【学习笔记】Keras库下的resnet源码分析

Keras库下的resnet源码应用及解读

其实我也不知道这种东西有没有写下来的必要，但是跑代码的时候总摸鱼总归是不好的。虽然很简单，不过我也大概做个学习记录，写给小白看的。源码来自keras文档,大致地讲解如何使用这个代码来训练你自己的模型，以及重点代码讲解分析。

一、Keras安装

前面一篇文章我已经讲了如何从零安装GPU版tensorflow，那么这里安装keras就很简单了，在cmd窗口里输入：
pip install keras
然后检查是否安装好了，继续在cmd窗口里先输入python，进入python编译环境，然后输入：
import keras
如果出现的是：
Using TensorFlow backend
那么你就安装成功了，如果没成功，多半是版本的问题。

二、数据处理

稍微介绍一下，keras其实只是再把tensorflow封装一次，除此以外还可以接Theano以及CNTK后端，你每次import keras后，都会显示这样的：Using TensorFlow backend，这就是你用的tensorflow做后端的意思，后端是可以改的，具体方法你们自己百度。keras训练过程中的打印非常直观和美观，适合小白入门，了解网络结构，不过也由于封装地太好，可能有些功能你很难找到（X）。

然后我们这里解读的是resnet的源码，残差卷积网络具体理论推导可以去看吴恩达老师的课，我在本文中肯能会提到一点，但是不会过多赘述，主要从代码层面来讲解keras的实现方式。

下面先简单介绍一下拿到一份数据该怎么处理，传入网络。下面是keras直接从库调用的数据集。

# Load the CIFAR10 data.
(x_train, y_train), (x_test, y_test) = cifar10.load_data()
#这里是传入你的数据集的

我一般是先把图片转换成HDF5格式储存的，优点是读取快速方便。我在这里以一个比较复杂的图片集：来自kaggle的九种船型的图片集作为示例，教大家怎么处理自己的数据集。

（一）图片处理

拿到图片集，先看命名是否统一，方便我们接下来的操作。如果需要，我们可以进行重命名:

class BatchRename():
    '''
    批量重命名文件夹中的图片文件
    '''
    def __init__(self,path):
        self.path = path#表示需要命名处理的文件夹

    def rename(self):
        filelist = os.listdir(self.path) #获取文件路径
        total_num = len(filelist) #获取文件长度（个数）
        #print(filelist,',',total_num)
        i = 1  #表示文件的命名是从1开始的
        for item in filelist:
            if item.endswith('.png'):  #初始的图片的格式为jpg格式的（或者源文件是png格式及其他格式，后面的转换格式就可以调整为自己需要的格式即可）
                src = os.path.join(os.path.abspath(self.path), item)
                dst = os.path.join(os.path.abspath(self.path), 'img'+str(i) + '.png')#处理后的格式也为jpg格式的，当然这里可以改成png格式
                #dst = os.path.join(os.path.abspath(self.path), '0000' + format(str(i), '0>3s') + '.jpg')    这种情况下的命名格式为0000000.jpg形式，可以自主定义想要的格式
                try:
                    os.rename(src, dst)
                    print ('converting %s to %s ...' % (src, dst))
                    i = i + 1
                except:
                    continue
        print ('total %d to rename & converted %d pngs' % (total_num, i))

我们拿到手的这个数据集，是每个种类数量不一，图形尺寸不一，通道数不一的需要整理的图片集。对于图片的尺寸批量裁剪，我们有两种方法：
① 截取图片的中间窗口：
这种方法适用于图片的关键信息基本在屏幕中央的，下面贴出代码：

def cut_image(images_dir):
    count = os.listdir(images_dir)
    print(count)
    print("count=", len(count))
    print("len(count)=", len(count))
    for i in range(1, len(count)):
        im = Image.open(images_dir + '/img' + str(i) + '.png')
        im_size = im.size
        x_mid = im_size[0]/2
        y_mid = im_size[1]/2
        X1 = x_mid - 360#中间窗口大小720x720
        X2 = x_mid + 360
        Y1 = y_mid - 360
        Y2 = y_mid + 360
        output_image = im.crop((X1,Y1,X2,Y2))
        output_image.save(images_dir+'/deal/img'+str(i)+'.png')
    print('finished')

如果你觉得图片大小过于不一致，可以先将小的图片扩大，再截取中间窗口。

        if (im_size[0] > im_size[1]):
            if(im_size[1]<650):
                im = im.resize((int(im_size[0]*1.2),int(im_size[1]*1.2)))
                im.save(images_dir+'/deal/picture'+str(i)+'.png')
        else:
            if(im_size[0]<650):
                im = im.resize((int(im_size[0]*1.2),int(im_size[1]*1.2)))
                im.save(images_dir + '/deal/picture' + str(i) + '.png')

② 将图片都扩大成正方形图片，例如1280x960的图片都扩大成1280x1280的

def expand_image(images_dir):
    count = os.listdir(images_dir)
#     print(count)
    print("count=", len(count))
    for i in range(1, len(count)):
        im = Image.open(images_dir + '/img' + str(i) + '.jpg')
        im_size = im.size
#         print("图片宽度和高度分别是{}".format(im_size))
        if (im_size[0] > im_size[1]):#If the length is larger than the width, choose the length as the edge of the picture.
            X1 = 0
            X2 = im_size[0]
            Y1 = 0
            Y2 = im_size[0]

        else:#If the width is larger than the length, choose the length as the edge of the picture.
            X1 = 0
            X2 = im_size[1]
            Y1 = 0
            Y2 = im_size[1]
        output_image = im.crop((X1,Y1,X2,Y2))
        output_image.save(images_dir+'/deal/img'