keras教程：卷积神经网络（CNNs）终极入门指南

AI传送门

发布于 2018-06-21 12:09:57

1.2K1

发布于 2018-06-21 12:09:57

文章被收录于专栏：AI传送门AI传送门

本篇教程将会手把手教你使用keras搭建卷积神经网络（CNNs）。为了使你能够更快地搭建属于自己的模型，这里并不涉及有关CNNs的原理及数学公式，感兴趣的同学可以查阅《吊炸天的CNNs，这是我见过最详尽的图解！》

写在程序之前：

为了学习得更快，一些背景知识需要你了解

• 最常见的CNNs架构

上述模式，是一个最为常见的卷积网络架构模式。

如果上述链条理解起来比较吃力，你可以到这里恶补下基础知识。我们后面的代码，都是遵循上述模式来编写的。

• MNIST 数据集

在MNIST数据集中，包含着70,000个从0~9的手写体数字。每个图像的大小都是28*28，这里列举几张灰度图：

在本教程中，我们的训练样本，就来自于MNIST数据集，它是初学者入门图像识别时，最好用、最便捷的数据集。

数据的加载方法，我会在下文中详细讲解，此处你只需要了解，我们的数据源自MNIST就可以了。

• 本教程使用的是

Python 3.5.2， Theano 0.8.2

下面，我们就开始正式的课程。

使用Keras建立你的第一个CNNs模型的具体步骤：

1. 导入库和模块

2. 从MNIST加载图像数据

3. 预处理图像数据

4. 预处理分类标签

5. 定义模型架构

6. 编译模型

7. 训练模型

8. 评估模型

第一步：导入库和模块

导入numpy。numpy可用于进行数组运算。

接下来，我们从Keras中导入Sequential，它是多个网络层的线性堆叠。

简单来说，假设Sequential像一个书柜，每本书都是一个“网络层”，只要有了“书柜”，你就可以把“书”一本本的堆叠上去。

之后，依次导入

卷积层 Convolution2D

池化层 MaxPooling2D

激活层 Activation

展开层 Flatten

全连接层 Dense

Dropout层

这些“网络层”，相当于上面书架中的“图书”。将这些“网络层”堆叠起来，就构成了文章开篇所提到的“最常见的CNNs架构”模式。

最后，我们从Keras导入np_utils，它能帮助我们将数据形态转换为我们想要的样子。

第二步：从MNIST加载图像数据

通过print，我们能够看到数据集的形态：

X_train是一个含有60,000个训练样本的数据集，并且，每一个样本图像的尺寸都是28*28，例如，第1个训练样本为：

看样子，上面的数字有可能是3，有可能是5。但是不管怎样，我们已经清楚地看到，X_train中的每一个样本，都是一张28*28的手写数字图。

接下来，我们再来看看y_train:

y_train是60,000个训练样本的标签，例如，第1个训练样本的标签为“5”：

好吧，原来上面那张歪歪扭扭的数字，不是3……

使用同样的方法，我们还可以查看测试集的数据形态，在这里，我们有10,000个测试样本：

温馨提示：

无论是训练集，还是测试集，这里y的形态，都与X的不太一样

例如，

X_train.shape=(60000, 28, 28)

而 y_train.shape=(60000, )

后面我们会将它们的形态进行调整，使它们保持一致，并符合图像识别的格式要求。

第三步：预处理图像数据

在CNNs中，图像不仅有“宽度”和“高度”，而且还有深度。

对于彩色图片，图像的深度为3，即有“红R，绿G，蓝B”3个通道；

对于像MNIST这样的灰度图片，其图像深度仅为1：

（点击图片，查看大图）

所以，我们数据集的形态，应该从

(样本数量, 图片宽度, 图片高度)

转换为

(样本数量, 图片深度, 图片宽度, 图片高度)

实现这一转换的方式很简单：

为了确保我们的确已经将格式转换过来了，再次打印X_train.shape查看：

OK，（样本数量, 图片深度, 图片宽度, 图片高度）我们已全都具备。

预处理的最后一步，是将我们输入的数据，转换为float32类型，并且，将数值范围从[0, 255]标准化到[0, 1]范围内：

第四步：预处理分类标签

在第二步的时候，我们已经提到了，分类标签y的数据形态，似乎与图像X的有些不同。

实际上，我们有“0~9”一共十个不同的类标签。

我们期待看到这样的格式：

如果分类标签为“5”，那么，

如果分类标签为“9”，那么，

以此类推……

但是，我们现在的y值，一上来就是

0,1,2, …… , 9

因此，我们需要对其进行转换：

转换后的结果，我们来看一下：

还记得我们将X_train形态转换后，得到的样子吗？

X_train.shape=(60000, 1, 28, 28)

表示“有60,000个样本，每个样本的维度为（1*28*28）”

这里，经过转换后的Y_train的形态为

Y_train.shape=(60000, 10)

表示“有60,000个样本，每个样本的维度为10”

请记住上面的数据形态，只有当我们输入数据（X，Y）符合上述形态时，代码才会正常运行。

第五步：定义模型架构

经过前四步，我们已经把所有的准备工作都做好了。现在，我们开始定义模型。

回忆我们在开篇提到的“CNNs架构”

再次祭上这张神图……

“定义模型架构”，意味着我们要确定图中“若干次”的具体次数。

在本例中，我们将使用这样的架构：

当然，“若干次”的具体次数该如何来设定，并没有硬性的规定。

你可以尝试构建不同的模式，并从中选择一个预测准确度最高的模型来使用。

我们在这里使用了“2次 - 1次 - 2次”的结构。

好啦，废话不多说，直接上代码。

先搭一个“书架”：

再往“model”中，添加各层。

添加第1个“卷积 → ReLU”：

过滤器的作用是提取图片的特征，通常情况下，过滤器的个数由你自己来决定，这里设置了32个过滤器。

过滤器的大小，你可以设置为3*3，也可以设置为5*5，都是较为常用的尺寸。

经过第1个“卷积 → ReLU”的处理，我们来看看得到了什么：

输出的结果是，大小为26*26，一共32张图片。

为什么是32张图片？

这32张图片长得什么样子？

为什么图片大小比输入时变小了？

想要了解具体原理的同学，可以参考这里。

接下来，我们再添加第2个“卷积 → ReLU”：

然后是“池化层”：

池化层的作用是将图片缩小。

举个例子：

经过上面第2个“卷积 → ReLU”的处理后，输出结果的形态为

（None, 32, 24, 24）

表示“有32张24*24大小的图片”。

经过“最大池化”的处理后，得到的是

（None, 32, 12, 12）

表示“有32张12*12大小的图片”，

可以看到，图片的宽、高都缩小了一半。

最后，我们来添加2个全连接层：

（点击图片，查看大图）

第六步：编译模型

刚刚的第五步，我们只是搭起了一个模型的架子，而现在我们需要做的工作是，让模型能够跑起来。

第七步：训练模型

好啦，构建CNNs，所有最难的部分都已经过去了。

下面，我们就要把数据“喂给”模型，让它开始为我们干活儿了！

你的屏幕会显示这么一大堆东西：

（点击图片，查看大图）

第八步：评估模型

还记得我们在最初加载MNIST数据时，其中含有10,000个测试样本吗？

在代码的最后，我们可以充分利用这10,000个测试样本，来评估我们构建的模型其预测效果：

输出结果为：

预测准确度高达0.989。

恭喜你！现在，你已经会用keras做图像分类了~~

如果在本文中，有任何疑问，可以关注微信公众号：AI传送门，留言给我们，我们会定期为同学进行答疑。

长按上方二维码，关注我们

下面附上全部代码：

（可左右滑动此代码）

import numpy as np
from keras.models import Sequential
from keras.layers import Convolution2D, MaxPooling2D
from keras.layers import Activation, Flatten, Dense, Dropout
from keras.utils import np_utils
from keras.datasets import mnist
  
# 加载MNIST数据集，其中包含60,000个训练样本、10,000个测试样本
(X_train, y_train), (X_test, y_test) = mnist.load_data()

# 调整加载数据的形态
X_train = X_train.reshape(X_train.shape[0], 1, 28, 28)
X_test = X_test.reshape(X_test.shape[0], 1, 28, 28)

X_train = X_train.astype('float32')
X_test = X_test.astype('float32')
X_train /= 255
X_test /= 255

Y_train = np_utils.to_categorical(y_train, 10)
Y_test = np_utils.to_categorical(y_test, 10)

model = Sequential()

# 添加第一个卷积层，其中，超参数32,3,3分别表示“过滤器的个数、过滤器的宽、过滤器的高”
# input_shape = (1, 28, 28)表示“输入图片的深度为1，宽度为28，高度为28”
model.add(Convolution2D(32, 3, 3, input_shape=(1, 28, 28)))

# 添加激活层（ReLU）
model.add(Activation('relu'))

# 添加第二个卷积层
# 除第1层卷积外，其余各层卷积均不再需要输入input_shape，算法会自动识别其形态
model.add(Convolution2D(32,  3,  3))

# 添加激活层（ReLU）
model.add(Activation('relu'))

# 添加池化层
model.add(MaxPooling2D(pool_size=(2, 2)))

# 添加展开层，因为，在“全连接层”之前，需要先将图片的像素值展开
model.add(Flatten())

# 添加第1个全连接层
# “128”表示神经元的个数，可以设置为任意数值
model.add(Dense(128, activation='relu'))

# 添加dropout层，防止过拟合
model.add(Dropout(0.5))

# 添加第2个全连接层
# “10”表示神经元的个数，但是由于本层为CNNs架构的最后一层（即“输出层”），
# 所以，此处的数值只能为“10”，对应“0-9”个数字分类
# “softmax”是非线性函数，输出的结果为“最初输入的图片，属于每种类别的概率”
model.add(Dense(10, activation='softmax'))

# 编译模型
# 告诉模型，我们的目标是要使得“误差损失：categorical_crossentropy”尽可能小
# 为了实现这一“目标”，所使用的优化方法是：adam
# 使用“准确率：accuracy”来评估模型的预测效果
model.compile(loss='categorical_crossentropy',
              optimizer='adam',
              metrics=['accuracy'])

# 训练模型
# batch_size=32 表示一批处理32个样本
# nb_epoch=10 表示10个周期，每个周期都把全部60,000个样本遍历一遍
# validation_split=0.3 表示从训练样本中拿出30%作为交叉验证集
model.fit(X_train, Y_train,
          batch_size=32, nb_epoch=10, validation_split=0.3)

# 评估模型
score = model.evaluate(X_test,  Y_test)
print(score)