深度学习keras + tensorflow 实现猫和狗图像分类

Posted Jreey

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了深度学习keras + tensorflow 实现猫和狗图像分类相关的知识,希望对你有一定的参考价值。

本文主要是使用【监督学习】实现一个图像分类器,目的是识别图片是猫还是狗。

从【数据预处理】到 【图片预测】实现一个完整的流程, 当然这个分类在 Kaggle 上已经有人用【迁移学习】(VGG,Resnet)做过了,迁移学习我就不说了,我自己用 Keras + Tensorflow 完整的实现了一遍。

 

准备工作:

  1. 数据集: Dogs vs. Cats  注册激活困难,自己想想办法,Ps:实在注册不了百度云有下载自己搜搜
  2. 使用编程语言:当然是Python 3,你问我为什么,当然是人生苦短。
  3. 使用机器学习库:Numpy(科学计算的库,主要是矩阵运算,真特么好用),sklearn( 机器学习库), Keras(高层神经网络API,真特么好用,马云用了都说好),Tensorflow-GPU版(深度学习框架,用的人都说好,没用的也说好)
  4. 编辑器:Visual studio code (巨硬大法好),安装Python插件

 Ps:NVIDIA的显卡才支持GPU加速运算,具体哪些卡,看它的官网,使用GPU比CPU要节省四五倍的时间。

先导入用到的库:

import os  
os.environ[\'TF_CPP_MIN_LOG_LEVEL\'] = \'2\' 
import numpy as np
from keras import callbacks
from keras.models import Sequential, model_from_yaml, load_model
from keras.layers import Dense, Conv2D, Flatten, Dropout, MaxPool2D
from keras.optimizers import Adam, SGD
from keras.preprocessing import image
from keras.utils import np_utils, plot_model
from sklearn.model_selection import train_test_split
from keras.applications.resnet50 import preprocess_input, decode_predictions

注意: os.environ[\'TF_CPP_MIN_LOG_LEVEL\'] = \'2\'  

这一行代码是为了不让在控制钱显示Tensorflow输出的一堆信息,不写就可以看到 tensorflow 输出的一堆日志。

 

  • 加载数据:下载的压缩包解压出来,目录下面有25,000 猫和狗的图片

线上代码,后面解释

def load_data():
    path = \'./data/train/\'
    files = os.listdir(path)
    images = []
    labels = []
    for f in files:
        img_path = path + f
        img = image.load_img(img_path, target_size=image_size)
        img_array = image.img_to_array(img)
        images.append(img_array)

        if \'cat\' in f:
            labels.append(0)
        else:
            labels.append(1)

    data = np.array(images)
    labels = np.array(labels)

    labels = np_utils.to_categorical(labels, 2)
    return data, labels

 

因为计算机不能直接对图片,视频,文字等直接进行运算,所以首先要把图片转成数值类型的矩阵,并且保证你训练的图片大小一样,我在这里使用keras自带的图片处理类    from keras.preprocessing import image ,主要是就是两个函数 :

 image.load_img(img_path, target_size=image_size)  第一个参数图片的路径,第二个参数target_size 是个tuple 类型,(img_w,img_h)

  image.img_to_array(img)  图片转成矩阵,当然你也可以使用Numpy的   asarray  效果应该一样

 

  • 构建模型:图片分类肯定是卷积模型最好,这个目前位置不用质疑,应该Imagenet 已经证明了,下面先看代码:
    model = Sequential()

    model.add(Conv2D(32, kernel_size=(5, 5), input_shape=(img_h, img_h, 3), activation=\'relu\', padding=\'same\'))
    model.add(MaxPool2D())
    model.add(Dropout(0.3))

    model.add(Conv2D(64, kernel_size=(5, 5), activation=\'relu\', padding=\'same\'))
    model.add(MaxPool2D())
    model.add(Dropout(0.3))

    model.add(Conv2D(128, kernel_size=(5, 5), activation=\'relu\', padding=\'same\'))
    model.add(MaxPool2D())
    model.add(Dropout(0.5))

    model.add(Conv2D(256, kernel_size=(5, 5), activation=\'relu\', padding=\'same\'))
    model.add(MaxPool2D())
    model.add(Dropout(0.5))

    model.add(Flatten())
    model.add(Dense(512, activation=\'relu\'))
    model.add(Dropout(0.5))

    model.add(Dense(2, activation=\'softmax\'))

    model.summary()  //这一句只是输出网络结构

模型:使用序贯模型,然后加了4个卷积层,Conv2D 第一个参数就是卷基层的输出维度,为什么我写了32呢,因为我电脑渣啊,GPU显存太小了,否则我就写64了。参考了VGG,Resnet 等的网络结构

激活函数:卷基层的激活函数使用非线性激活函数: relu。输出层的激活函数使用 softmax, 多分类就用这个。

池化层(MaxPool2D):主要是降维,减少参数加速运算,防止过拟合,为了防止过拟合还加入了 Dropout

 

  • 编译设计的模型:
    sgd = Adam(lr=0.0003)
    model.compile(loss=\'binary_crossentropy\',optimizer=sgd, metrics=[\'accuracy\'])

讲一下优化器: Adam(lr=0.0003) 效果最好,基本都是用这个,lr:学习速率,学习速率越小,理论上来说损失函数越小,精度越高,但是计算越慢,默认是 0.001

注意:不加  metrics=[\'accuracy\'] 参数不会输出日志,在控制台看不到变化。

 

  • 切分数据:从训练数据分割80% 用来训练,20%训练验证
    images, lables = load_data()
    images /= 255
    x_train, x_test, y_train, y_test = train_test_split(images, lables, test_size=0.2)

除以 255 是为了数据归一化,理论上来说归一化,会减少损失函数的震荡,有助于减小损失函数提高精度。

 

  • 训练:加了Tensorlow 可视化,使用的是 TensorBoard,可以清晰的看到 损失函数和精度的变化趋势
  print("train.......")
    tbCallbacks = callbacks.TensorBoard(log_dir=\'./logs\', histogram_freq=1, write_graph=True, write_images=True)
    model.fit(x_train, y_train, batch_size=nbatch_size, epochs=nepochs, verbose=1, validation_data=(x_test, y_test), callbacks=[tbCallbacks])

运行 TensorBoard 只需要两行代码,在cmd,cd D:\\Learning\\learn_python\\   先切到你的logs目录的上一级,然后执行 tensorboard --logdir="logs" 即可。

 

  • 评估:返回两个数据,这个没什么说的
    scroe, accuracy = model.evaluate(x_test, y_test, batch_size=nbatch_size)
    print(\'scroe:\', scroe, \'accuracy:\', accuracy)

 

  • 保存模型:保存是为了可以方便的迁移学习,把网络结构和权重分开保存,当然也可以直接一起保存,需要的导入: from keras.models import model_from_yaml, load_model 
    yaml_string = model.to_yaml()
    with open(\'./models/cat_dog.yaml\', \'w\') as outfile:
        outfile.write(yaml_string)
    model.save_weights(\'./models/cat_dog.h5\')

 

  • 调参:调参其实就是在对抗过拟合和欠拟合,欠拟合可以消除,但是过拟合只能缓解没办法消除。有人说

深度学习工程师50%的时间在调参数,49%的时间在对抗过/欠拟合,剩下1%时间在修改网上down下来的程序

深以为然啊,刚开始我的网络结构不是这样的,卷基层只有2层,kernel_size=(3,3), 学习速率采用的默认参数,全连接层是: Dense(256),训练之后发现欠拟合,精度只有86%左右,后来增加了卷积层数量,调小学习速率等几轮的调参,精度接近93%,还可以继续提升,但我不想调了,因为笔记本的GPU太渣(1050ti)训练一次差不多需要一个多小时。

调参也没什么好办法,只能一次次的去试,如果采用迁移学习,VGG,Resnet的网络结构和权重的话,分分钟能上98%,毫无难度。

 

  • 预测真实数据:保存的网络结构.yaml文件 和权重 .h5 文件先加载进来,然后编译,然后直接预测
def pred_data():

    with open(\'./models/cat_dog.yaml\') as yamlfile:
        loaded_model_yaml = yamlfile.read()
    model = model_from_yaml(loaded_model_yaml)
    model.load_weights(\'./models/cat_dog.h5\')

    sgd = Adam(lr=0.0003)
    model.compile(loss=\'categorical_crossentropy\',optimizer=sgd, metrics=[\'accuracy\'])

    images = []
    path=\'./data/test/\'
    for f in os.listdir(path):
        img = image.load_img(path + f, target_size=image_size)
        img_array = image.img_to_array(img)

        x = np.expand_dims(img_array, axis=0)
        x = preprocess_input(x)
        result = model.predict_classes(x,verbose=0)

        print(f,result[0])
    

因为做的分类任务,我在加载数据的时候写的是 cat 索引为 0 ,dog索引为 1,所以输出的时候,预测的值与之对应,我从百度找了20张图片猫狗个10张,图片长这样:

 

预测的结果如下:

 

可以看到,猫 有一张错误,狗 有两张错误,这个精度在小样本数据集不适用迁移学习的情况下还是可以的。

 

完整代码:https://github.com/jarvisqi/deep_learning

 

 

参考:http://keras-cn.readthedocs.io/en/latest/

 

以上是关于深度学习keras + tensorflow 实现猫和狗图像分类的主要内容,如果未能解决你的问题,请参考以下文章

TensorFlow DNNRegressor实现深度学习的代码

[AI开发]centOS7.5上基于keras/tensorflow深度学习环境搭建

Python TensorFlow实现Sequential深度神经网络回归

Tensorflow2深度学习基础和tf.keras

基于CNN卷积神经网络的TensorFlow+Keras深度学习的人脸识别

前沿TensorFlow Pytorch Keras代码实现深度学习大神Hinton NIPS2017 Capsule论文