情人节选花神器——深度学习指南

大鹏说 ：本文约1200字，阅读需要4分钟。本文讲述了利用深度学习原理实现自动识别花卉品种的过程。成果优秀，令人惊奇，绝对是情人节选花神助手~

关键词：阿里云 Python 邮件 星座

p.s.文末有源代码分享

转眼，一年一度的情人节又到了。每个情人节我总要面临一个问题：如何给我的女盆友们买花？花店里琳琅满目的花，我又不认识，万一买错品种了，我将会永远失去她们。我决定搞一个模型来帮我完成花的识别工作。

1. 学习素材准备

为了掌握花卉的鉴别能力，我特地找了海量的花卉图片以供赏析。

一共14个品种的花：

每个品种共1000张艳照，共计14000张：

如何让机器能够准确识别这些花的品种，很简单，一遍一遍反复的学习，直到能认准为止——“一遍一遍反复学习”这一行为，我们称之为深度学习。

学习要讲究方法，比如如何区分玫瑰和菊花，很简单，玫瑰一般为红色，花朵是卷起来的,而菊花是黄灿灿的，花朵的形状…大家都懂的。这种提取特征的学习方法，我们通常称之为卷积。

2. 模型建立

先导入用于深度学习的python包，我们使用Keras框架

from keras.models import Sequential
from keras.layers import Conv2D,MaxPool2D,Activation,Dropout,Flatten,Dense
from keras.optimizers import Adam
from keras.preprocessing.image import ImageDataGenerator,img_to_array,load_img
from keras.models import load_model

因为Keras框架本身是基于tensorflow构建的，性能卓著，又不需要tensorflow超高难度的代码编写，封装十分彻底，用法与skitlearn类似。

在开始组织神经网络前，我们先定义一些参数，方便调试与修改。

IMG_W = 224 #定义裁剪的图片宽度
IMG_H = 224 #定义裁剪的图片高度
CLASS = 14 #图片的分类数
EPOCHS = 5 #迭代周期
BATCH_SIZE = 64 #批次大小
TRAIN_PATH = 'data/train' #训练集存放路径
TEST_PATH = 'data/test' #测试集存放路径
SAVE_PATH = 'flower_selector' #模型保存路径
LEARNING_RATE = 1e-4 #学习率
DROPOUT_RATE = 0 #抗拟合，不工作的神经网络百分比

下面是每个参数的解释:

IMG_W,IMG_H：用于模型学习的图片尺寸。
因为我们的样本图片尺寸各不相同，而模型学习需要大小统一的图片，所有这里设定其宽高。研究表明正方形的图片在模型拟合方面，效果优于长方形的图片，所以这里长宽设置相同。特别注意，图片尺寸越大，训练花费时间越久，所以千万不要设置如1920*1920分辨率大小，否则就算等到天荒地老模型也训练不完。