第六周 好莱坞明星识别
- 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
- 🍦 参考文章:365天深度学习训练营-第6周:好莱坞明星识别(训练营内部成员可读)
- 🍖 原作者:K同学啊 | 接辅导、项目定制
- 🚀 文章来源:K同学的学习圈子
环境准备
- python 3.8
- Tensorflow2.x
- pycharm编辑工具
数据集划分与数据预处理
import os
import random as r
def splitData(dir_path):
data_list = os.listdir(dir_path)
train_path = os.path.join(dir_path, 'train')
val_path = os.path.join(dir_path, 'val')
if not os.path.exists(train_path): os.mkdir(train_path)
if not os.path.exists(val_path): os.mkdir(val_path)
for d in data_list:
d_path = os.path.join(dir_path, d)
data = os.listdir(d_path)
train_data = data[:int(len(data) * 0.8)]
val_data = list(set(data).difference(train_data))
target_path = os.path.join(train_path, d)
if not os.path.exists(target_path): os.mkdir(target_path)
for t in train_data:
t_path = os.path.join(d_path, t)
t_target = os.path.join(target_path, t)
os.rename(t_path, t_target)
target_path_ = os.path.join(val_path, d)
if not os.path.exists(target_path_): os.mkdir(target_path_)
for v in val_data:
v_path = os.path.join(d_path, v)
v_target = os.path.join(target_path_, v)
os.rename(v_path, v_target)
if __name__ == "__main__":
splitData(dir_path="./peoples")
划分格式如下:
数据集加载
使用flow_from_directory 函数加载数据集
flow_from_directory :
directory: 目标文件夹路径,对于每一个类,该文件夹都要包含一个子文件夹.子文件夹中任何JPG、PNG、BNP、PPM的图片都会被生成器使用.详情请查看此脚本
target_size: 整数tuple,默认为(256, 256). 图像将被resize成该尺寸
color_mode: 颜色模式,为"grayscale",“rgb"之一,默认为"rgb”.代表这些图片是否会被转换为单通道或三通道的图片.
classes: 可选参数,为子文件夹的列表,如[‘dogs’,‘cats’]默认为None. 若未提供,则该类别列表将从directory下的子文件夹名称/结构自动推断。每一个子文件夹都会被认为是一个新的类。(类别的顺序将按照字母表顺序映射到标签值)。通过属性class_indices可获得文件夹名与类的序号的对应字典。
class_mode: “categorical”, “binary”, "sparse"或None之一. 默认为"categorical. 该参数决定了返回的标签数组的形式, "categorical"会返回2D的one-hot编码标签,"binary"返回1D的二值标签."sparse"返回1D的整数标签,如果为None则不返回任何标签, 生成器将仅仅生成batch数据, 这种情况在使用model.predict_generator()和model.evaluate_generator()等函数时会用到.
batch_size: batch数据的大小,默认32
shuffle: 是否打乱数据,默认为True
seed: 可选参数,打乱数据和进行变换时的随机数种子
save_to_dir: None或字符串,该参数能让你将提升后的图片保存起来,用以可视化
save_prefix:字符串,保存提升后图片时使用的前缀, 仅当设置了save_to_dir时生效
save_format:“png"或"jpeg"之一,指定保存图片的数据格式,默认"jpeg”
flollow_links: 是否访问子文件夹中的软链接
data_train = train_image_gen.flow_from_directory(
train_dir,
target_size=self.img_size,
batch_size=self.batch_size
)
data_val = val_image_gen.flow_from_directory(
val_dir,
target_size=self.img_size,
batch_size=self.batch_size
)
网络搭建
def create_model(self):
# 创建并设置卷积神经网络
# 卷积层:通过卷积操作对输入图像进行降维和特征抽取
# 池化层:是一种非线性形式的下采样。主要用于特征降维,压缩数据和参数的数量,减小过拟合,同时提高模型的鲁棒性。
# 全连接层:在经过几个卷积和池化层之后,神经网络中的高级推理通过全连接层来完成。
model = models.Sequential([
layers.experimental.preprocessing.Rescaling(1. / 255, input_shape=(*self.img_size, 3)),
layers.Conv2D(16, (3, 3), activation='relu', input_shape=(*self.img_size, 3)), # 卷积层1,卷积核3*3
layers.BatchNormalization(),
layers.AveragePooling2D((2, 2)), # 池化层1,2*2采样
layers.Conv2D(32, (3, 3), activation='relu'), # 卷积层2,卷积核3*3
layers.BatchNormalization(),
layers.AveragePooling2D((2, 2)), # 池化层2,2*2采样
layers.Dropout(0.4),
layers.Conv2D(64, (3, 3), activation='relu'), # 卷积层3,卷积核3*3
layers.BatchNormalization(),
# layers.Dropout(0.4) 作用是防止过拟合,提高模型的泛化能力。
layers.Dropout(0.3), # 让神经元以一定的概率停止工作,防止过拟合,提高模型的泛化能力。
layers.Flatten(), # Flatten层,连接卷积层与全连接层
layers.Dense(128, activation='relu'), # 全连接层,特征进一步提取
layers.BatchNormalization(),
layers.Dense(self.num_class) # 输出层,输出预期结果
])
model.summary() # 打印网络结构
return model
在这里添加了BN层,BN层一方面可以加速网络的收敛速度,另一方面可以提高网络的泛化能力,抑制过拟合。
BN层的计算过程:
具体过程为:
1.计算样本均值。
2.计算样本方差。
3.样本数据标准化处理。
4.进行平移和缩放处理。引入了γ \gammaγ和β \betaβ两个参数。来训练γ和β两个参数。引入了这个可学习重构参数 γ \gammaγ 和β \betaβ,让我们的网络可以学习恢复出原始网络所要学习的特征分布。
结构展示
Model: "sequential"
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
rescaling (Rescaling) (None, 256, 256, 3) 0
_________________________________________________________________
conv2d (Conv2D) (None, 254, 254, 16) 448
_________________________________________________________________
batch_normalization (BatchNo (None, 254, 254, 16) 64
_________________________________________________________________
average_pooling2d (AveragePo (None, 127, 127, 16) 0
_________________________________________________________________
conv2d_1 (Conv2D) (None, 125, 125, 32) 4640
_________________________________________________________________
batch_normalization_1 (Batch (None, 125, 125, 32) 128
_________________________________________________________________
average_pooling2d_1 (Average (None, 62, 62, 32) 0
_________________________________________________________________
dropout (Dropout) (None, 62, 62, 32) 0
_________________________________________________________________
conv2d_2 (Conv2D) (None, 60, 60, 64) 18496
_________________________________________________________________
batch_normalization_2 (Batch (None, 60, 60, 64) 256
_________________________________________________________________
dropout_1 (Dropout) (None, 60, 60, 64) 0
_________________________________________________________________
flatten (Flatten) (None, 230400) 0
_________________________________________________________________
dense (Dense) (None, 128) 29491328
_________________________________________________________________
batch_normalization_3 (Batch (None, 128) 512
_________________________________________________________________
dense_1 (Dense) (None, 17) 2193
=================================================================
Total params: 29,518,065
Trainable params: 29,517,585
Non-trainable params: 480
_________________________________________________________________
卷积神经网络(CNN)的输入是张量 (Tensor) 形式的 (image_height, image_width, color_channels),包含了图像高度、宽度及颜色信息。不需要输入batch size。color_channels 为 (R,G,B) 分别对应 RGB 的三个颜色通道(color channel)。在此示例中,我们的 CNN 输入形状是 (224, 224, 3)。我们需要在声明第一层时将形状赋值给参数input_shape。
在这里,我们对图像的输入进行归一化处理,调用tensorflow中的layers.experimental.preprocessing.Rescaling来调整大小层将图片大小变为img_size大小,并将其归一化到0-1区间内,便于数据的计算。
网络结构图
模型训练
编译器的配置:
设置动态学习率
ExponentialDecay函数:
tf.keras.optimizers.schedules.ExponentialDecay是 TensorFlow 中的一个学习率衰减策略,用于在训练神经网络时动态地降低学习率。学习率衰减是一种常用的技巧,可以帮助优化算法更有效地收敛到全局最小值,从而提高模型的性能。
主要参数:
● initial_learning_rate(初始学习率):初始学习率大小。
● decay_steps(衰减步数):学习率衰减的步数。在经过 decay_steps 步后,学习率将按照指数函数衰减。例如,如果 decay_steps 设置为 10,则每10步衰减一次。
● decay_rate(衰减率):学习率的衰减率。它决定了学习率如何衰减。通常,取值在 0 到 1 之间。
● staircase(阶梯式衰减):一个布尔值,控制学习率的衰减方式。如果设置为 True,则学习率在每个 decay_steps 步之后直接减小,形成阶梯状下降。如果设置为 False,则学习率将连续衰减。
# 设置初始学习率
initial_learning_rate = 1e-4
lr_schedule = tf.keras.optimizers.schedules.ExponentialDecay(
initial_learning_rate,
decay_steps=10, # 敲黑板!!!这里是指 steps,不是指epochs
decay_rate=0.9, # lr经过一次衰减就会变成 decay_rate*lr
staircase=True)
# 将指数衰减学习率送入优化器
optimizer = tf.keras.optimizers.Adam(learning_rate=lr_schedule)
model.compile(optimizer=optimizer,
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])
注:这里设置的动态学习率为:指数衰减型(ExponentialDecay)。在每一个epoch开始前,学习率(learning_rate)都将会重置为初始学习率(initial_learning_rate),然后再重新开始衰减。计算公式如下:
learning_rate = initial_learning_rate * decay_rate ^ (step / decay_steps)
早停机制
**EarlyStopping()**参数说明:
● monitor: 被监测的数据。
● min_delta: 在被监测的数据中被认为是提升的最小变化, 例如,小于 min_delta 的绝对变化会被认为没有提升。
● patience: 没有进步的训练轮数,在这之后训练就会被停止。
● verbose: 详细信息模式。
● mode: {auto, min, max} 其中之一。 在 min 模式中, 当被监测的数据停止下降,训练就会停止;在 max 模式中,当被监测的数据停止上升,训练就会停止;在 auto 模式中,方向会自动从被监测的数据的名字中判断出来。
● baseline: 要监控的数量的基准值。 如果模型没有显示基准的改善,训练将停止。
● estore_best_weights: 是否从具有监测数量的最佳值的时期恢复模型权重。 如果为 False,则使用在训练的最后一步获得的模型权重。
earlystopper = EarlyStopping(monitor='val_accuracy',
min_delta=0.0001,
patience=30,
verbose=1)
训练代码
from tensorflow.keras.callbacks import ModelCheckpoint, EarlyStopping
# 保存最佳模型参数
checkpointer = ModelCheckpoint(self.save_model(),
monitor='val_accuracy',
verbose=1,
save_best_only=True,
save_weights_only=True)
# 设置早停
earlystopper = EarlyStopping(monitor='val_accuracy',
min_delta=0.0001,
patience=30,
verbose=1)
self.history = model.fit(
train,
epochs=self.epochs,
validation_data=val,
callbacks=[checkpointer, earlystopper])
过程展示:
Epoch 1/50
90/90 [==============================] - ETA: 0s - loss: 7.1044 - accuracy: 0.5125
Epoch 00001: val_accuracy improved from -inf to 0.44722, saving model to ./checkpoints/peoples\peoples-zqx.h5
90/90 [==============================] - 53s 588ms/step - loss: 7.1044 - accuracy: 0.5125 - val_loss: 6.8740 - val_accuracy: 0.4472
Epoch 2/50
90/90 [==============================] - ETA: 0s - loss: 4.5343 - accuracy: 0.5458
Epoch 00002: val_accuracy improved from 0.44722 to 0.54722, saving model to ./checkpoints/peoples\peoples-zqx.h5
90/90 [==============================] - 52s 581ms/step - loss: 4.5343 - accuracy: 0.5458 - val_loss: 4.5658 - val_accuracy: 0.5472
Epoch 3/50
90/90 [==============================] - ETA: 0s - loss: 4.0256 - accuracy: 0.5465
Epoch 00003: val_accuracy improved from 0.54722 to 0.55278, saving model to ./checkpoints/peoples\peoples-zqx.h5
90/90 [==============================] - 51s 571ms/step - loss: 4.0256 - accuracy: 0.5465 - val_loss: 4.1554 - val_accuracy: 0.5528
Epoch 4/50
90/90 [==============================] - ETA: 0s - loss: 3.9466 - accuracy: 0.5458
Epoch 00004: val_accuracy did not improve from 0.55278
90/90 [==============================] - 51s 569ms/step - loss: 3.9466 - accuracy: 0.5458 - val_loss: 4.0725 - val_accuracy: 0.5417
Epoch 5/50
90/90 [==============================] - ETA: 0s - loss: 3.7497 - accuracy: 0.5556
Epoch 00005: val_accuracy did not improve from 0.55278
90/90 [==============================] - 52s 581ms/step - loss: 3.7497 - accuracy: 0.5556 - val_loss: 4.0281 - val_accuracy: 0.5361
Epoch 6/50
90/90 [==============================] - ETA: 0s - loss: 3.8470 - accuracy: 0.5465
Epoch 00006: val_accuracy did not improve from 0.55278
90/90 [==============================] - 53s 584ms/step - loss: 3.8470 - accuracy: 0.5465 - val_loss: 4.0040 - val_accuracy: 0.5361
Epoch 7/50
90/90 [==============================] - ETA: 0s - loss: 3.8081 - accuracy: 0.5458
Epoch 00007: val_accuracy did not improve from 0.55278
90/90 [==============================] - 52s 583ms/step - loss: 3.8081 - accuracy: 0.5458 - val_loss: 4.0554 - val_accuracy: 0.5389
Epoch 8/50
90/90 [==============================] - ETA: 0s - loss: 3.9315 - accuracy: 0.5493
Epoch 00008: val_accuracy did not improve from 0.55278
90/90 [==============================] - 53s 585ms/step - loss: 3.9315 - accuracy: 0.5493 - val_loss: 3.9988 - val_accuracy: 0.5361
模型评估
def plot_loss(x, history):
plt.plot(x, history['val_loss'], label='val', marker='o')
plt.plot(x, history['train_loss'], label='train', marker='o')
plt.title('Loss per epoch')
plt.ylabel('loss')
plt.xlabel('epoch')
plt.legend(), plt.grid()
plt.savefig('./logs/loss.png')
plt.show()
def plot_acc(x, history):
plt.plot(x, history['train_acc'], label='train_acc', marker='x')
plt.plot(x, history['val_acc'], label='val_acc', marker='x')
plt.title('Acc per epoch')
plt.ylabel('accuracy')
plt.xlabel('epoch')
plt.legend(), plt.grid()
plt.savefig('./logs/acc.png')
plt.show()
结果查看:
总结
1. 增加BN层确实提高了模型的性能。
2. 后期可以增加数据增强,提高模型的泛化能力,也增加训练的样本数量。
3. 学习使用VGG或者ResNet网络来进行数据的训练,并进行对比查看效果。