人工智能(AI)库TensorFlow 踩坑日记之二
Posted 鬼柒
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了人工智能(AI)库TensorFlow 踩坑日记之二相关的知识,希望对你有一定的参考价值。
上次 踩坑日志之一 遗留的问题终于解决了,所以作者(也就是我)终于有脸出来写第二篇了。
首先还是贴上 卷积算法的示例代码地址 :https://github.com/tensorflow/models
这个库里面主要是一些常用的模型用tensorflow实现之后的代码。其中我用的是
models/tree/master/tutorials/image/cifar10 这个示例,上一篇也大致讲过了。
关于上次遇到问题是:
虽然训练了很多次,但是每次实际去用时都是相同的结果。这个问题主要原因是
在核心代码文件cifar10.py里
tf.app.flags.DEFINE_integer(\'batch_size\', 128,
"""Number of images to process in a batch.""")
被我改成 batch_size =1
一开始我误以为这个batch要跟训练文件的.bin 文件里面的图片数量对应,其实不然。这个batch_size 是为了用
cifar10_input.py
images, label_batch = tf.train.batch(
[image, label],
batch_size=batch_size,
num_threads=num_preprocess_threads,
capacity=min_queue_examples + 3 * batch_size)
创建一个图片跟标签的队列,每个队列128个元素,便于分布式处理。
由于改成1之后可能是影响是训练效果。导致整体的loss很高,所以识别率很差。有待进一步验证。
2018-03-11 修正
batch_size 作用就是一次性训练这么多次之后才开始做梯度下降,这样loss 的波动不会太大。
2018-06-19 补充
https://blog.csdn.net/ycheng_sjtu/article/details/49804041
看完这篇文章之后终于对batch_size 有了一个更深刻的理解。就是越小的batch会导致局部的梯度波动大,难以收敛。
另外一个原因很可能是最致命的
上一篇讲到label的对应方式是
# Create a queue that produces the filenames to read.
filename_queue = tf.train.string_input_producer(filenames)
label 也是用string_input_producer 做了另外一条字符串队列
因为label 是分类名称,也是图片所在文件夹的名称,所以我在外面把图片文件夹名称都丢到一个label的string队列里,然后里面做出队 depuqeue。
这其实是错误的,因为两条队列要完美保持一致,而且还不能加shuffle 参数 这个参数可以随机获取图片文件,以便训练模型效果更具备泛化能力。
# Create a queue that produces the filenames to read.
filename_queue = tf.train.string_input_producer(filenames,name="filename_queue_hcq",shuffle=True)
shuffle=true 还是要加的。
label的获取方式就得另外想办法。
把 cifar10_input.py 方法 read_cifar10 改造如下:
def read_cifar10(filename_queue):
class CIFAR10Record(object):
pass
reader = tf.WholeFileReader()
key, value = reader.read(filename_queue)
image0 = tf.image.decode_jpeg(value,3)
esized_image = tf.image.resize_images(image0, [32, 32],
method=tf.image.ResizeMethod.AREA)
result = ImageNetRecord()
re2=splitfilenames(tf.constant( filenames),len(filenames))
key=splitfilenames(tf.reshape(key,[1],name="key_debug"),1)
label=diff(re2,key)
其中 splitilenames ,diff 方法是我新增的,主要是为了把文件所在目录的路劲切出来
def splitfilenames(inputs,allstringlen):
a = tf.string_split(inputs, "/\\\\")
bigin = tf.cast(tf.size(a.values) / allstringlen -2, tf.int32)
slitsinglelen = tf.cast(tf.size(a.values) / allstringlen, tf.int32)
val = tf.reshape(a.values, [allstringlen, slitsinglelen])
re2 = tf.cast(tf.slice(val, [0, bigin], [allstringlen, 1]),tf.string)
re2 =tf.reshape(re2,[allstringlen])
re2 =tf.unique(re2).y
return re2
比如”H:\\imagenet\\fortest\\n01440764“ 切出来 “n01330764”。 这个方法是支持批量处理的。
之所以写的这么麻烦。是因为输入量是tensor,所以所有操作都必须按照tensorflow的api写。
diff方法(代码在下面) 是为了判定key 的分类名在所有分类里面的文件排序位置(数字0-1000以内)。用这个位置作为label。
这里 读者估计有一个疑问
“为啥不直接用分类名‘n01330764’作为label标签去训练呢?”
这里也是迫于无奈,因为原始代码cifar10的后续功能有2个限制,1,label必须是int型,2label最大值不能大于分类总数。所以不能简单把“n”删除然后转成数字 1330764 。
否则会出各种错。修正这2个问题明显比我新增一个diff方法改动更大。
虽然不太优雅,各位看官轻拍。
def diff(re2,key):
keys = tf.fill([tf.size(re2)],key[0])
numpoi= tf.cast(tf.equal(re2, keys),tf.int32)
numpoi=tf.argmax(numpoi)
return numpoi
2018-06-19 修正
后来这里取label的方法还是换成文件夹按字母排序后的位置作为label了。这样保险很多,而且性能也好一些。
好了,到止为止,train(训练过程)的代码就改完了,可以开始训练了。
cifar10_eval.py 这边需要改个地方。
if len(sys.argv)==1:
SinglePicPath = "/tmp/8.jpg"
else:
SinglePicPath =sys.argv[1]
通过参数传入 单图片的地址,用来放到生产环境执行识别程序。
先跑一下8.jpg 测试一下
得出来结果是0 之所以有这么多,是因为
cifar10_eval 原来的代码用了一部分跟训练代码一致的过程,其中训练代码中batchsize=128,导致虽然输入只有1张图,输出的结果还是有128个。有点多余,不过取其中一个作为结果就可以了。
(这里可以在把batchsize改为1,只在运行时用1)
然后我用C# MVC写了一个页面。用来上传图片,然后输出中文结果。
主要核心代码是(C#):
Thumbnails.Of(file).ZoomMethod(Thumbnails.ThumbnailZoomMethod.CUT).Resize(32, 32).ToFiles(imagepath);
var p = new Process();
//C:\\Users\\Administrator\\AppData\\Local\\Programs\\Python\\Python35\\python.exe
p.StartInfo.FileName = @"C:\\Users\\Administrator\\AppData\\Local\\Programs\\Python\\Python35\\python.exe";
p.StartInfo.Arguments = @"H:\\tensorflow_cnn\\tensorflow_cnn\\tutorials\\image\\cifar10\\cifar10_runsingle.py " + imagepath;
p.StartInfo.WorkingDirectory = @"H:\\";
p.StartInfo.RedirectStandardOutput = true;
p.StartInfo.RedirectStandardError = true;
p.StartInfo.UseShellExecute = false;
p.Start();
string output = p.StandardOutput.ReadToEnd();
string errmsg = p.StandardError.ReadToEnd();
p.WaitForExit();
p.Close();
var num = Regex.Replace(output, @".*\\[array\\(\\[(\\d+),.*\\].*", "$1", RegexOptions.Singleline);
string result;
主要是把图片改为 32*32 然后用Process 拉起python 去执行 cifar10_runsingle.py (这个是cifar10_eval.py 改造后的)。
然后用正则把 结果的数字切出来。
剩下就是把位置比如 0替换成“n01330764”
“n01330764” 再替换成中文,上一篇有下载中文的链接。
测试一下
------------------------------------------
--------------------------------------
-------------------
因为把eval(评估代码)改成执行代码了,所以eval 测试集(在imagenet下载自带的)反而没应用上了。暂时不能判断识别率高低。这是下一步要改造的地方。
不过imagenet 的数量级太大,正正经经训练一次,估计要很久很久很久。
另外还要切换成GPU模式,估计不太难。有教程。
期待踩坑日志之三吧,烧年们。
另外说一点关于tensorboard的,这东西真是厉害。安装方便。直接命令行
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-tensorboard
-i 地址是用了清华的pip镜像 这样安装比较快不容易出错。
然后
logdir 指向
wt = tf.summary.FileWriter("/tmp/broaddata3")
代码中设置的 summary的地址。
然后打开浏览器查看。
这里有个坑需要注意, tensorboard的运行盘符必须跟log所在盘符一致,否则一直提示拿不到文件。
这里可以看到我新增了一个label_sum 的曲线图,可以看到确实拿到不同的label了,而且最小是从0开始的。
此致敬礼。
更新:
2019-03-22
由于之前的例子都是一张一张读取图片,最后我还是修改为打包进Bin文件,然后训练时再一次性读取
源码路径如下 使用方法查看项目 ReadME
https://github.com/g7rhythm/MYcifar255
以上是关于人工智能(AI)库TensorFlow 踩坑日记之二的主要内容,如果未能解决你的问题,请参考以下文章
Android踩坑日记:使用Fesco图片加载库在GridView上的卡顿优化