图像识别初探-简单神经网络识别图片

摘自B站一位up的视频，链接：

https://www.bilibili.com/video/BV1ga4y1x7Ld?from=search&seid=4446784377654110608

基础

假如有一张图片，由32×32的颜色点组成，共1024个颜色点
每个颜色点都是单一的一个颜色
所有颜色都由三原色：RGB（红绿蓝）构成，这三种颜色每个都可以取0-255之间的一个数字
例如RGB（255,0,0）表示为红色，RGB（0,0,0）表示为黑色
所以每个颜色点都可以通过一个三位数字的矩阵表示，那么这张图片就可以表示为32×32×3的一个矩阵

所以，做图像识别的第一步就是要把图片转化为32×32×3的矩阵

PS.

• 10000是说一共有10000张图片做测试集

• reshape（）的作用是随机生成一个矩阵的行与列；

• transpose（）简单来说，就相当于数学中的转置，在矩阵中，转置就是把行与列相互调换位置；在三维中，X轴用0表示，Y轴用1表示；Z轴用2来表示；

• array（）是用来产生数组

神经网络

输入是3072，所以X一共是X0-X3071，这些输入都是0-255之间的数字
假设第一层神经网络由11个神经元组成，即图上的Y0-Y10,X与Y之间相连的线上的数字为权重。我们需要把每个X与之相应的权重相乘，再加上一个偏置（一个常数项），就可以得到Y0的输出
【注意：权重和偏置都可以为负】
之后，每一个Y都有一个激活函数，即大于零不变，小于0就为0
经过激活函数之后的Y的输出，会被当作输入喂给下一层的神经网络，即为X0-X10，最后得到十个输出（对应着十个标签），每个输出都要经过一个Softmax函数，转化成0-1之间的概率，代表这张图片被识别为改标签的概率是多少，最后我们选取概率最高的那个标签作为图片的标签

训练模型

用梯度下降不断更新模型中的参数，使损失函数值不断下降

训练第一步，是定义一个损失函数

• 损失函数：指预测结果和正确结果之间的差距有多大。损失函数越大，我们猜测的越不准
• 交叉熵：我们要做的是调整参数把熵的值尽可能地降到最低，使模型更加准确

下面这张图是熵值和每一个参数的关系的一个函数，在第一步中我们的参数是随机生成的，那么可能在函数的左边画×的地方，运用梯度下降的方法往右走一直到最低点
例如：首先往左走一步，发现我们的函数值变大了，所以应该往右走（求L对W在这个点的偏导值，也就是梯度，那就是我们要走的方向）

代码

下面是up分享的代码

import pickle
import os
import numpy as np

# 读取所有文件夹中的pickle文件，分成训练和测试两个部分
def load_data(ROOT):
    X, Y = [], []
    for i in range(1, 6):
        filename = os.path.join(ROOT, 'data_batch_%d' % (i, ))
        x, y = load_pickle_file(filename)
        X.append(x)
        Y.append(y)
    X_tr = np.concatenate(X)
    Y_tr = np.concatenate(Y)
    X_te, Y_te = load_pickle_file(os.path.join(ROOT, 'test_batch'))
    return X_tr, Y_tr, X_te, Y_te

# 导入pickle文件， 并将每张图片转换成（10000， 32， 32， 3）的矩阵
def load_pickle_file(filename):
    with open(filename, 'rb') as f:
        p = pickle.load(f, encoding='latin1')
        X = p['data'].reshape(10000, 3, 32, 32).transpose(0, 2, 3, 1).astype('float')
        Y = np.array(p['labels'])
        return X, Y
        
X_tr, Y_tr, X_te, Y_te = load_data('./dataset/cifar-10-batches-py')
print(X_tr.shape, Y_tr.shape, X_te.shape, Y_te.shape)

import matplotlib.pyplot as plt

# 展示部分数据集中的图片，每种类型展示7张
classes = ['plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']
num_classes = len(classes)
samples_per_class = 7
for y, cls in enumerate(classes):
    idxs = np.flatnonzero(Y_tr == y)
    idxs = np.random.choice(idxs, samples_per_class, replace=False)
    for i, idx in