CIFAR-10 图像识别

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CIFAR-10 图像识别相关的知识,希望对你有一定的参考价值。

零、学习目标

  1. tensorflow 数据读取原理
  2. 深度学习数据增强原理

一、CIFAR-10数据集简介

是用于普通物体识别的小型数据集,一共包含 10个类别RGB彩×××片(包含:(飞机、汽车、鸟类、猫、鹿、狗、蛙、马、船、卡车)。图片大小均为 3232像素**,数据集中一共有 50000 张训练图片和 1000*** 张测试图片。部分代码来自于tensorflow官方,以下表格列出了所需的官方代码。

文件 用途
cifar10.py 建立CIFAR-1O预测模型
cifar10_input.py 在tensorflow中读入CIFAR-10训练图片
cifar10_input_test.py cifar10_input 的测试用例文件
cifar10_train.py 使用单个GPU或CPU训练模型
cifar10_train_multi_gpu.py 使用多个gpu训练模型
cifar10_eval.py 在测试集上测试模型的性能

二、下载CIFAR-10数据

在工程根目录创建 cifar10_download.py ,输入如下代码创建下载数据的程序:

# 引入当前目录中已经编写好的cifar10模块
import cifar10
# 引入tensorflow
import tensorflow as tf

# 定义全局变量存储器,可用于命令行参数的处理
# tf.app.flags.FLAGS 是tensorflow 内部的一个全局变量存储器
FLAGS = tf.app.flags.FLAGS
# 在cifar10 模块中预先定义了cifar-10的数据存储路径,修改数据存储路径
FLAGS.data_dir = ‘cifar10_data/‘
# 如果数据不存在,则下载
cifar10.maybe_download_and_extract()

执行完这段代码后,CIFAR-10数据集会下载到目录 cifar10_data 目录下。默认的存储路径书 tmp/cifar10_data,定义在代码文件cifar10.py中,位置大约在53行附近。
修改完数据存储路径后,通过 cifar10.maybe_download_and_extract() 来下载数据,下载期间如果数据存在于数据文件夹中则跳过下载数据,反之下载数据。下载成功后会提示 Successfully downloaded cifar-10-binary.tar.gz 170052171 bytes.
下载完成后,cifar10_data/cifar-10-batches-bin 中将出现8个文件,名称和用途如下表:

文件名 用途
batches.meta.txt 存储每个类别的英文名
data_batch_1.bin、......、data_batch_5.bin CIFAR-10的五个训练集,每个训练集用二进制格式存储了10000张32*32的彩×××像和图相对应的标签,没个样本由3073个字节组成,第一个字节未标签,剩下的字节未图像数据
test_batch.bin 存储1000张用于测试的图像和对应的标签
readme.html 数据集介绍文件

三、TensorFlow 读取数据的机制

  1. 普通方式
    将硬盘上的数据读入内存中,然后提供给CPU或者GPU处理
  2. 内存队列方式
    普通方式读取数据会出现GPU或CPU在一段时间内存在空闲,导致运算效率降低。利用内存队列,将数据读取和计算放在两个线程中,读取线程只需向内存队列中读入文件,而计算线程只用从内存队列中读取计算需要的数据,这样就解决了GPU或者CPU的空闲问题。
  3. 文件名队列+内存队列
    TensorFlow采用 文件名队列+内存队列,这种方式可以很好的管理epoch(注1)和避免计算单元的空闲问题。举个例子,假设有三个数据文件要执行一次epoch,那么就在文件名队列中放入这三个数据文件各一次,并且在最后放入的数据文件后面标注队列结束。内存队列依次从文件名队列的顶部读取数据文件,读到结束标记后就会自动抛出异常,捕获这个异常后程序就可以结束。如果是执行N次epoch,那么就把每个数据文件放入文件名队列N次。

    注1:
    对于数据集来说,运行一次epoch就是将数据集里的所有数据完整的计算一遍,以此类推运行N次epoch就是将数据集里的所有数据完整的计算N遍

四、创建文件名队列和内存队列

  1. 创建文件名队列
    利用tensorflow的 tf.train.string_input_producer()(注2) 函数。给函数传入一个文件名列表,系统将会转换未文件名队列。tf.train.string_input_producer() 函数有两个重要的参数,分别是 num_epochsshuffle ,num_epochs表示epochs数,shuffle表示是否打乱文件名队列内文件的顺序,如果是True表示不按照文件名列表添加的顺序进入文件名队列,如果是Flase表示按照文件名列表添加的顺序进入文件名队列。
  2. 创建内存队列
    在tensorflow中不手动创建内存队列,只需使用 reader对象从文件名队列中读取数据就可以了。

    注2:
    使用tf.train.string_input_producer() 创建完文件名队列后,文件名并没有被加入到队列中,如果此时开始计算,会导致整个系统处于阻塞状态。
    在创建完文件名队列后,应调用 tf.train.start_queue_runners 方法才会启动文件名队列的填充,整个程序才能正常运行起来。

  3. 代码
import tensorflow as tf

# 新建session
with tf.Session() as sess:
    # 要读取的三张图片
    filename = [‘img/1.jpg‘, ‘img/2.jpg‘, ‘img/3.jpg‘]
    # 创建文件名队列
    filename_queue = tf.train.string_input_producer(filename, num_epochs=5, shuffle=False)
    reader = tf.WholeFileReader()
    key, value = reader.read(filename_queue)
    # 初始化变量(epoch)
    tf.local_variables_initializer().run()
    threads = tf.train.start_queue_runners(sess=sess)
    i = 0
    while True:
        i += 1
        # 获取图片保存数据
        image_data = sess.run(value)
        with open(‘read/test_%d.jpg‘ % i, ‘wb‘) as f:
            f.write(image_data)

五、数据增强

对于图像数据来说,数据增强方法就是利用平移、缩放、颜色等变换增大训练集样本个数,从而达到更好的效果(注3),使用数据增强可以大大提高模型的泛化能力,并且能够预防过拟合。
常用的图像数据增强方法如下表

方法 说明
平移 将图像在一定尺度范围内平移
旋转 将图像在一定角度范围内旋转
翻转 水平翻转或者上下翻转图片
裁剪 在原图上裁剪出一块
缩放 将图像在一定尺度内放大或缩小
颜色变换 对图像的RGB颜色空间进行一些变换
噪声扰动 给图像加入一些人工生成的噪声

注3:
使用数据增强的方法前提是,这些数据增强方法不会改变图像的原有标签。比如数字6的图片,经过上下翻转之后就变成了数字9的图片。

六、CIFAR-10识别模型

建立模型的代码在cifar10.py文件额inference函数中,代码在这里不进行详解,读者可以去阅读代码中的注释。
这里我们通过以下命令训练模型:

python cifar10_train.py --train_dir cifar10_train/ --data_dir cifar10_data/

这段命令中 --data_dir cifar10_data/ 表示数据保存的位置, --train_dir cifar10_train/ 表示保存模型参数和训练时日志信息的位置

七、查看训练进度

在训练的时候我们往往需要知道损失的变化和每层的训练情况,这个时候我们就会用到tensorflow提供的 TensorBoard。打开一个新的命令行,输入如下命令:

tensorboard --logdir cifar10_train/

其中 --logdir cifar10_train/ 表示模型训练日志保存的位置,运行该命令后将会在命令行看到类似如下的内容
技术分享图片
在浏览器上输入显示的地址,即可访问TensorBoard。简单解释一下常用的几个标签:

标签 说明
total_loss_1 loss 的变化曲线,变化曲线会根据时间实时变化
learning_rate 学习率变化曲线
global_step 美妙训练步数的情况,如果训练速度变化较大,或者越来越慢,就说明程序有可能存在错误

八、检测模型的准确性

在命令行窗口输入如下命令:

python cifar10_eval.py --data_dir cifar10_data/ --eval_dir cifar10_eval/ --checkpoint_dir cifar10_train/

--data_dir cifar10_data/ 表 示 CIFAR-10 数据集的存储位置 。
--heckpoint_dir cifar1O_train/ 则表示程序模型保存在 cifar10_train/文件夹下。
--eval_dir cifar10_eval/ 指定了一个保存测试信息的文件夹
输入以下命令,在TensorBoard上查看准确率岁训练步数的变化情况:

tensorboard --logdir cifar10_eval/ --port 6007

在浏览器中输入:http://127.0.0.1:6007,展开 Precision @ 1 选项卡,就可以看到准确率随训练步数变化的情况。

九、代码下载

Git地址:https://gitee.com/bugback/ai_learning.git
百度网盘:https://pan.baidu.com/s/17HdfI2R9gsOMKi4pgundSA

以上是关于CIFAR-10 图像识别的主要内容,如果未能解决你的问题,请参考以下文章

基于cifar10实现卷积神经网络图像识别

CIFAR10例如:硬盘

CIFAR-10数据集应用:快速入门数据增强方法Mixup,显著提升图像识别准确度

PaddlePaddle系列CIFAR-10图像分类

Computer Vision基于ResNet-50实现CIFAR10数据集分类

小白学习PyTorch教程六基于CIFAR-10 数据集,使用PyTorch 从头开始​​构建图像分类模型