深度学习入坑笔记之三---服装图像识别问题

最新推荐文章于 2024-06-06 20:33:36 发布

三景页三景页

最新推荐文章于 2024-06-06 20:33:36 发布

阅读量3.5k

点赞数 2

分类专栏： tensorflow学习笔记实战

本文链接：https://blog.csdn.net/LEEANG121/article/details/102466923

版权

tensorflow学习笔记实战专栏收录该内容

8 篇文章 2 订阅

订阅专栏

深度学习入坑笔记之三---服装图像识别问题

from __future__ import absolute_import, division, print_function, unicode_literals #这一句一定放在第一行，否则系统提示错误
# 忽略系统的警告信息
import warnings
warnings.filterwarnings('ignore')
import tensorflow as tf
from tensorflow import keras
import numpy as np 
import matplotlib.pyplot as plt

#下载fashion_mnist服装分类数据集，并将相应数据添加进入对应的测试及训练图像和标签
fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()

简单的说一下上述下载的数据集是个什么东西，首先看一下解析后的图片。如下图所示，该数据集是一个图像识别的入门级数据图像库，包含了训练集、验证机、以及标注好的标签。
在这里插入图片描述
但是tensorflow处理的数据都是‘张量’的形式，所以这些图片实际是什么形式，我们可以通过如下代码略窥一二~

train_images.shape #训练数据的格式，训练数据共有60000张图片，每张图片由28*28像素大小的图片组成
len(train_images) #训练数据的长度
len(train_labels) #训练数据标签长度，这里与训练数据图像数量相等

(60000, 28, 28)
 60000
 60000

以训练数据为例，该数据集的训练数据共有60000张图片，每个图片均为28*28像素的图片组成，相应的，训练数据的标签也是60000个

train_labels #训练标签的数据格式

array([9, 0, 0, ..., 3, 0, 5], dtype=uint8) #共有60000组标签，取值范围0-9，分别对应十类服装类型

训练标签共有60000组数据，取值范围0-9，分别对应了十个不同的服装类型

train_images #训练图片的数据格式

array([[[0, 0, 0, ..., 0, 0, 0],   #60000组数据，每组数据包含784个像素点（28*28）
    [0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0],
    ...,
    [0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0]],

   [[0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0],
    ...,
    [0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0]],

   [[0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0],
    ...,
    [0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0]],

   ...,

   [[0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0],
    ...,
    [0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0]],

   [[0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0],
    ...,
    [0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0]],

   [[0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0],
    ...,
    [0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0],
    [0, 0, 0, ..., 0, 0, 0]]], dtype=uint8)

60000张训练数据的格式，60000组张量，每组张量为28*28的二维数组组成。

数据处理

在训练网络之前，必须对数据进行预处理。当前数据的像素值在0-255之间，统一不同数据间的量纲，有助于我们接下来对数据进行分析和计算，即对数据进行归一化处理。处理之前我们可以显性的观察一下当前的数据。

# 利用tensorflow的绘图工具将图片显示出来
plt.figure()
plt.imshow(train_images[0])
plt.colorbar()
plt.grid(False)
plt.show()

在这里插入图片描述
从上图看出，当前图片的像素点分布在0-255之间。

print(train_images[0]) 显示图1的数据格式，与图像互相对应

[[  0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
0   0   0   0   0   0   0   0   0   0]
[  0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
0   0   0   0   0   0   0   0   0   0]
[  0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
0   0   0   0   0   0   0   0   0   0]
[  0   0   0   0   0   0   0   0   0   0   0   0   1   0   0  13  73   0
0   1   4   0   0   0   0   1   1   0]
[  0   0   0   0   0   0   0   0   0   0   0   0   3   0  36 136 127  62
54   0   0   0   1   3   4   0   0   3]
[  0   0   0   0   0   0   0   0   0   0   0   0   6   0 102 204 176 134
144 123  23   0   0   0   0  12  10   0]
[  0   0   0   0   0   0   0   0   0   0   0   0   0   0 155 236 207 178
107 156 161 109  64  23  77 130  72  15]
[  0   0   0   0   0   0   0   0   0   0   0   1   0  69 207 223 218 216
216 163 127 121 122 146 141  88 172  66]
[  0   0   0   0   0   0   0   0   0   1   1   1   0 200 232 232 233 229
223 223 215 213 164 127 123 196 229   0]
[  0   0   0   0   0   0   0   0   0   0   0   0   0 183 225 216 223 228
235 227 224 222 224 221 223 245 173   0]
[  0   0   0   0   0   0   0   0   0   0   0   0   0 193 228 218 213 198
180 212 210 211 213 223 220 243 202   0]
[  0   0   0   0   0   0   0   0   0   1   3   0  12 219 220 212 218 192
169 227 208 218 224 212 226 197 209  52]
[  0   0   0   0   0   0   0   0   0   0   6   0  99 244 222 220 218 203
198 221 215 213 222 220 245 119 167  56]
[  0   0   0   0   0   0   0   0   0   4   0   0  55 236 228 230 228 240
232 213 218 223 234 217 217 209  92   0]
[  0   0   1   4   6   7   2   0   0   0   0   0 237 226 217 223 222 219
222 221 216 223 229 215 218 255  77   0]
[  0   3   0   0   0   0   0   0   0  62 145 204 228 207 213 221 218 208
211 218 224 223 219 215 224 244 159   0]
[  0   0   0   0  18  44  82 107 189 228 220 222 217 226 200 205 211 230
224 234 176 188 250 248 233 238 215   0]
[  0  57 187 208 224 221 224 208 204 214 208 209 200 159 245 193 206 223
255 255 221 234 221 211 220 232 246   0]
[  3 202 228 224 221 211 211 214 205 205 205 220 240  80 150 255 229 221
188 154 191 210 204 209 222 228 225   0]
[ 98 233 198 210 222 229 229 234 249 220 194 215 217 241  65  73 106 117
168 219 221 215 217 223 223 224 229  29]
[ 75 204 212 204 193 205 211 225 216 185 197 206 198 213 240 195 227 245
239 223 218 212 209 222 220 221 230  67]
[ 48 203 183 194 213 197 185 190 194 192 202 214 219 221 220 236 225 216
199 206 186 181 177 172 181 205 206 115]
[  0 122 219 193 179 171 183 196 204 210 213 207 211 210 200 196 194 191
195 191 198 192 176 156 167 177 210  92]
[  0   0  74 189 212 191 175 172 175 181 185 188 189 188 193 198 204 209
210 210 211 188 188 194 192 216 170   0]
[  2   0   0   0  66 200 222 237 239 242 246 243 244 221 220 193 191 179
182 182 181 176 166 168  99  58   0   0]
[  0   0   0   0   0   0   0  40  61  44  72  41  35   0   0   0   0   0
0   0   0   0   0   0   0   0   0   0]
[  0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
0   0   0   0   0   0   0   0   0   0]
[  0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
0   0   0   0   0   0   0   0   0   0]]

从上面的结果可以看出来，图1是一组28*28的二维张量，且每个值均落在0-255范围内。下面对该数据进行归一化处理，具体的代码如下所示：

#将训练集和测试集的数据除以255，使得像素点分布为0-1
train_images = train_images / 255.0
test_images = test_images / 255.0

在这里插入图片描述
现在图片像素均落在0-1范围内，相对应的数据格式不在赘述，大家可以按照上面的代码自行查看。

搭建模型

神经网络的基本组成是层，层会从输入到他们的数据中提取特征并进行相应的处理。大部分神经网络都是把层简单的连接在一起，比如keras。

#搭建层的序列，输入数据格式28*28的张量
#添加全连接层，采用激活函数relu
#添加全连接层，激活函数为softmax
model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(10, activation='softmax')
 ])

#编译模型，网络结构搭建好，需要对模型进行编译
#采用adam作为优化器，交叉熵表示损失函数
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

#训练模型，将图片与标签进行一一对应，设置10个循环
model.fit(train_images, train_labels, epochs=10)

Epoch 1/10
60000/60000 [==============================] - 2s 28us/sample - loss: 0.4988 - acc: 0.8266
Epoch 2/10
60000/60000 [==============================] - 2s 27us/sample - loss: 0.3777 - acc: 0.8644
Epoch 3/10
60000/60000 [==============================] - 2s 27us/sample - loss: 0.3368 - acc: 0.8773
Epoch 4/10
60000/60000 [==============================] - 2s 29us/sample - loss: 0.3135 - acc: 0.8855
Epoch 5/10
60000/60000 [==============================] - 2s 29us/sample - loss: 0.2967 - acc: 0.8907
Epoch 6/10
60000/60000 [==============================] - 2s 27us/sample - loss: 0.2835 - acc: 0.8954
Epoch 7/10
60000/60000 [==============================] - 2s 27us/sample - loss: 0.2711 - acc: 0.8996
Epoch 8/10
60000/60000 [==============================] - 2s 26us/sample - loss: 0.2577 - acc: 0.9040
Epoch 9/10
60000/60000 [==============================] - 2s 26us/sample - loss: 0.2504 - acc: 0.9066
Epoch 10/10
60000/60000 [==============================] - 2s 28us/sample - loss: 0.2411 - acc: 0.9099

评估模型

模型训练完毕之后，我们需要判断该模型是否精确，因此可以对图片进行预测，比较结果：

predictions = model.predict(test_images)#对所有标签与图片进行预测
predictions[0]#对第一个图片进行预测

array([1.06123218e-06, 8.76374884e-09, 4.13958730e-07, 9.93547733e-09,
   2.39135318e-07, 2.61428091e-03, 2.91701099e-07, 6.94991834e-03,
   1.02351805e-07, 9.90433693e-01], dtype=float32)

预测结果是由10个数字组成的数组。它们代表了模型相对于十个标签的“自信”程度。您可以看到哪个标签具有最高的置信值，很明显第9个数字的‘自信’度最高（0-9）：

np.argmax(predictions[0])

#图1对应的标签
test_labels[0]

最后，我们看一下训练模型在整个测试数据集的表现情况

test_loss, test_acc = model.evaluate(test_images,  test_labels, verbose=2)
print('\nTest accuracy:', test_acc)

10000/1 - 1s - loss: 0.2934 - accuracy: 0.8830

Test accuracy: 0.883

该模型的精度为88.3%

三景页三景页

关注

2
点赞
踩
29

收藏

觉得还不错? 一键收藏
打赏
2
评论
深度学习入坑笔记之三---服装图像识别问题

文章目录目录输入数据添加网络层编辑模型评估模型目录输入数据这里我们还是以MNIST数据为例，与上一篇不同的在于上一篇是关于手写体数字识别，本篇是关于服装的简单识别。首先第一步是数据的录入，具体的代码实现如下：添加网络层编辑模型评估模型...
复制链接

扫一扫