公众号：尤而小屋
作者：Peter
编辑：Peter
大家好，我是 Peter~
本文记录了第一个基于卷积神经网络在图像识别领域的应用：猫狗图像识别。主要内容包含：
本文中使用的深度学习框架是 Keras；
图像数据来自 kaggle 官网：https://www.kaggle.com/c/dogs-vs-cats/data
数据处理
数据量
数据集包含 25000 张图片，猫和狗各有 12500 张；创建每个类别 1000 个样本的训练集、500 个样本的验证集和 500 个样本的测试集
注意：只取出部分的数据进行建模
创建目录
In [1]:
In [2]:
current_dir = !pwd # 当前目录current_dir[0]
复制代码
Out[2]:
'/Users/peter/Desktop/kaggle/kaggle_12_dogs&cats/dogs-vs-cats'
复制代码
创建新的目录来存储需要的数据集：
base_dir = current_dir[0] + '/cats_dogs_small'os.mkdir(base_dir) # 创建目录
复制代码
# 分别创建训练集、验证集和测试集的目录
train_dir = os.path.join(base_dir,"train")os.mkdir(train_dir)validation_dir = os.path.join(base_dir,"validation")os.mkdir(validation_dir)test_dir = os.path.join(base_dir,"test")os.mkdir(test_dir)
# 猫、狗的训练、验证、测试图像目录train_cats_dir = os.path.join(train_dir, "cats")os.mkdir(train_cats_dir)train_dogs_dir = os.path.join(train_dir, "dogs")os.mkdir(train_dogs_dir)
validation_cats_dir = os.path.join(validation_dir, "cats")os.mkdir(validation_cats_dir)validation_dogs_dir = os.path.join(validation_dir, "dogs")os.mkdir(validation_dogs_dir)
test_cats_dir = os.path.join(test_dir, "cats")os.mkdir(test_cats_dir)test_dogs_dir = os.path.join(test_dir, "dogs")os.mkdir(test_dogs_dir)
复制代码
数据集复制
In [5]:
# 1000张当做训练集train
fnames = ['cat.{}.jpg'.format(i) for i in range(1000)]for fname in fnames: # 源目录文件 src = os.path.join(current_dir[0] + "/train", fname) # 目标目录 dst = os.path.join(train_cats_dir, fname) shutil.copyfile(src, dst)
复制代码
In [6]:
# 500张当做验证集valiation
fnames = ['cat.{}.jpg'.format(i) for i in range(1000,1500)]for fname in fnames: src = os.path.join(current_dir[0] + "/train", fname) dst = os.path.join(validation_cats_dir, fname) shutil.copyfile(src, dst)
复制代码
In [7]:
# 500张当做测试集test
fnames = ['cat.{}.jpg'.format(i) for i in range(1500,2000)]for fname in fnames: src = os.path.join(current_dir[0] + "/train", fname) dst = os.path.join(test_cats_dir, fname) shutil.copyfile(src, dst)
复制代码
In [8]:
# 针对dog的3个同样操作
# 1、1000张当做训练集trainfnames = ['dog.{}.jpg'.format(i) for i in range(1000)]for fname in fnames: src = os.path.join(current_dir[0] + "/train", fname) dst = os.path.join(train_dogs_dir, fname) shutil.copyfile(src, dst) # 2、500张当做验证集valiationfnames = ['dog.{}.jpg'.format(i) for i in range(1000,1500)]for fname in fnames: src = os.path.join(current_dir[0] + "/train", fname) dst = os.path.join(validation_dogs_dir, fname) shutil.copyfile(src, dst) # 3、500张当做测试集testfnames = ['dog.{}.jpg'.format(i) for i in range(1500,2000)]for fname in fnames: src = os.path.join(current_dir[0] + "/train", fname) dst = os.path.join(test_dogs_dir, fname) shutil.copyfile(src, dst)
复制代码
检查数据
针对猫狗两个类别中查看每个集（训练、验证、测试）中分别包含多少张图像：
构建神经网络
复习一下卷积神经网络的构成：Conv2D 层（使用 relu 激活函数） + MaxPooling2D 层 交替堆叠构成。
当需要更大的图像和更复杂的问题，需要再添加一个 Conv2D 层（使用 relu 激活函数） + MaxPooling2D 层。
这样做的好处：
需要注意的是：猫狗分类是二分类问题，所以网络的最后一层是使用 sigmoid 激活的单一单元（大小为 1 的 Dense 层）
在网络中特征图的深度在逐渐增大（从 32 到 128），但是特征图的尺寸在逐渐减小（从 150-150 到 7-7）
深度增加：原始图像更复杂，需要更多的过滤器
尺寸减小：更多的卷积和池化层对图像在不断地压缩和抽象
网络搭建
In [15]:
import tensorflow as tffrom keras import layers from keras import models
model = models.Sequential()model.add(tf.keras.layers.Conv2D(32,(3,3),activation="relu", input_shape=(150,150,3)))model.add(tf.keras.layers.MaxPooling2D((2,2)))
model.add(tf.keras.layers.Conv2D(64,(3,3),activation="relu"))model.add(tf.keras.layers.MaxPooling2D((2,2)))
model.add(tf.keras.layers.Conv2D(128,(3,3),activation="relu"))model.add(tf.keras.layers.MaxPooling2D((2,2)))
model.add(tf.keras.layers.Conv2D(128,(3,3),activation="relu"))model.add(tf.keras.layers.MaxPooling2D((2,2))) #
model.add(tf.keras.layers.Flatten())model.add(tf.keras.layers.Dense(512, activation="relu"))model.add(tf.keras.layers.Dense(1, activation="sigmoid"))
model.summary()
复制代码
模型编译（优化）
网络最后一层是单一 sigmoid 单元，使用二元交叉熵作为损失函数
In [16]:
# 原文：from keras import optimizers
from tensorflow.keras import optimizers
model.compile(loss="binary_crossentropy", optimizer=optimizers.RMSprop(lr=1e-4), metrics=["acc"])
复制代码
数据预处理
数据输入到神经网络之前必须先转成浮点数张量。
keras 有个处理图像的模块：keras.preprocessing.image。
它包含 ImageDataGenerator 类，可以快速创建 Python 生成器，将图形文件处理成张量批量
插播知识点：如何理解 python 中的生成器？
数据预处理
读取文件
将文件 JPEG 文件转成 RGB 像素网络
像素网格转成浮点数张量
In [18]:
from keras.preprocessing.image import ImageDataGenerator
train_datagen = ImageDataGenerator(rescale=1./255) # 进行缩放test_datagen = ImageDataGenerator(rescale=1./255) # 进行缩放
train_generator = train_datagen.flow_from_directory( train_dir, # 待处理的目录 target_size=(150,150), # 图像大小设置 batch_size=20, class_mode="binary" # 损失函数是binary_crossentropy 所以使用二进制标签)
validation_generator = test_datagen.flow_from_directory( validation_dir, # 待处理的目录 target_size=(150,150), # 图像大小设置 batch_size=20, class_mode="binary" # 损失函数是binary_crossentropy 所以使用二进制标签)Found 2000 images belonging to 2 classes.Found 1000 images belonging to 2 classes.
复制代码
In [19]:
for data_batch, labels_batch in train_generator: print(data_batch.shape) print(labels_batch.shape) break(20, 150, 150, 3)(20,)
复制代码
生成器的输出是 150-150 的 RGB 图像和二进制标签，形状为(20,)组成的批量。每个批量包含 20 个样本（批量的大小）。
生成器会不断地生成这些批量，不断地循环目标文件夹中的图像。
keras 模型使用 fit_generator 方法来拟合生成器的效果。模型有个参数 steps_per_epoch 参数：从生成器中抽取 steps_per_epoch 个批量后，拟合进入下一轮。
本例中：总共是 2000 个样本，每个批量是 20 个样本，所以需要 100 个批量
模型拟合
In [20]:
history = model.fit_generator( train_generator, # 第一个参数必须是Python生成器 steps_per_epoch=100, # 2000 / 20 epochs=30, # 迭代次数 validation_data=validation_generator, # 待验证的数据集 validation_steps=50 )
复制代码
保存模型
In [21]:
# 保存模型# model.save("cats_and_dogs_small.h5")
复制代码
损失和精度曲线
In [22]:
import matplotlib.pyplot as plt%matplotlib inline
复制代码
In [23]:
history_dict = history.history # 字典形式for key, _ in history_dict.items(): print(key)lossaccval_lossval_acc
复制代码
In [24]:
acc = history_dict["acc"]val_acc = history_dict["val_acc"]
loss = history_dict["loss"]val_loss = history_dict["val_loss"]
复制代码
In [25]:
epochs = range(1, len(acc)+1)
# accplt.plot(epochs, acc, "bo", label="Training acc")plt.plot(epochs, val_acc, "b", label="Validation acc")plt.title("Training and Validation acc")plt.legend()
plt.figure()
# lossplt.plot(epochs, loss, "bo", label="Training loss")plt.plot(epochs, val_loss, "b", label="Validation loss")plt.title("Training and Validation loss")plt.legend()
复制代码
小结：得到过拟合的结论
随着时间的增加，训练精度在不断增加，接近 100%，而验证精度则停留在 70%
验证的损失差不多在第 6 轮后达到最小值，后面一定轮数内保持不变，训练的损失一直下降，直接接近 0
数据增强-data augmentation
什么是数据增强
数据增强也是解决过拟合的一种方法，另外两种是：
dropout
权重衰减正则化
什么是数据增强：从现有的训练样本中生成更多的训练数据，利用多种能够生成可信图像的随机变化来增加数据样本。
模型在训练时候不会查看两个完全相同的图像
设置数据增强
In [26]:
datagen = ImageDataGenerator( rotation_range=40, # 0-180的角度值 width_shift_range=0.2, # 水平和垂直方向的范围；相对于总宽度或者高度的比例 height_shift_range=0.2, shear_range=0.2, # 随机错切变换的角度 zoom_range=0.2, # 图像随机缩放的角度 horizontal_flip=True, # 随机将一半图像进行水平翻转 fill_mode="nearest" # 用于填充新创建像素的方法)
复制代码
显示增强后图像
In [27]:
from keras.preprocessing import image
fnames = [os.path.join(train_cats_dir,fname) for fname in os.listdir(train_cats_dir)]img_path = fnames[3]
复制代码
In [28]:
# 读取图片并调整大小img = image.load_img(img_path, target_size=(150,150)) # 转成数组x = image.img_to_array(img)
# shape转成(1,150,150,3)x = x.reshape((1,) + x.shape)
i = 0for batch in datagen.flow(x, batch_size=1): # 生成随机变换后的图像批量 plt.figure() imgplot = plt.imshow(image.array_to_img(batch[0])) i += 1 if i % 4 == 0: break # 循环是无限，需要在某个时刻终止 plt.show()
复制代码
包含 Dropout 层的新卷积神经网络
数据增强来训练网络的话，网络不会看到两次相同的输入。但是输入仍是高度相关的，不能完全消除过拟合。
可以考虑添加一个 Dropout 层，添加到密集分类连接器之前
In [29]:
import tensorflow as tffrom keras import layers from keras import models
model = models.Sequential()model.add(tf.keras.layers.Conv2D(32,(3,3),activation="relu", input_shape=(150,150,3)))model.add(tf.keras.layers.MaxPooling2D((2,2)))
model.add(tf.keras.layers.Conv2D(64,(3,3),activation="relu"))model.add(tf.keras.layers.MaxPooling2D((2,2)))
model.add(tf.keras.layers.Conv2D(128,(3,3),activation="relu"))model.add(tf.keras.layers.MaxPooling2D((2,2)))
model.add(tf.keras.layers.Conv2D(128,(3,3),activation="relu"))model.add(tf.keras.layers.MaxPooling2D((2,2))) #
model.add(tf.keras.layers.Flatten())
# 添加内容 model.add(tf.keras.layers.Dropout(0.5))
model.add(tf.keras.layers.Dense(512, activation="relu"))model.add(tf.keras.layers.Dense(1, activation="sigmoid"))
model.compile(loss="binary_crossentropy", optimizer=optimizers.RMSprop(lr=1e-4), metrics=["acc"])
复制代码
利用数据增强器来训练卷积神经网络（报错解决）
关于报错解决：我们训练图像有 2000 张，验证图像 1000 张，和 1000 张测试图像。
因此，改为 steps_per_epoch=2000/32≈63，validation_steps=1000/32≈32。
In [44]:
# 训练数据的增强train_datagen = ImageDataGenerator( rescale=1. / 255, rotation_range=40, width_shift_range=0.2, height_shift_range=0.2, shear_range=0.2, zoom_range=0.2, horizontal_flip=True)
# 不能增强验证数据test_datagen = ImageDataGenerator(rescale=1.0 / 255)
train_generator = train_datagen.flow_from_directory( train_dir, # 目标目录 target_size=(150,150), # 大小调整 batch_size=32, class_mode="binary")
validation_generator = test_datagen.flow_from_directory( validation_dir, target_size=(150,150), batch_size=32, class_mode="binary")
# 优化：报错有修改history = model.fit_generator( train_generator, # 原文 steps_per_epoch=100, steps_per_epoch=63, # steps_per_epoch=2000/32≈63 取上限 epochs=100, validation_data=validation_generator, # 原文 validation_steps=50 validation_steps=32 # validation_steps=1000/32≈32)
复制代码
模型的保存：
# 保存模型model.save("cats_and_dogs_small_2.h5")
复制代码
损失和精度曲线
In [46]:
history_dict = history.history # 字典形式
acc = history_dict["acc"]val_acc = history_dict["val_acc"]loss = history_dict["loss"]val_loss = history_dict["val_loss"]
复制代码
具体的绘图代码：
epochs = range(1, len(acc)+1)
# accplt.plot(epochs, acc, "bo", label="Training acc")plt.plot(epochs, val_acc, "b", label="Validation acc")plt.title("Training and Validation acc")plt.legend()
plt.figure()
# lossplt.plot(epochs, loss, "bo", label="Training loss")plt.plot(epochs, val_loss, "b", label="Validation loss")plt.title("Training and Validation loss")plt.legend()
plt.show()
复制代码
结论：在使用了数据增强之后，模型不再拟合，训练集曲线紧跟着验证曲线；而且精度也变为 81%，相比未正则之前得到了提高。
评论