【北京大学】12 TensorFlow1.x的卷积神经网络模型VGGNet实现
张量是多维数组
常用函数
（2）np.load /np.save将数组以二进制格式读出或写入磁盘，扩展名为.npy
···
np.save(“名.npy”,某数组)
某变量 = np.load(“名.npy”,encoding ="").item()
#encoding可不写，有三个选项latin1 ASCI
···
（5）tf.nn.bias_add(乘加和,bias)#把bias加到乘加和上
（6）tf.reshape(tensor,[n行，m列])
或tf.reshape(tensor,[-1，m列])-1表示行随着m列自动计算
（7）np.argsort(列表)#对列表从小到大排序，返回索引值
（8）os.getcwd() # 返回当前工作目录
（9）os.path.join( , ,…) # 拼出整个路径，可引导到特定文件
（11）tf.conda(值，在哪个维)，实现粘贴
t1 = [[1,2,3],[4,5,6]]
t2 = [[7,8,9],[10,11,12]]
#按照第0个维度粘
tf.concat([t1,t2],0) ==>[[1,2,3],[4,5,6],[7,8,9],[10,11,12]] #
#按照第1个维度粘贴
tf.concat([t1,t2],1) ==>[[1,2,3,7,8,9],[4,5,6,10,11,12]]
12）fig = plt.figure(‘图名字’)可视化图片
img = io.imread(图片路径)
ax = fig.add_subplot(数 数 数)#分别是包含几行，包含几列，当前是第几个
例如
#coding:utf-8
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 100)
#新建figure对象
fig=plt.figure()
#新建子图1
ax1=fig.add_subplot(2,2,1)
ax1.plot(x, x)
#新建子图2
ax3=fig.add_subplot(2,2,2)
ax3.plot(x, x ** 2)
ax3.grid(color='r', linestyle='--', linewidth=1,alpha=0.3)
#新建子图3
ax4=fig.add_subplot(2,2,3)
ax4.plot(x, np.log(x))
plt.show()
ax.bar(bar的个数，bar的值，每个bar的名字，bar宽,bard色)#画出柱状图
ax.set_ylabel("")
ax.set_title("")
ax.text(文字x坐标，文字y坐标，文字内容，ha =‘center’,va =‘bottom’,fontsize = 7)
（13）ax = imshow(图)画子图
学会查找函数
Google官方文档
例如：tf.concat ：https://tensorflow.google.cn/api_docs/python/tf/concat?hl=en
卷积神经网络（Convolutional Neural Network, CNN）：
https://tensorflow.google.cn/tutorials/images/cnn?hl=zh_cn
————————————————
vgg16.npy下载地址： 链接：https://pan.baidu.com/s/1dMw3u-9bAWr8vgJyEtGF0Q ####密码：h8yb
app.py文件
是应用程序，实现图像识别
#coding:utf-8
import numpy as np
# Linux 服务器没有 GUI 的情况下使用 matplotlib 绘图，必须置于 pyplot 之前
#import matplotlib
#matplotlib.use('Agg')
import tensorflow as tf
import matplotlib.pyplot as plt
# 下面三个是引用自定义模块
import vgg16
import utils
from Nclasses import labels
img_path = raw_input('Input the path and image name:')
#img_ready为1* 224*224，维度为3
img_ready = utils.load_image(img_path) # 调用 load_image()函数，对待测试的图像做一些预处理操作
#定义一个 figure 画图窗口，并指定窗口的名称，也可以设置窗口修的大小
#print "img_ready shape", tf.Session().run(tf.shape(img_ready))
# 定义画图窗口，并指定窗口名称
fig=plt.figure(u"Top-5 预测结果")
with tf.Session() as sess:
# 定义一个维度为[1,224,224,3],类型为 float32 的 tensor 占位符
x = tf.placeholder(tf.float32, [1, 224, 224, 3])
vgg = vgg16.Vgg16() # 类 Vgg16 实例化出 vgg，读出npy文件保存的模型参数
# 调用类的成员方法 forward()，并传入待测试图像，这也就是网络前向传播的过程
vgg.forward(x)
# 将一个 batch 的数据喂入网络，得到网络的预测输出
#probablity 存着1000个概率，其列表索引值是Nclasses.py中labels的键
probablity = sess.run(vgg.prob, feed_dict={x:img_ready})
# np.argsort 函数返回预测值（probability 的数据结构[[各预测类别的概率值]]）由小到大的索引值，
# 并取出预测概率最大的五个索引值
top5 = np.argsort(probability[0])[-1:-6:-1] #x.argsort()[::-1]#输出x中元素从大到小排列的对应的index(索引)
print "top5:",top5
# 定义两个 list---对应的概率值和实际标签（zebra）
values = []
bar_label = []
for n, i in enumerate(top5): # 枚举上面取出的五个索引值
print "n:",n
print "i:",i
values.append(probability[0][i]) # 将索引值对应的预测概率值取出并放入 values
bar_label.append(labels[i]) # 根据索引值取出对应的实际标签并放入 bar_label
print i, ":", labels[i], "----", utils.percent(probability[0][i]) # 打印属于某个类别的概率
####
ax = fig.add_subplot(111) # 将画布划分为一行一列，并把下图放入其中
# bar()函数绘制柱状图，参数 range(len(values)是柱子下标，values 表示柱高的列表（也就是五个预测概率值，
# tick_label 是每个柱子上显示的标签（实际对应的标签），width 是柱子的宽度，fc 是柱子的颜色）
ax.bar(range(len(values)), values, tick_label=bar_label, width=0.5, fc='g')
ax.set_ylabel(u'probability') # 设置横轴标签
ax.set_title(u'Top-5') # 添加标题
for a,b in zip(range(len(values)), values):
# 在每个柱子的顶端添加对应的预测概率值，a，b 表示坐标，b+0.0005 表示要把文本信息放置在高于每个柱子顶端0.0005 的位置，
# center 是表示文本位于柱子顶端水平方向上的的中间位置，bottom 是将文本水平放置在柱子顶端垂直方向上的底端位置，fontsize 是字号， utils.percent使值用百分比显示
ax.text(a, b+0.0005, utils.percent(b), ha='center', va = 'bottom', fontsize=7)
plt.savefig('./result.jpg') # 保存图片
plt.show() # 弹窗展示图像（linux 服务器上将该句注释掉）
vgg16.py文件：读取模型参数，搭建模型
#tensorflow学习笔记(北京大学) vgg16.py 完全解析
#QQ群：476842922（欢迎加群讨论学习
#!/usr/bin/python
#coding:utf-8
import inspect
import os
import numpy as np
import tensorflow as tf
import time
import matplotlib.pyplot as plt
#样本RGB的平均值
VGG_MEAN = [103.939, 116.779, 123.68]
class Vgg16():
def __init__(self, vgg16_path=None): #模型参数导入
if vgg16_path is None:
#返回当前工作目录
vgg16_path = os.path.join(os.getcwd(), "vgg16.npy")
#遍历其内键值对，导入模型参数
self.data_dict = np.load(vgg16_path, encoding='latin1').item()
####
def forward(self, images):
print("build model started")
#获取前向传播开始时间
start_time = time.time()
#逐个像素乘以255
rgb_scaled = images * 255.0
#从GRB转换彩色通道到BRG
red, green, blue = tf.split(rgb_scaled,3,3) #rgb_scaled切分为3份
#减去每个通道的像素平均值，这种操作可以移除图像的平均亮度值
#该方法常用在灰度图像上
bgr = tf.concat([
blue - VGG_MEAN[0],
green - VGG_MEAN[1],
red - VGG_MEAN[2]],3)
#构建VGG的16层网络（包含5段卷积，3层全连接），并逐层根据命名空间读取网络参数
#第一段卷积，含有两个卷积层，后面接最大池化层，用来缩小图片尺寸
self.conv1_1 = self.conv_layer(bgr, "conv1_1")
#传入命名空间的name，来获取该层的卷积核和偏置，并做卷积运算，最后返回经过激活函数后的值
self.conv1_2 = self.conv_layer(self.conv1_1, "conv1_2")
#根据传入的pooling名字对该层做相应的池化操作
self.pool1 = self.max_pool_2x2(self.conv1_2, "pool1") #“”内为自定义命名
#第二段卷积，包含两个卷积层，一个最大池化层
self.conv2_1 = self.conv_layer(self.pool1, "conv2_1")
self.conv2_2 = self.conv_layer(self.conv2_1, "conv2_2")
self.pool2 = self.max_pool_2x2(self.conv2_2, "pool2")
#第三段卷积，包含三个卷积层，一个最大池化层
self.conv3_1 = self.conv_layer(self.pool2, "conv3_1")
self.conv3_2 = self.conv_layer(self.conv3_1, "conv3_2")
self.conv3_3 = self.conv_layer(self.conv3_2, "conv3_3")
self.pool3 = self.max_pool_2x2(self.conv3_3, "pool3")
#第四段卷积，包含三个卷积层，一个最大池化层
self.conv4_1 = self.conv_layer(self.pool3, "conv4_1")
self.conv4_2 = self.conv_layer(self.conv4_1, "conv4_2")
self.conv4_3 = self.conv_layer(self.conv4_2, "conv4_3")
self.pool4 = self.max_pool_2x2(self.conv4_3, "pool4")
#第五段卷积，包含三个卷积层，一个最大池化层
self.conv5_1 = self.conv_layer(self.pool4, "conv5_1")
self.conv5_2 = self.conv_layer(self.conv5_1, "conv5_2")
self.conv5_3 = self.conv_layer(self.conv5_2, "conv5_3")
self.pool5 = self.max_pool_2x2(self.conv5_3, "pool5")
#第六层全连接
#根据命名空间name做加权求和运算
self.fc6 = self.fc_layer(self.pool5, "fc6")
#经过relu激活函数
self.relu6 = tf.nn.relu(self.fc6)
#第七层全连接
self.fc7 = self.fc_layer(self.relu6, "fc7")
self.relu7 = tf.nn.relu(self.fc7)
#第八层全连接
self.fc8 = self.fc_layer(self.relu7, "fc8")
self.prob = tf.nn.softmax(self.fc8, name="prob") #使其服从概率分布
#得到全向传播时间
end_time = time.time()
print(("time consuming: %f" % (end_time-start_time)))
#清空本次读取到的模型参数字典
self.data_dict = None
#定义卷积运算
def conv_layer(self, x, name):
#根据命名空间name找到对应卷积层的网络参数
with tf.variable_scope(name):
#读到该层的卷积核
w = self.get_conv_filter(name)
#卷积运算
conv = tf.nn.conv2d(x, w, [1, 1, 1, 1], padding='SAME')
#读到偏置项
conv_biases = self.get_bias(name)
#加上偏置，并做激活计算
result = tf.nn.relu(tf.nn.bias_add(conv, conv_biases))
return result
#定义获取卷积核的参数
def get_conv_filter(self, name):
#根据命名空间从参数字典中获取对应的卷积核
return tf.constant(self.data_dict[name][0], name="filter")
#定义获取偏置项的参数
def get_bias(self, name):
#根据命名空间从参数字典中获取对应的偏置项
return tf.constant(self.data_dict[name][1], name="biases")
#定义最大池化操作
def max_pool_2x2(self, x, name):
return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME', name=name)
#定义全连接层的全向传播操作
def fc_layer(self, x, name):
#根据命名空间name做全连接层的计算
with tf.variable_scope(name):
#获取该层的维度信息列表
shape = x.get_shape().as_list()
dim = 1
for i in shape[1:]:
#将每层的维度相乘
dim *= i
#改变特征图的形状，也就是将得到的多维特征做拉伸操作，只在进入第六层全连接层做该操作
x = tf.reshape(x, [-1, dim])
#读到权重值
w = self.get_fc_weight(name)
#读到偏置项值
b = self.get_bias(name)
#对该层输入做加权求和，再加上偏置
result = tf.nn.bias_add(tf.matmul(x, w), b)
return result
#定义获取权重的函数
def get_fc_weight(self, name):
#根据命名空间name从参数字典中获取对应1的权重
return tf.constant(self.data_dict[name][0], name="weights")
ValueError: Object arrays cannot be loaded when allow_pickle=False
查看其他人的经验，发现是numpy的版本有问题。
方法一：出错的地方就是这一行：
data = np.load(‘path’)
修改为下面这个就跑通了：
data = np.load(‘path’,allow_pickle=True)
就是加了个allow_pickle=True
方法二：
卸载之前装的numpy1.17，
安装pip install numpy==1.16.2
utils.py文件：读入图片，概率显示
from skimage import io, transform
没有安装所谓的skimage.io
pip install scikit-image
#!/usr/bin/python
#coding:utf-8
from skimage import io, transform
import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
from pylab import mpl
mpl.rcParams['font.sans-serif']=['SimHei'] # 正常显示中文标签
mpl.rcParams['axes.unicode_minus']=False # 正常显示正负号
#预处理
def load_image(path):
fig = plt.figure("Centre and Resize") #新建名称为Centre and Resize的图
img = io.imread(path) # 根据传入的路径读入图片
img = img / 255.0 # 将像素归一化到[0,1]
# 将该画布分为一行三列
ax0 = fig.add_subplot(131) # 把下面的图像放在该画布的第一个位置
ax0.set_xlabel(u'Original Picture') # 添加子标签
ax0.imshow(img) # 添加展示该图像
short_edge = min(img.shape[:2]) # 找到该图像的最短边
y = (img.shape[0] - short_edge) / 2
x = (img.shape[1] - short_edge) / 2 # 把图像的 w 和 h 分别减去最短边，并求平均
crop_img = img[y:y+short_edge, x:x+short_edge] # 取出切分出的中心图像
print crop_img.shape
ax1 = fig.add_subplot(132) # 把下面的图像放在该画布的第二个位置
ax1.set_xlabel(u"Centre Picture") # 添加子标签
ax1.imshow(crop_img)
re_img = transform.resize(crop_img, (224, 224)) # resize 成固定的 imag_szie
ax2 = fig.add_subplot(133) # 把下面的图像放在该画布的第三个位置
ax2.set_xlabel(u"Resize Picture") # 添加子标签
ax2.imshow(re_img)
img_ready = re_img.reshape((1, 224, 224, 3))
return img_ready
# 定义百分比转换函数
def percent(value):
return '%.2f%%' % (value * 100)
Nclasses.py文件
含label字典
#每个图像的真实标签，以及对应的索引值
labels = {
0: ‘tench\n Tinca tinca’,
1: ‘goldfish\n Carassius auratus’,…
vgg16.npy文件
包含了神经网络的全部参数
self.data_dict = np.load(vgg16_path, encoding=‘latin1’).item() 改为
self.data_dict = np.load(vgg16_path, encoding=‘latin1’,allow_pickle=True).item()
1971
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
