第T7周：咖啡豆识别

• 本文为🔗365天深度学习训练营 中的学习记录博客
• 原作者：K同学啊

●难度：夯实基础
●语言：Python3、TensorFlow2

要求：
1.自己搭建VGG-16网络框架
2.调用官方的VGG-16网络框架

拔高（可选）：
1.验证集准确率达到100%
2.使用PPT画出VGG-16算法框架图（发论文需要这项技能）

探索（难度有点大）
1.在不影响准确率的前提下轻量化模型
○ 目前VGG16的Total params是134,276,932

我的环境：
●操作系统：ubuntu 22.04
●语言环境：python 3.8.10
●编译器：jupyter notebook
●深度学习框架：tensorflow-gpu 2.9.0
●显卡（GPU）：RTX 3090(24GB) * 1
●数据集：咖啡豆数据集

一、前期工作

1. 设置GPU(如果使用的是CPU可以忽略这步)

import tensorflow as tf

gpus = tf.config.list_physical_devices("GPU")

if gpus:
    tf.config.experimental.set_memory_growth(gpus[0], True)  #设置GPU显存用量按需使用
    tf.config.set_visible_devices([gpus[0]],"GPU")

2. 导入数据

from tensorflow       import keras
from tensorflow.keras import layers,models
import numpy             as np
import matplotlib.pyplot as plt
import os,PIL,pathlib

data_dir = "./T7/data/"
data_dir = pathlib.Path(data_dir)

image_count = len(list(data_dir.glob('*/*.png')))

print("图片总数为：",image_count)

代码输出：

图片总数为： 1200

二、数据预处理

1. 加载数据

使用image_dataset_from_directory方法将磁盘中的数据加载到tf.data.Dataset中。

batch_size = 32
img_height = 224
img_width = 224

"""
关于image_dataset_from_directory()的详细介绍可以参考文章：https://mtyjkh.blog.csdn.net/article/details/117018789
"""
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
    data_dir,
    validation_split=0.2,
    subset="training",
    seed=123,
    image_size=(img_height, img_width),
    batch_size=batch_size)

代码输出：

Found 1200 files belonging to 4 classes.
Using 960 files for training.

"""
关于image_dataset_from_directory()的详细介绍可以参考文章：https://mtyjkh.blog.csdn.net/article/details/117018789
"""
val_ds = tf.keras.preprocessing.image_dataset_from_directory(
    data_dir,
    validation_split=0.2,
    subset="validation",
    seed=123,
    image_size=(img_height, img_width),
    batch_size=batch_size)

代码输出：

Found 1200 files belonging to 4 classes.
Using 240 files for validation.

我们可以通过class_names输出数据集的标签。标签将按字母顺序对应于目录名称。

class_names = train_ds.class_names
print(class_names)

代码输出：

['Dark', 'Green', 'Light', 'Medium']

2. 可视化数据

plt.figure(figsize=(10, 4))  # 图形的宽为10高为5

for images, labels in train_ds.take(1):
    for i in range(10):
        
        ax = plt.subplot(2, 5, i + 1)  

        plt.imshow(images[i].numpy().astype("uint8"))
        plt.title(class_names[labels[i]])
        
        plt.axis("off")

代码输出：

for image_batch, labels_batch in train_ds:
    print(image_batch.shape)
    print(labels_batch.shape)
    break

代码输出：

(32, 224, 224, 3)
(32,)

3. 配置数据集

●shuffle() ：打乱数据，关于此函数的详细介绍可以参考：https://zhuanlan.zhihu.com/p/42417456
●prefetch() ：预取数据，加速运行，其详细介绍可以参考我前两篇文章，里面都有讲解。
●cache() ：将数据集缓存到内存当中，加速运行。

AUTOTUNE = tf.data.AUTOTUNE

train_ds = train_ds.cache().shuffle(1000).prefetch(buffer_size=AUTOTUNE)
val_ds   = val_ds.cache().prefetch(buffer_size=AUTOTUNE)

normalization_layer = layers.experimental.preprocessing.Rescaling(1./255)

train_ds = train_ds.map(lambda x, y: (normalization_layer(x), y))
val_ds   = val_ds.map(lambda x, y: (normalization_layer(x), y))

image_batch, labels_batch = next(iter(val_ds))
first_image = image_batch[0]

# 查看归一化后的数据
print(np.min(first_image), np.max(first_image))

代码输出：

0.0 1.0

三、构建VGG-16网络

在官方模型与自建模型之间进行二选一就可以了，选着一个注释掉另外一个。

VGG优缺点分析：

●VGG优点

VGG的结构非常简洁，整个网络都使用了同样大小的卷积核尺寸（3x3）和最大池化尺寸（2x2）。

●VGG缺点

1)训练时间过长，调参难度大。2)需要的存储容量大，不利于部署。例如存储VGG-16权重值文件的大小为500多MB，不利于安装到嵌入式系统中。

1. 官方模型

官网模型调用这块我放到后面几篇文章中，下面主要讲一下VGG-16。

# model = tf.keras.applications.VGG16(weights='imagenet')
# model.summary()

2. 自建模型

from tensorflow.keras import layers, models, Input
from tensorflow.keras.models import Model
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Dense, Flatten, Dropout

def VGG16(nb_classes, input_shape):
    input_tensor = Input(shape=input_shape)
    # 1st block
    x = Conv2D(64, (3,3), activation='relu', padding='same',name='block1_conv1')(input_tensor)
    x = Conv2D(64, (3,3), activation='relu', padding='same',name='block1_conv2')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'block1_pool')(x)
    # 2nd block
    x = Conv2D(128, (3,3), activation='relu', padding='same',name='block2_conv1')(x)
    x = Conv2D(128, (3,3), activation='relu', padding='same',name='block2_conv2')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'block2_pool')(x)
    # 3rd block
    x = Conv2D(256, (3,3), activation='relu', padding='same',name='block3_conv1')(x)
    x = Conv2D(256, (3,3), activation='relu', padding='same',name='block3_conv2')(x)
    x = Conv2D(256, (3,3), activation='relu', padding='same',name='block3_conv3')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'block3_pool')(x)
    # 4th block
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block4_conv1')(x)
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block4_conv2')(x)
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block4_conv3')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'block4_pool')(x)
    # 5th block
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block5_conv1')(x)
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block5_conv2')(x)
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block5_conv3')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'block5_pool')(x)
    # full connection
    x = Flatten()(x)
    x = Dense(4096, activation='relu',  name='fc1')(x)
    x = Dense(4096, activation='relu', name='fc2')(x)
    output_tensor = Dense(nb_classes, activation='softmax', name='predictions')(x)

    model = Model(input_tensor, output_tensor)
    return model

model=VGG16(len(class_names), (img_width, img_height, 3))
model.summary()

代码输出：

Model: "model"
_________________________________________________________________
 Layer (type)                Output Shape              Param #   
=================================================================
 input_1 (InputLayer)        [(None, 224, 224, 3)]     0         
                                                                 
 block1_conv1 (Conv2D)       (None, 224, 224, 64)      1792      
                                                                 
 block1_conv2 (Conv2D)       (None, 224, 224, 64)      36928     
                                                                 
 block1_pool (MaxPooling2D)  (None, 112, 112, 64)      0         
                                                                 
 block2_conv1 (Conv2D)       (None, 112, 112, 128)     73856     
                                                                 
 block2_conv2 (Conv2D)       (None, 112, 112, 128)     147584    
                                                                 
 block2_pool (MaxPooling2D)  (None, 56, 56, 128)       0         
                                                                 
 block3_conv1 (Conv2D)       (None, 56, 56, 256)       295168    
                                                                 
 block3_conv2 (Conv2D)       (None, 56, 56, 256)       590080    
                                                                 
 block3_conv3 (Conv2D)       (None, 56, 56, 256)       590080    
                                                                 
 block3_pool (MaxPooling2D)  (None, 28, 28, 256)       0         
                                                                 
 block4_conv1 (Conv2D)       (None, 28, 28, 512)       1180160   
                                                                 
 block4_conv2 (Conv2D)       (None, 28, 28, 512)       2359808   
                                                                 
 block4_conv3 (Conv2D)       (None, 28, 28, 512)       2359808   
                                                                 
 block4_pool (MaxPooling2D)  (None, 14, 14, 512)       0         
                                                                 
 block5_conv1 (Conv2D)       (None, 14, 14, 512)       2359808   
                                                                 
 block5_conv2 (Conv2D)       (None, 14, 14, 512)       2359808   
                                                                 
 block5_conv3 (Conv2D)       (None, 14, 14, 512)       2359808   
                                                                 
 block5_pool (MaxPooling2D)  (None, 7, 7, 512)         0         
                                                                 
 flatten (Flatten)           (None, 25088)             0         
                                                                 
 fc1 (Dense)                 (None, 4096)              102764544 
                                                                 
 fc2 (Dense)                 (None, 4096)              16781312  
                                                                 
 predictions (Dense)         (None, 4)                 16388     
                                                                 
=================================================================
Total params: 134,276,932
Trainable params: 134,276,932
Non-trainable params: 0
_________________________________________________________________

3. 网络结构图

关于卷积的相关知识可以参考文章：https://mtyjkh.blog.csdn.net/article/details/114278995

结构说明：

●13个卷积层（Convolutional Layer），分别用blockX_convX表示。
●3个全连接层（Fully connected Layer），分别用fcX与predictions表示。
●5个池化层（Pool layer），分别用blockX_pool表示。

VGG-16包含了16个隐藏层（13个卷积层和3个全连接层），故称为VGG-16。

四、编译

在准备对模型进行训练之前，还需要再对其进行一些设置。以下内容是在模型的编译步骤中添加的：

●损失函数（loss）：用于衡量模型在训练期间的准确率。
●优化器（optimizer）：决定模型如何根据其看到的数据和自身的损失函数进行更新。
●指标（metrics）：用于监控训练和测试步骤。以下示例使用了准确率，即被正确分类的图像的比率。

# 设置初始学习率
initial_learning_rate = 1e-4

lr_schedule = tf.keras.optimizers.schedules.ExponentialDecay(
        initial_learning_rate, 
        decay_steps=30,      # 敲黑板！！！这里是指 steps，不是指epochs
        decay_rate=0.92,     # lr经过一次衰减就会变成 decay_rate*lr
        staircase=True)

# 设置优化器
opt = tf.keras.optimizers.Adam(learning_rate=lr_schedule)     #原代码是learning_rate=initial_learning_rate

model.compile(optimizer=opt,
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False),    
              metrics=['accuracy'])

SparseCategoricalCrossentropy函数注意事项：

from_logits参数：
●布尔值，默认值为 False。
●当为 True 时，函数假设传入的预测值是未经过激活函数处理的原始logits 值。如果模型的最后一层没有使用 softmax 激活函数（即返回 logits），需要将 from_logits 设置为True。
●当为 False 时，函数假设传入的预测值已经是经过 softmax 处理的概率分布。

五、训练模型

注：网络越来越复杂，对算力要求也更高，CPU训练模型时间会很长，建议尽可能的使用GPU来跑。

epochs = 20

history = model.fit(
    train_ds,
    validation_data=val_ds,
    epochs=epochs
)

代码输出：

Epoch 1/20
30/30 [==============================] - 9s 140ms/step - loss: 1.3883 - accuracy: 0.2531 - val_loss: 1.3882 - val_accuracy: 0.2125
Epoch 2/20
30/30 [==============================] - 4s 120ms/step - loss: 1.1535 - accuracy: 0.3802 - val_loss: 0.9791 - val_accuracy: 0.5667
Epoch 3/20
30/30 [==============================] - 4s 120ms/step - loss: 0.7472 - accuracy: 0.5979 - val_loss: 0.6218 - val_accuracy: 0.6792
Epoch 4/20
30/30 [==============================] - 4s 121ms/step - loss: 0.7028 - accuracy: 0.6052 - val_loss: 0.7372 - val_accuracy: 0.5292
Epoch 5/20
30/30 [==============================] - 4s 120ms/step - loss: 0.6016 - accuracy: 0.6625 - val_loss: 0.5931 - val_accuracy: 0.6042
Epoch 6/20
30/30 [==============================] - 4s 120ms/step - loss: 0.4775 - accuracy: 0.7375 - val_loss: 0.4818 - val_accuracy: 0.7333
Epoch 7/20
30/30 [==============================] - 4s 120ms/step - loss: 0.4483 - accuracy: 0.7458 - val_loss: 0.4824 - val_accuracy: 0.6417
Epoch 8/20
30/30 [==============================] - 4s 120ms/step - loss: 0.4527 - accuracy: 0.7594 - val_loss: 0.4967 - val_accuracy: 0.7583
Epoch 9/20
30/30 [==============================] - 4s 121ms/step - loss: 0.3483 - accuracy: 0.8240 - val_loss: 0.3754 - val_accuracy: 0.8458
Epoch 10/20
30/30 [==============================] - 4s 121ms/step - loss: 0.2360 - accuracy: 0.8990 - val_loss: 0.3246 - val_accuracy: 0.8542
Epoch 11/20
30/30 [==============================] - 4s 121ms/step - loss: 0.1915 - accuracy: 0.9365 - val_loss: 0.3291 - val_accuracy: 0.9000
Epoch 12/20
30/30 [==============================] - 4s 121ms/step - loss: 0.1395 - accuracy: 0.9438 - val_loss: 0.0954 - val_accuracy: 0.9750
Epoch 13/20
30/30 [==============================] - 4s 121ms/step - loss: 0.0680 - accuracy: 0.9792 - val_loss: 0.0786 - val_accuracy: 0.9750
Epoch 14/20
30/30 [==============================] - 4s 121ms/step - loss: 0.0350 - accuracy: 0.9844 - val_loss: 0.0948 - val_accuracy: 0.9750
Epoch 15/20
30/30 [==============================] - 4s 121ms/step - loss: 0.0271 - accuracy: 0.9917 - val_loss: 0.0724 - val_accuracy: 0.9833
Epoch 16/20
30/30 [==============================] - 4s 121ms/step - loss: 0.0232 - accuracy: 0.9896 - val_loss: 0.0800 - val_accuracy: 0.9750
Epoch 17/20
30/30 [==============================] - 4s 121ms/step - loss: 0.0180 - accuracy: 0.9937 - val_loss: 0.1339 - val_accuracy: 0.9667
Epoch 18/20
30/30 [==============================] - 4s 121ms/step - loss: 0.0174 - accuracy: 0.9958 - val_loss: 0.0783 - val_accuracy: 0.9750
Epoch 19/20
30/30 [==============================] - 4s 121ms/step - loss: 0.0235 - accuracy: 0.9927 - val_loss: 0.0816 - val_accuracy: 0.9708
Epoch 20/20
30/30 [==============================] - 4s 121ms/step - loss: 0.0310 - accuracy: 0.9875 - val_loss: 0.0688 - val_accuracy: 0.9833

六、可视化结果

acc = history.history['accuracy']
val_acc = history.history['val_accuracy']

loss = history.history['loss']
val_loss = history.history['val_loss']

epochs_range = range(epochs)

plt.figure(figsize=(12, 4))
plt.subplot(1, 2, 1)
plt.plot(epochs_range, acc, label='Training Accuracy')
plt.plot(epochs_range, val_acc, label='Validation Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')

plt.subplot(1, 2, 2)
plt.plot(epochs_range, loss, label='Training Loss')
plt.plot(epochs_range, val_loss, label='Validation Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()

代码输出：

七、关于卷积补充：

1、 卷积的计算

4 × 4 的输入矩阵 I 和 3 × 3 的卷积核 K ：

在步长（stride）为 1 时，输出的大小为 ( 4 − 3 + 1 ) × ( 4 − 3 + 1 )

计算公式：

输入图片矩阵 I 大小： w × w
卷积核 K ：k × k
步长S ：s
填充大小（padding）：p

输出图片大小为：o × o

步长为2，卷积核为3*3，p=0的卷积情况如下：

当卷积函数中padding='same’时，会动态调整 p 值，确保 o = w ，即保证输入与输出一致。例如：输入是 28 * 28 * 1 输出也为 28 * 28 * 1 。

步长为1，卷积核为3*3，padding='same’的卷积情况如下：

2、实例：

7 ∗ 7 的 input，3 ∗ 3 的 kernel，无填充，步长为1，则 o = ( 7 − 3 ) /1 + 1 ，也即 output size 为 5 ∗ 5

7∗7 的 input，3 ∗ 3 的 kernel，无填充，步长为2，则 o = ( 7 − 3 ) /2 + 1，也即 output size 为 3 ∗ 3