有关keras(Ubuntu14.04,python2.7)

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了有关keras(Ubuntu14.04,python2.7)相关的知识,希望对你有一定的参考价值。

第一部分:安装

     由于我的电脑之前已经已经配置好了caffe,因此有关python的一切相关包都已经安装完成。因此,即使不用Anaconda安装依然很简单。

     sudo pip install tensorflow

     sudo pip install keras

     测试:

     python

     from keras.models import Sequential

 

 

第二部分:如何用keras从本地中读取图片,并做一个二分类的神经网络,直接贴出代码:

# coding=utf-8
##

import os   ##和文件目录相关的都用到该模块"""  
from PIL import Image  ##python imaging library""" 
import numpy as np

#导入各种用到的模块组件
#from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers.core import Dense, Dropout, Activation, Flatten
from keras.layers.advanced_activations import PReLU
from keras.layers.convolutional import Convolution2D, MaxPooling2D, ZeroPadding2D
from keras.optimizers import SGD, Adadelta, Adagrad
from keras.utils import np_utils, generic_utils

def __getnum__(path):         ##统计样本数目的函数
    fm=os.listdir(path)
    i=0
    for f in fm:           ##对于在fm中的文件
        i+=1

    return i      

def load_data(path,count):     ##数据转换函数
    data = np.empty((count,100,100,3),dtype="float32")   
    label = np.empty((count,),dtype="int") 
    imgs = os.listdir(path)  
    num = len(imgs) 
    
    for i in range(num):  
        img = Image.open(path+imgs[i])  
        arr = np.asarray(img,dtype="float32")
        data[i,:,:,:] = arr     
        ##print i
        if i<num/2:             ##前一半label为0,后一部分数据label为1
            label[i] = int(0)  
        else:  
            label[i] = int(1) 

        return data,label         

###############
#开始建立CNN模型
###############

#生成一个model
def __CNN__(testdata,testlabel,traindata,trainlabel):
    model = Sequential()
#第一个卷积层,4个卷积核,每个卷积核大小5*5。1表示输入的图片的通道,灰度图为1通道。
    model.add(Convolution2D(20 , 5 , 5, border_mode=valid,input_shape=(100,100,3))) 
    model.add(Activation(relu))
    model.add(Dropout(0.5))
    model.add(MaxPooling2D(pool_size=(2, 2)))

    #第二个卷积层,30个卷积核,每个卷积核大小5*5。
    #采用maxpooling,poolsize为(2,2)
    model.add(Convolution2D(20 , 3 , 3, border_mode=valid))
    model.add(Activation(relu))
    model.add(MaxPooling2D(pool_size=(2, 2)))

    #第三个卷积层,16个卷积核,每个卷积核大小3*3
    #激活函数用tanh
    #采用maxpooling,poolsize为(2,2)
    model.add(Convolution2D(16 , 3 , 3, border_mode=valid)) 
    model.add(Activation(tanh))
    model.add(MaxPooling2D(pool_size=(2, 2)))

     model.add(Flatten())
    model.add(Dense(128, init=normal))
    model.add(Activation(relu))

    #Softmax分类,输出是4类别
    model.add(Dense(2, init=normal))
    model.add(Activation(softmax))


####训练模型
 #使用SGD + momentum冲量
    sgd = SGD(lr=0.05, decay=1e-6, momentum=0.9, nesterov=True)
    model.compile(loss=binary_crossentropy, optimizer=sgd,metrics=[accuracy])

    #开始训练, show_accuracy在每次迭代后显示正确率 。  batch_size是每次带入训练的样本数目 , nb_epoch 是迭代次数,  shuffle 是打乱样本随机。  
    model.fit(traindata, trainlabel, batch_size=20,epochs=100)
    #设置测试评估参数,用测试集样本
    model.evaluate(testdata, testlabel, batch_size=20)

############
#主模块
############
trainpath = /home/lyyang/keras/data/train/
testpath = /home/lyyang/keras/data/test/

testcount=__getnum__(testpath)
traincount=__getnum__(trainpath)

#print testcount
#print traincount

testdata,testlabel= load_data(testpath,testcount)
traindata,trainlabel= load_data(trainpath,traincount)

#print testlabel.shape
#print testlabel
#print trainlabel.shape
#print trainlabel

#label为0~1共2个类别,keras要求格式为binary class matrices,转化一下,直接调用keras提供的这个函数
testlabel = np_utils.to_categorical(testlabel, 2)      
trainlabel = np_utils.to_categorical(trainlabel, 2)

__CNN__(testdata, testlabel, traindata, trainlabel)

    使用猫狗数据进行分类,数据可以在kaggle网站上下载。

    运行的话,

    python

    python   ***.py 

 

     不过,我没有配置python 的 IDE,感觉写大的project还是不太方便。

 

以上是关于有关keras(Ubuntu14.04,python2.7)的主要内容,如果未能解决你的问题,请参考以下文章

ubuntu 14.04 python2.7.9 缺少zlib模块

Ubuntu 14.04TLA 上的代码块和 Gtkmm

Ubuntu 14.04中root 密码忘记解决方法[转载+17.04亲测可用]

Thinkpad E430 Ubuntu 14.04 无线网卡驱动

Ubuntu 14.04 安装 VMware Player出错: Could not open /dev/vmmon:?

ubuntu14.04安装caffe+python接口