eval.pyとdice_loss.pyの役割が分からない。

Question

github上で公開されているPytorch-UNetでサンプルデータをそのまま出力しました。
https://github.com/Paul0629/unet-pytorch

出力はうまくできたのですが、predict.pyを実行して、得られたマスク画像の評価を行いたいです。

同じフォルダにeval.pyとdice_loss.pyあったので、評価用のプログラムだと思ったのですが、実行すると、何も保存されず、何も出力されませんでした。
このプログラムは何を実行するプログラムでしょうか？

１，eval.py

import torch
import torch.nn.functional as F
from tqdm import tqdm

from dice_loss import dice_coeff


def eval_net(net, loader, device):
    """Evaluation without the densecrf with the dice coefficient"""
    net.eval()
    mask_type = torch.float32 if net.n_classes == 1 else torch.long
    n_val = len(loader)  # the number of batch
    tot = 0

    with tqdm(total=n_val, desc='Validation round', unit='batch', leave=False) as pbar:
        for batch in loader:
            imgs, true_masks = batch['image'], batch['mask']
            imgs = imgs.to(device=device, dtype=torch.float32)
            true_masks = true_masks.to(device=device, dtype=mask_type)

            with torch.no_grad():
                mask_pred = net(imgs)

            if net.n_classes > 1:
                tot += F.cross_entropy(mask_pred, true_masks).item()
            else:
                pred = torch.sigmoid(mask_pred)
                pred = (pred > 0.5).float()
                tot += dice_coeff(pred, true_masks).item()
            pbar.update()

    net.train()
    return tot / n_val

2,dice_loss.py

import torch
from torch.autograd import Function


class DiceCoeff(Function):
    """Dice coeff for individual examples"""

    def forward(self, input, target):
        self.save_for_backward(input, target)
        eps = 0.0001
        self.inter = torch.dot(input.view(-1), target.view(-1))
        self.union = torch.sum(input) + torch.sum(target) + eps

        t = (2 * self.inter.float() + eps) / self.union.float()
        return t

    # This function has only a single output, so it gets only one gradient
    def backward(self, grad_output):

        input, target = self.saved_variables
        grad_input = grad_target = None

        if self.needs_input_grad[0]:
            grad_input = grad_output * 2 * (target * self.union - self.inter) \
                         / (self.union * self.union)
        if self.needs_input_grad[1]:
            grad_target = None

        return grad_input, grad_target


def dice_coeff(input, target):
    """Dice coeff for batches"""
    if input.is_cuda:
        s = torch.FloatTensor(1).cuda().zero_()
    else:
        s = torch.FloatTensor(1).zero_()

    for i, c in enumerate(zip(input, target)):
        s = s + DiceCoeff().forward(c[0], c[1])

    return s / (i + 1)

Comments

[jbpb0]

> github上で公開されているPytorch-UNetでサンプルデータをそのまま出力しました。
https://github.com/milesial/Pytorch-UNet

を見ても、

> 同じフォルダにeval.pyとdice_loss.pyがあった

は見当たりませんけど、どこにあるのでしょうか？

[jbpb0]

> 得られたマスク画像の評価を行いたい

正解のマスク画像が用意されてて、AIが推定して作成したマスク画像を正解画像と比較したい、という意味ですか？

[tiroha]

すいません。貼り付けるURLを間違えていました。
修正します。

そうです。

[jbpb0]

> https://github.com/Paul0629/unet-pytorch

は、

https://github.com/milesial/Pytorch-UNet

がオリジナルで、オリジナルの方がファイルの更新日が新しいですよ

[tiroha]

そうなんですね。ありがとうございます！
オリジナルの方でevaluate.pyを試してみたのですが、何も表示されず、新規のファイルを作成されていません。

[tiroha]

オリジナルの方はうまく実行されないので、やはり上のURLのプログラムで評価したいです。

[jbpb0]

> eval.pyとdice_loss.pyの役割

学習に使う
https://github.com/Paul0629/unet-pytorch/blob/master/train.py
の「from eval import eval_net」で「eval.py」を読んでて、それの「def eval_net(...」の

mask_pred = net(imgs)

でマスク画像を推定してるっぽい

「if net.n_classes > 1:」が成立する場合は、

tot += F.cross_entropy(mask_pred, true_masks).item()

で、推定したマスク画像と正解マスク画像を比較評価してるっぽい

「if...」が成立しない場合は、その代わりに

tot += dice_coeff(pred, true_masks).item()

を実行してるので、その「dice_coeff()」がやはり比較評価をしてるっぽくて、「dice_coeff()」は「dice_loss.py」のもので、「dice_coeff()」で「DiceCoeff().forward()」を呼び出して、そこで何やら計算してる

だいたいこんな感じだと思います
(詳しく読んでないので勘違いしてるところあるかも)

[jbpb0]

上記は「train.py」での検証(val)データの扱いの話です

学習データは「train.py」の

masks_pred = net(imgs)

でマスク画像を推定して、

loss = criterion(masks_probs_flat, true_masks_flat)

で正解マスク画像と比較評価してるっぽくて、「criterion()」の正体は「criterion = nn.BCELoss()」です

参考
http://arduinopid.web.fc2.com/Q5-40.html

> 得られたマスク画像の評価を行いたい

「train.py」の

imgs = torch.from_numpy(imgs)

から

loss = criterion(masks_probs_flat, true_masks_flat)

までを切り出して利用したらできそうな (未確認)

Answer 1

評価プログラムとしてある。
特に気にすることはない。