【计算机视觉】深度学习框架-Keras

最新推荐文章于 2024-08-17 11:51:16 发布

吃_早餐

最新推荐文章于 2024-08-17 11:51:16 发布

阅读量1.7k

点赞数 4

分类专栏：人工智能文章标签：深度学习 keras 计算机视觉

本文链接：https://blog.csdn.net/m0_52923241/article/details/126869600

版权

人工智能专栏收录该内容

15 篇文章 4 订阅

订阅专栏

文章目录

1. 从零开始训练网络
2. 用Keras实现一个简单神经网络

1. 从零开始训练网络

1.1 搭建网络基本架构

网络的最终目标是，输入一张手写数字图片后，网络输出该图片对应的数字。

我们的代码要导出三个接口，分别完成以下功能：

1，初始化initialisation，设置输入层，中间层，和输出层的节点数。

2，训练train:根据训练数据不断的更新权重值

3，查询query，把新的数据输入给神经网络，网络计算后输出答案。（推理）

完成以上代码后，神经网络的大体框架就完成了，我们留下最重要的train函数，也就是通过训练样本训练链路权重的流程到下一步实现

1.2 构建训练网络

实现网络训练功能

自我训练过程分两步：

第一步是计算输入训练数据，给出网络的计算结果，这点跟我们前面实现的query()功能很像。
第二步是将计算结果与正确结果相比对，获取误差，采用误差反向传播法更新网络里的每条链路权重。

获取训练数据及预处理

接下来我们就得拿实际数据来训练我们的神经网络了。

我们要做的是读取训练数据，以及数据的预处理（归一化）

1.3 启动训练网络并测试数据

网络的最终目标是，输入一张手写数字图片后，网络输出该图片对应的数字。

由于网络需要从0到9一共十个数字中挑选出一个，于是我们的网络最终输出层应该有十个节点，每个节点对应一个数字。

假设图片对应的是数字0，那么输出层网络中，第一个节点应该输出一个高百分比，其他节点输出低百分比，如果图片对应的数字是9，那么输出层最后一个节点应该输出高百分比，其他节点输出低百分比。

2. 用Keras实现一个简单神经网络

2.1 Keras简介

Keras是基于theano/tensorflow的深度学习框架。是一个高层神经网络API，支持快速实验，能够把你的idea迅速转换为结果，如果有如下需求，可以优先选择Keras：
a）简易和快速的原型设计（keras具有高度模块化，极简，和可扩充特性）
b）支持CNN和RNN，或二者的结合
c）无缝CPU和GPU切换

2.2 MNIST手写数字识别（详细解释步骤）

2.2.1 数据的加载

MINIST数据集是一个公开的数据集，由0〜9手写数字图片和数字标签所组成的，由60000个训练样本和10000个测试样本组成，每个样本都是一张28 * 28像素的灰度手写数字图片。

from tensorflow.keras.datasets import mnist
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()

load_data()函数就会自动从网上下载MNIST数据，加载（下载）数据时顺便做完了训练集(train set)和测试集(test set)的分割。

将训练数据和检测数据加载到内存中(第一次运行需要下载数据，会比较慢):
train_images是用于训练系统的手写数字图片;
train_labels是用于标注图片的信息;
test_images是用于检测系统训练效果的图片；
test_labels是test_images图片对应的数字标签。

2.2.2 对数据做基本确认（该步骤可有可无）

查看训练集和测试集的数据情况

print('train_images.shape = ',train_images.shape)
print('train_labels = ', train_labels)
print('test_images.shape = ', test_images.shape)
print('test_labels', test_labels)

打印结果：
train_images.shape =  (60000, 28, 28)
tran_labels =  [5 0 4 ... 5 6 8]
test_images.shape =  (10000, 28, 28)
test_labels [7 2 1 ... 4 5 6]

train_images.shape打印结果表明，train_images是一个含有60000个元素的数组.数组中的元素是一个二维数组，二维数组的行和列都是28.也就是说，一个数字图片的大小是28*28.
train_lables打印结果表明，第一张手写数字图片的内容是数字5，第二种图片是数字0，以此类推.
test_images.shape的打印结果表示，用于检验训练效果的图片有10000张。
test_labels输出结果表明，用于检测的第一张图片内容是数字7，第二张是数字2，依次类推。

查看测试集的第一张图片

digit = test_images[0]
import matplotlib.pyplot as plt
plt.imshow(digit, cmap=plt.cm.binary)
plt.show()

在这里插入图片描述

2.2.3 搭建神经网络

使用tensorflow.Keras搭建一个有效识别图案的神经网络

from tensorflow.keras import models
from tensorflow.keras import layers
#模型构建
network = models.Sequential()
#隐藏层结点个数为512，激活函数为relu，输入为一个28*28的图像	
network.add(layers.Dense(512, activation='relu', input_shape=(28*28,)))
#输出层 输出节点个数为10，结点映射到1到0之间
network.add(layers.Dense(10, activation='softmax'))

layers:表示神经网络中的一个数据处理层。(dense:全连接层)
models.Sequential():顺序模型，表示把每一个数据处理层串联起来，即通过一层层神经网络连接构建深度神经网络。通过model.add()叠加一些网络层如LSTM和Dense。
layers.Dense(…):构造一个数据处理层。
input_shape(28*28,):表示当前处理层接收的数据格式必须是长和宽都是28的二维数组,后面的“,“表示数组里面的每一个元素到底包含多少个数字都没有关系.
softmax用于多分类过程中，它将多个神经元的输出映射到[0,1]区间内，故可以看成是某个类的概率，从而来进行多分类。假设我们有一个数组V，V_i表示V中的第i个元素，计算softmax值公式为：
$S_i=\frac{e^{V_i}}{\sum_je^{V_i}}$

搭建完模型后使用compile()函数进行编译

# 编译
network.compile(optimizer='rmsprop', loss='categorical_crossentropy',
               metrics=['accuracy'])

compile()函数参数介绍

optimizer：优化器/优化算法
loss：描述模型预测值与真实值的差距大小。两种常见的算法——均值平方差（MSE）和交叉熵。
metric：在训练和测试过程中需要监控的指标/度量。正确分类的比例用"accuracy"即可。注意metrics参数的传递方法是指定一个列表，这意味着可以指定的性能度量项可以不限于一项。

2.2.4 数据标准化

将数据从二维数组变为一位数组，然后数据归一化处理（在把数据输入到网络模型之前）

train_images = train_images.reshape((60000, 28*28))
train_images = train_images.astype('float32') / 255

test_images = test_images.reshape((10000, 28*28))
test_images = test_images.astype('float32') / 255

reshape(60000, 28*28):train_images数组原来含有60000个元素，每个元素是一个28行，28列的二维数组，现在把每个二维数组转变为一个含有28*28个元素的一维数组.
astype(“float32”)/255：由于数字图案是一个灰度图，图片中每个像素点值的大小范围在0到255之间。/255就是把每个像素点的值从范围0-255转变为范围在0-1之间的浮点值。

把图片对应的标记也做一个更改(该步骤可有可无)

如果没有对标签进行处理，在预测推理时，只需使用argmax函数将概率最大的位置输出即可

from tensorflow.keras.utils import to_categorical
print("before change:" ,test_labels[0])
train_labels = to_categorical(train_labels)
test_labels = to_categorical(test_labels)
print("after change: ", test_labels[0])
运行结果：
before change: 7
after change:  [0. 0. 0. 0. 0. 0. 0. 1. 0. 0.]

to_categoricall(数据的类别标签, 总类别数)：将类别标签向量转换为二进制（只有0和1）的矩阵类型表示。每一个标签用矩阵的对应的行向量来表示。

目前所有图片的数字图案对应的是0到9。例如test_images[0]对应的是数字7的手写图案，那么其对应的标记test_labels[0]的值就是7。我们需要把数值7变成一个含有10个元素的数组，然后在第8个元素设置为1，其他元素设置为0。test_lables[0] 的值由7转变为数组[0,0,0,0,0,0,0,1,0,0]

2.2.5 训练模型

把数据输入模型进行训练

#指定了训练5轮，小批量训练数据块大小为128个数据样本
network.fit(train_images, train_labels, epochs=5, batch_size = 128)

训练过程：
Epoch 1/5

  128/60000 [..............................] - ETA: 1:49 - loss: 2.3711 - acc: 0.0625
  384/60000 [..............................] - ETA: 44s - loss: 1.9454 - acc: 0.3516 
    ······
    ······
59520/60000 [============================>.] - ETA: 0s - loss: 0.0380 - acc: 0.9884
60000/60000 [==============================] - 5s 79us/sample - loss: 0.0379 - acc: 0.9885

train_images：用于训练的手写数字图片；
train_labels：对应的是图片的标记；
epochs：每次计算的循环是五次
batch_size：每次网络从输入的图片数组中随机选取128个作为一组进行计算。把batch_size传递给模型，它自动计算需要分为多少个mini-batch。如果除不尽的话，是向下取整，最后不足部分舍弃。
- batch mode（批量模式）：将整个数据集作为一个数据块训练。若batch_size等于训练集大小就是batch mode。
- minibatch mode(小批量模式)：分为多个数据块（通常是相同大小的）逐个处理。
- stochastic mode：逐个数据进行训练处理。batch_size=1时的minibatch mode的特例。

2.2.6 性能评估

上一步骤已经训练好模型了，将测试数据输入，检验网络学习后的图片识别效果

test_loss, test_acc = network.evaluate(test_images, test_labels, verbose=1)
print(test_loss) 
print('test_acc', test_acc)
运行结果
0.07136689759036526
test_acc 0.9796

evaluate()函数用于进行模型性能评估，将test_images, test_labels一起传递给evaluate()函数即可。

识别效果与硬件有关（CPU/GPU）.

2.2.7 预测推理

输入一张手写数字图片到网络中，看看它的识别效果

先来看看手写图片

(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
digit = test_images[1]
plt.imshow(digit, cmap=plt.cm.binary)
plt.show()

在这里插入图片描述

将图片数据输入模型进行训练

test_images = test_images.reshape((10000, 28*28))
res = network.predict(test_images)#预测函数
#前面数据处理时，将训练集的数字变成了只含有0和1的数组，故此时模型输出的是一个10维向量，当哪个的概率最大时将对应位置的赋值为1
print(res[1])
print("the number for the picture is : ", res[1].argmax())
#for i in range(res[1].shape[0]):
#    if (res[1][i] == 1):
#        print("the number for the picture is : ", i)
#        break
        
运行结果：
[0. 0. 1. 0. 0. 0. 0. 0. 0. 0.]
the number for the picture is : 2
#the number for the picture is :  2

【代码实现】直接调用接口

from tensorflow.keras.datasets import mnist
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
print('train_images.shape = ',train_images.shape)
print('train_labels = ', train_labels)
print('test_images.shape = ', test_images.shape)
print('test_labels', test_labels)

digit = test_images[0]
import matplotlib.pyplot as plt
plt.imshow(digit, cmap=plt.cm.binary)
plt.show()


from tensorflow.keras import models
from tensorflow.keras import layers

network = models.Sequential()
network.add(layers.Dense(512, activation='relu', input_shape=(28*28,)))
network.add(layers.Dense(10, activation='softmax'))

network.compile(optimizer='rmsprop', loss='categorical_crossentropy',
               metrics=['accuracy'])
      

train_images = train_images.reshape((60000, 28*28))
train_images = train_images.astype('float32') / 255

test_images = test_images.reshape((10000, 28*28))
test_images = test_images.astype('float32') / 255


from tensorflow.keras.utils import to_categorical
print("before change:" ,test_labels[0])
train_labels = to_categorical(train_labels)
test_labels = to_categorical(test_labels)
print("after change: ", test_labels[0])


network.fit(train_images, train_labels, epochs=5, batch_size = 128)


test_loss, test_acc = network.evaluate(test_images, test_labels, verbose=1)
print(test_loss) 
print('test_acc', test_acc)


(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
digit = test_images[1]
plt.imshow(digit, cmap=plt.cm.binary)
plt.show()
test_images = test_images.reshape((10000, 28*28))
res = network.predict(test_images)
print(res[1])
#print("the number for the picture is : ", res[1].argmax())
for i in range(res[1].shape[0]):
    if (res[1][i] == 1):
        print("the number for the picture is : ", i)
        break