；
6. 使用PaddleLite进行模型压缩；
7. 总结

一、PaddleX 工具简介：

PaddleX简介：PaddleX是飞桨全流程开发工具，集飞桨核心框架、模型库、工具及组件等深度学习开发所需全部能力于一身，打通深度学习开发全流程，并提供简明易懂的Python API，方便用户根据实际生产需求进行直接调用或二次开发，为开发者提供飞桨全流程开发的最佳实践。目前，该工具代码已开源于GitHub，同时可访问PaddleX在线使用文档，快速查阅读使用教程和API文档说明。

PaddleX代码GitHub链接：https://github.com/PaddlePaddle/PaddleX/tree/develop

PaddleX文档链接：https://paddlex.readthedocs.io/zh_CN/latest/index.html

PaddleX官网链接：https://www.paddlepaddle.org.cn/paddle/paddlex

二、数据集简介：

数据集地址：https://www.kaggle.com/c/state-farm-distracted-driver-detection

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ex1qr7ru-1590022154854)(https://storage.googleapis.com/kaggle-competitions/kaggle/5048/media/output_DEb8oT.gif)]

该数据集由kaggle提供，共包括十个类别：

    'c0': 'normal driving','c1': 'texting-right','c2': 'talking on the phone-right','c3': 'texting-left','c4': 'talking on the phone-left','c5': 'operating the radio','c6': 'drinking','c7': 'reaching behind','c8': 'hair and makeup','c9': 'talking to passenger'

#解压数据集
# !unzip /home/aistudio/data/data35503/imgs.zip -d /home/aistudio/work/imgs
# !cp /home/aistudio/data/data35503/lbls.csv /home/aistudio/work/

安装paddleX和1.7.0版本的paddlepaddle（这是由于paddlex并不支持最新版本）

!pip install paddlex -i https://mirror.baidu.com/pypi/simple
!pip install paddlepaddle-gpu==1.7.0.post107 -i https://mirror.baidu.com/pypi/simple

import os
# 设置使用0号GPU卡（如无GPU，执行此代码后仍然会使用CPU训练模型）
os.environ['CUDA_VISIBLE_DEVICES'] = '0'
os.chdir('/home/aistudio/work/')

# jupyter中使用paddlex需要设置matplotlib
import matplotlib
matplotlib.use('Agg') 
import paddlex as pdx

三、定义数据加载器：

这里主要是通过 pdx.datasets.ImageNet 类定义用于识别任务的数据加载器；

import paddlehub as hub
import paddle.fluid as fluid
import numpy as npbase = './data/'datas = []
for i in range(10):c_base = base+'train/c{}/'.format(i)for im in os.listdir(c_base):pt = os.path.join('train/c{}/'.format(i), im)line = '{} {}'.format(pt, i)# print(line)datas.append(line)np.random.seed(10)
np.random.shuffle(datas)total_num = len(datas)
train_num = int(0.8*total_num)
test_num = int(0.1*total_num)
valid_num = total_num - train_num - test_numprint('train:', train_num)
print('valid:', valid_num)
print('test:', test_num)with open(base+'train_list.txt', 'w') as f:for v in datas[:train_num]:f.write(v+'\n')with open(base+'test_list.txt', 'w') as f:for v in datas[-test_num:]:f.write(v+'\n')with open(base+'val_list.txt', 'w') as f:for v in datas[train_num:-test_num]:f.write(v+'\n')

train: 17939
valid: 2243
test: 2242

from paddlex.cls import transforms
train_transforms = transforms.Compose([transforms.RandomCrop(crop_size=224),transforms.RandomHorizontalFlip(),transforms.Normalize()
])
eval_transforms = transforms.Compose([transforms.ResizeByShort(short_size=256),transforms.CenterCrop(crop_size=224),transforms.Normalize()
])

train_dataset = pdx.datasets.ImageNet(data_dir='data',file_list='data/train_list.txt',label_list='data/labels.txt',transforms=train_transforms,shuffle=True)
eval_dataset = pdx.datasets.ImageNet(data_dir='data',file_list='data/val_list.txt',label_list='data/labels.txt',transforms=eval_transforms)

2020-05-18 07:57:03 [INFO]	Starting to read file list from dataset...
2020-05-18 07:57:03 [INFO]	17939 samples in file data/train_list.txt
2020-05-18 07:57:03 [INFO]	Starting to read file list from dataset...
2020-05-18 07:57:03 [INFO]	2243 samples in file data/val_list.txt

num_classes = len(train_dataset.labels)
print(num_classes)

10

四、定义并训练模型：

这里使用 MobileNetv3 进行训练；

MobileNetv3详细介绍可以看我的这一篇博客：

https://blog.csdn.net/weixin_44936889/article/details/104243853

这里简单复述一下：

琦玉老师 和 龙卷（阿姨）小姐姐 告诉我一个道理——画风越简单，实力越强悍；

这篇论文只有四个词，我只能说：不！简！单！

MobileNet简介：

为了使深度学习神经网络能够用于移动和嵌入式设备，

MobileNet 提出了使用深度分离卷积减少参数的方法；

DW Conv：

即先将特征层的每个channel分开，然后分别做卷积，这样参数大约少了N倍（N是输出特征层的channel数）；

PW Conv：

就是1×1卷积，用于融合不同channel的特征；

（一）论文地址：

《Searching for MobileNet V3》

（二）核心思想：

1. 使用了两个黑科技：NAS 和 NetAdapt 互补搜索技术，其中 NAS 负责搜索网络的模块化结构，NetAdapt 负责微调每一层的 channel 数，从而在延迟和准确性中达到一个平衡；
2. 提出了一个对于移动设备更适用的非线性函数 $h-swish[x]=x\frac{ReLU6(x+3)}{6}$；
3. 提出了 $MobileNetV3-Large$ 和 $MobileNetV3-Small$ 两个新的高效率网络；
4. 提出了一个新的高效分割（指像素级操作，如语义分割）的解码器（$decoder$）；

（三）Platform-Aware NAS for Block-wise Search：

3.1 MobileNetV3-Large：

对于有较大计算能力的平台，作者提出了 MobileNetV3-Large，并使用了跟 MnanNet-A1 相似的基于 RNN 控制器和分解分层搜索空间的 NAS 搜索方法；

3.1 MobileNetV3-Small：

对于有计算能力受限制的平台，作者提出了 MobileNetV3-Small；

这里作者发现，原先的优化方法并不适用于小的网络，因此作者提出了改进方法；

用于近似帕累托最优解的多目标奖励函数定义如下：

$ACC(m)×[LAT(m)/TAR]^w$

其中 $m$ 是第 $m$ 个模型的索引，$ACC$ 是模型的准确率，$LAT$ 是模型的延迟，$TAR$ 是目标延迟；

作者在这里将权重因数 $w=-0.07$ 改成了 $w=-0.15$，最后得到了一个期望的种子模型（initial seed model）；

（四）NetAdapt for Layer-wise Search：

第二个黑科技就是 NetAdapt 搜索方法，用于微调上一步生成的种子模型；

NetAdapt 的基本方法是循环迭代以下步骤：

1. 生成一系列建议模型（proposals），每个建议模型代表了一种结构改进，满足延迟至少比上一步的模型减小了 $\delta$，其中 $\delta=0.01|L|$，$L$ 是种子模型的延迟；
2. 对于每一个建议模型，使用上一步的预训练模型，删除并随机初始化改进后丢失的权重，继续训练 $T$ 步来粗略估计建议模型的准确率，其中 $T=10000$；
3. 根据某种度量，选取最合适的建议模型，直到达到了目标延迟 $TAR$；

作者将度量方法改进为最小化（原文是最大化，感觉是笔误）：$\frac{\Delta Acc}{\Delta latency}$

其中建议模型的提取方法为：

1. 减小 Expansion Layer 的大小；
2. 同时减小 BottleNeck 模块中的前后残差项的 channel 数；

（五）Efficient Mobile Building Blocks：

作者在 BottleNet 的结构中加入了SE结构，并且放在了depthwise filter之后；

由于SE结构会消耗一定的计算时间，所以作者在含有SE的结构中，将 Expansion Layer 的 channel 数变为原来的1/4；

其中 SE 模块首先对卷积得到的特征图进行 Squeeze 操作，得到特征图每个 channel 上的全局特征，

然后对全局特征进行 Excitation 操作，学习各个 channel 间的关系，

从而得到不同channel的权重，最后乘以原来的特征图得到最终的带有权重的特征；

（六）Redesigning Expensive Layers：

作者在研究时发现，网络开头和结尾处的模块比较耗费计算能力，因此作者提出了改进这些模块的优化方法，从而在保证准确度不变的情况下减小延迟；

6.1 Last Stage：

在这里作者删掉了 Average pooling 前的一个逆瓶颈模块（包含三个层，用于提取高维特征），并在 Average pooling 之后加上了一个 1×1 卷积提取高维特征；

这样使用 Average pooling 将大小为 7×7 的特征图降维到 1×1 大小，再用 1×1 卷积提取特征，就减小了 7×7=49 倍的计算量，并且整体上减小了 11% 的运算时间；

6.2 Initial Set of Filters：

之前的 MobileNet 模型开头使用的都是 32 组 3×3 大小的卷积核并使用 ReLU 或者 swish 函数作为激活函数；

作者在这里提出，可以使用 h-switch 函数作为激励函数，从而删掉多余的卷积核，使得初始的卷积核组数从 32 下降到了 16；

（七）hard switch 函数：

之前有论文提出，可以使用 $swish$ 函数替代 ReLU 函数，并且能够提升准确率；

其中 switch 函数定义为：

$swish[x]=x×\sigma(x)$，其中 $\sigma(x)=sigmoid(x)=1/（1+e^{-x}）$；

由于 sigmaoid 函数比较复杂，在嵌入式设备和移动设备计算消耗较大，作者提出了两个解决办法：

7.1 h-swish 函数：

将 swish 中的 sigmoid 函数替换为一个线性函数，将其称为 h-swish：

$h$-$swish[x]=x\frac{ReLU6(x+3)}{6}$

7.2 going deeper：

作者发现 swish 函数的作用主要是在网络的较深层实现的，因此只需要在网络的第一层和后半段使用 h-swish 函数；

（八）网络结构：

8.1 MobileNetV3-Large：

8.2 MobileNetV3-Small：

（九）训练细节：

使用了 Tensorflow 的 RMSPropOptimizer 优化器，并附加 0.9 的动量项；

初始化学习率为 0.1，batch 大小为 4096（每个 GPU 128）；

每 3 个 epoch 学习率衰减 0.01；

使用了 0.8 的 dropout 和 1e-5 的 weight decay；

（十）实验结果：

# 定义并训练模型
model = pdx.cls.MobileNetV3_small_ssld(num_classes=num_classes)
model.train(num_epochs=2,train_dataset=train_dataset,train_batch_size=32,log_interval_steps=20,eval_dataset=eval_dataset,lr_decay_epochs=[1],save_interval_epochs=1,learning_rate=0.01,save_dir='output/mobilenetv3')

五、评估模型性能

save_dir = 'output/mobilenetv3/best_model'
model = pdx.load_model(save_dir)
model.evaluate(eval_dataset, batch_size=1, epoch_id=None, return_details=False)

2020-05-18 09:25:35 [INFO]	Model[MobileNetV3_small_ssld] loaded.
2020-05-18 09:25:35 [INFO]	Start to evaluating(total_samples=2243, total_steps=2243)...100%|██████████| 2243/2243 [00:58<00:00, 38.38it/s]OrderedDict([('acc1', 0.9790459206419974), ('acc5', 1.0)])

六、使用PaddleLite进行模型压缩

PaddleLite 是 paddle 提供的模型压缩和量化工具；

文档地址：

https://paddle-lite.readthedocs.io/zh/latest/index.html#

简介：
Paddle-Lite 框架是 PaddleMobile 新一代架构，重点支持移动端推理预测，特点为高性能、多硬件、轻量级 。

支持PaddleFluid/TensorFlow/Caffe/ONNX模型的推理部署，目前已经支持 ARM CPU, Mali GPU, Adreno GPU, Huawei NPU 等多种硬件，

正在逐步增加 X86 CPU, Nvidia GPU 等多款硬件，相关硬件性能业内领先。

# 进行模型量化并保存量化模型
pdx.slim.export_quant_model(model, eval_dataset, save_dir='./quant_mobilenet')
print('done.')

# 加载量化后的模型并进行评估
quant_model = pdx.load_model('./quant_mobilenet')
load_model('./quant_mobilenet')
quant_model.evaluate(eval_dataset, batch_size=1, epoch_id=None, return_details=False)

七、总结：

在本项目中我们完成了以下任务：

1. 使用PaddleX在驾驶员状态识别数据集训练了MobileNetv3模型；

2. 使用PaddleLite实现了模型的量化；

关于作者：

北京理工大学 大二在读

感兴趣的方向为：目标检测、人脸识别、EEG识别等

也欢迎大家fork、评论交流

作者博客主页：https://blog.csdn.net/weixin_44936889