使用Tensorflow构建属于自己的图片分类器

近几年火热的AI领域吸引了众多有志之士加入，在一段时间的学习之后，不知道你是否有一个疑惑：我能够用AI来做点什么呢？

就拿AI最常见的应用而言，人脸识别已经相当成熟，由巨头把持，围棋AI也有好几个开源实现，都是重量级的玩家在玩，医疗领域涉及太广，不是个人能hold住的。还有我们能够想到的领域，如机器翻译、无人驾驶、搜索引擎、美颜…好像都被别人早早布局，现在进入是不是太晚了？

别着急，在机器学习领域，有一个重要的定理叫做 “没有免费的午餐”定理 (No Free Lunch Theorem，简称NFL定理)。NFL定理是这样的，对于一个学习算法Ea，若它在某些问题上比学习算法Eb好，则必然存在另一些问题，在那里Eb比Ea好，这个结论对任何算法均成立。换而言之，机器学习领域，不存在一种算法，对所有问题都有效。

在面对具体的问题时，我们总需要选择算法、训练算法、针对具体问题进行调优，这也是大多数从事机器学习行业的人的工作。下面我就以一个图片分类器的构建为例，说明如何构建一个属于自己的AI模型。

说到图片分类器，有的同学可能又存在疑问？市面上不是已经有很多模型了吗？比如拍照识花、给猫狗图片分类等等。对的，本文就是在这些模型的基础上，训练出能够识别我常喝的两种牛奶的分类器（牛顿不是也说过，要站在巨人的肩膀上。。。）。我常喝的牛奶是长这样的：

要构建自己的图片分类器，首先需要数据，数据不能太少。在深度学习领域，数据往往比算法更重要（不是我说的，吴恩达说的。。。）。在本问题中，我们需要的数据就是有关这两种牛奶包装的图片。一种方法是编写脚本，从网络上抓取，还有一种笨办法，自己拿手机从各个不同角度拍摄。第三种办法是对着这两种牛奶录一段视频，然后通过软件将一帧帧的图像保存为图片，该方法也不是我想到的，你可以看这段视频了解一下。

我选择第三种录视频的方法来生成我的训练数据。

数据生成

首先使用手机拍一段视频，导入到电脑，然后通过软件保存图像。在ubuntu上可以使用ffmpeg软件来完成。

sudo apt-get install ffmpegffmpeg -i VID_20180520_162407.mp4 -r 1 milk_photos/arla/%03d.jpg

训练模型

我们基于ImageNet模型训练自己的模型，这是一个大型视觉识别挑战数据集上训练的模型，可以识别大约1000中物体的类别。

安装tensorflow

pip install --upgrade "tensorflow==1.7.*"

克隆git仓库

git clone https://github.com/googlecodelabs/tensorflow-for-poets-2cd tensorflow-for-poets-2

训练数据集

将前面通过视频生成的图片集放到tf_files目录下，每一类图片单独建一个文件夹，文件夹可以如下所示：

milk_photos
 |----yili
 |      |--001.png
 |      |--002.png
 |      ...
 |
 |----arla
 |      |--001.png
 |      |--002.png
 |      ...

再训练模型

export IMAGE_SIZE=224
export ARCHITECTURE="mobilenet_0.50_${IMAGE_SIZE}"python -m scripts.retrain \
 --bottleneck_dir=tf_files/bottlenecks \
 --how_many_training_steps=500 \
 --model_dir=tf_files/models/ \
 --summaries_dir=tf_files/training_summaries/"${ARCHITECTURE}" \
 --output_graph=tf_files/retrained_graph.pb \
 --output_labels=tf_files/retrained_labels.txt \
 --architecture="${ARCHITECTURE}" \
 --image_dir=tf_files/milk_photos

再训练脚本将生成以下两个文件：

• tf_files/retrained_graph.pb，再训练的图文件。
• tf_files/retrained_labels.txt，这是一个包含标签的文本文件。

使用再训练的模型

python -m scripts.label_image \
   --graph=tf_files/retrained_graph.pb  \
   --image=tf_files/milk_photos/yili/008.jpg

结果：

yili (score=0.99988)
arla (score=0.00012)

我们也可以再拍一张照片，试试效果。

至此，训练我们自己的分类器的任务就结束了，在下一篇文章中，我将带领大家探索如何在Android手机上使用我们的图片分类器。

注：本文主要参考了google codelab的教程：<>，这个题目还真不好翻译，TensorFlow之歌？原文的步骤更加详细，有兴趣可以参看原文。使用录制视频的方式生成数据集学的是这个视频: https://youtu.be/EnFyneRScQ8?t=4m17s