如何零基础用tensorflow搭建基本的CNN框架 | 附训练断点续练、图像展示、参数保存模块

如何零基础用tensorflow搭建基本的CNN框架 | 附训练断点续练、图像展示、参数保存模块

嗨，我是error。

这次的笔记是关于tensorflow基本框架的搭建，零基础带你熟悉如何应用keras搭建自己的CNN模型，并训练自己的数据，实现深度学习。

代码主要参考来源自

【国家精品课程】北京大学人工智能实践-TensorFlow2.0

CIFAR10数据集介绍，并使用卷积神经网络训练图像分类模型

---

Keras的八股文构建方法

这篇文章主要是写给tensorflow零基础但深度学习对CNN结构有一定了解的朋友，故重点会放在详细介绍代码实现CNN结构的方法上面。

首先要了解的是keras最基本的八股文式构建法，即

首先是import各类的库，然后分train和test数据（可以直接使用keras官方的数据也可以使用自己准备的数据，下面会分别讲解）。构建model后compile最后fit就完成了整个训练，最后的summary可有可无，主要是打印网络结构。

下面老师给出了三个主要对象的参数文档说明。

---

CNN模型的详细模块解说

首先说明下我的数据来源，来自CIFAR10数据集，照片都放在train文件夹内，在根目录下有trainlabels的csv表格标记着每一张图片的标签

根目录下面还有x_train和y_train的npy文件，每次运行代码时都检测是否存在这两个文件，若不存在，则从官网下载CIFAR10文件并保存，若存在则直接调用，不再重复下载。

根目录下的checkpoint文件夹存放着每次训练的参数，以便下次训练时沿用上次已经训练好的参数而不是重复计算，实现了断点续训。

import tensorflow as tf
from PIL import Image
import numpy as np
import os
import matplotlib.pyplot as plt
from tensorflow.keras.preprocessing.image import ImageDataGenerator

train_path = './train/'
train_csv = './trainLabels.csv'
x_train_savepath = './x_train.npy'
y_train_savepath = './y_train.npy'

在import完所需要的库后定义需要的路径以便后面传参时方便。

然后我们定义一个generateds的函数来把我们从csv表格标记的每一个图片的标签对应上就好了。

先定义两个空列表，分别是x和y，因为列表是有顺序的，只要我们放入列表的顺序和表格的顺序是一致，那么它们的标签就是对应匹配的。

def generateds(path, csv):
    f = open(csv, 'r')  # 以只读形式打开csv文件
    contents = f.readlines()[1:]  # 读取文件中除了第一行的所有行，因为第一行是id/labels的头
    f.close()  # 关闭csv文件
    x, y_ = [], []  # 建立空列表
    for content in contents:  # 逐行取出
        value = content.split(",")  # 以空格分开，图片路径为value[0] , 标签为value[1] , 存入列表
        img_path = path + value[0] + '.png'  # 拼出图片路径和文件名
        img = Image.open(img_path)  # 读入图片
        img = np.array(img.convert('L'))  # 图片变为8位宽灰度值的np.array格式