机器学习 | 猫狗大战

建议阅读时长 8 分钟

前言

对于机器学习来说,数据的重要性无可厚非,大部分处理机器学习的问题都是在处理数据,包括数据的清洗,归一化等,好的数据质量能大大提高模型的预测性能

但是对与初学者来说,数据变得不那么重要,因为学习机器学习主要学习算法思想以及如何实现,要善于站在前人的肩膀上对于计算机视觉领域,前辈们已经创建许多非常强大的图片数据集,如 Image-net: 『http://www.image-net.org/ 』 Google 图片数据库 『https://storage.googleapis.com/openimages/web/index.html 』可以帮助我们加速开发模型

下面要介绍的一个框架是 Keras 对于新手非常友好,本人之前使用过一阶段的 Tensorflow 感觉比较抽象,对于想快速入门机器学习的同学, Keras 是一款不错的选择

以下是三个框架这几年的流行程度,从中我们能看出一点趋势

Keras 中有许多数据集,包括用来做二分类的 IMDB 数据集、多分类的路透社数据集、做回归的波士顿房价数据集等,而本文要介绍的是二分类的图片数据集,猫狗数据集,原始数据可以在 Kaggle 官网上进行下载 『https://www.kaggle.com/c/dogs-vs-cats/data』 如果你没有 Kaggle 帐号,我将在文后附上我已经下载的数据集供你们使用

数据格式如下:

其中训练集 1000 张,验证集 500 张,测试集 500 张,总共 4000 张。

猫狗大战开始

机器学习的一般步骤是:

  • 准备数据
  • 数据预处理(检查数据、数据归一化、将数据转换成张量等)
  • 建立模型
  • 查看精度和损失
  • 预测
  • 保存模型
# 导入包
import os, shutil
import keras
from keras.layers import Conv2D, MaxPooling2D, Dense, Flatten  # 卷积神经网络
from keras.models import Sequential 
import matplotlib.pyplot as plt # 绘图包
from keras.preprocessing import image # 数据处理

查看数据

检查数据是数据处理过程中一项基本步骤,可以预防数数据路径、数据集数量、数据集格式等出现错误

# 对创建的文件夹进行检查
dst_path='./img_data/small_datasets/'
train_cats_dir = os.path.join(dst_path, 'train/cats')
train_dogs_dir = os.path.join(dst_path, 'train/dogs')

test_cats_dir = os.path.join(dst_path, 'test/cats')
test_dogs_dir = os.path.join(dst_path, 'test/dogs')

validation_cats_dir = os.path.join(dst_path, 'validation/cats')
validation_dogs_dir = os.path.join(dst_path, 'validation/dogs')


print('total training cat images:', len(os.listdir(train_cats_dir)))
print('total training dog images:', len(os.listdir(train_dogs_dir)))

print('total validation cat images:', len(os.listdir(validation_cats_dir)))
print('total validation dog images:', len(os.listdir(validation_dogs_dir)))

print('total test cat images:', len(os.listdir(test_cats_dir)))
print('total test dog images:', len(os.listdir(test_dogs_dir)))
# 运行结果
totaltraining cat images: 1000
totaltraining dog images: 1000
totalvalidation cat images: 500
totalvalidation dog images: 500
totaltest cat images: 500
totaltest dog images: 500

数据预处理

  • 读取图像文件。
  • 将 JPEG 文件解码为 RGB 像素网格。
  • 将这些像素网格转换为浮点数张量。
  • 将像素值(0~255 范围内)缩放到 [0, 1] 区间(正如你所知,神经网络喜欢处理较小的输入值)。
# 图像处理辅助工具的模块
# ImageDataGenerator 类,可以快速创建 Python 生成器,能够将硬盘上的图像文件自动转换为预处理好的张量批量。
fromkeras.preprocessing.image import ImageDataGenerator

#### 归一化
train_datagen = ImageDataGenerator(rescale=1./255)  # 将所有图像乘以 1./255 进行缩放,即进行归一化
validation_datagen = ImageDataGenerator(rescale=1./255)


train_dir = './img_data/small_datasets/train/'# 训练集路径
validation_dir = './img_data/small_datasets/validation/'# 测试集路径


# 所有图像调整为 (150,150) # 因为使用了 binary_crossentropy损失,所以需要用二进制标签 # 批量大小为 20

train_generator = train_datagen.flow_from_directory(
   train_dir, target_size=(150, 150), batch_size=20, class_mode='binary')


validation_generator = validation_datagen.flow_from_directory(
   validation_dir, target_size=(150, 150), batch_size=20, class_mode='binary')

# 对数据进行可视化查看,看图片和标签是否匹配,随机检查一部分
fordata_batch, lable_batch in train_generator:
   x = data_batch[0]
   y = lable_batch[0]
   print("data_batch shape", data_batch.shape)
   print("lable_batch shape", lable_batch.shape)
   break

plt.imshow(image.array_to_img(x))
plt.title(str('cat'if y == 0 else 'dog'))
plt.show()
 # 输出结果
 Found 2000 images belonging to 2 classes.
 Found 1000 images belonging to 2 classes.
 data_batch shape (20, 150, 150, 3)
 lable_batch shape (20,)

建立卷积模型

计算机视觉大部分模型都是使用卷积神经网络(CNN)

def model_demo():
   model = Sequential()
   model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(150, 150, 3)))
   model.add(MaxPooling2D((2, 2)))
   
   model.add(Conv2D(64, (3, 3), activation='relu'))
   model.add(MaxPooling2D((2, 2)))

   model.add(Conv2D(128, (3, 3), activation='relu'))
   model.add(MaxPooling2D((2, 2)))

   model.add(Conv2D(128, (3, 3), activation='relu'))
   model.add(MaxPooling2D((2, 2)))
   model.add(Flatten())

   model.add(Dense(512, activation='relu'))
   model.add(Dense(1, activation='sigmoid')) # 二分类,最后一层使用 sigmoid
   return model

model = model_demo()
model.summary()
# 模型输出结果
_________________________________________________________________
Layer (type)                 Output Shape              Param #  
=================================================================
conv2d_1 (Conv2D)            (None, 148, 148, 32)      896      
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 74, 74, 32)        0        
_________________________________________________________________
conv2d_2 (Conv2D)            (None, 72, 72, 64)        18496    
_________________________________________________________________
max_pooling2d_2 (MaxPooling2 (None, 36, 36, 64)        0        
_________________________________________________________________
conv2d_3 (Conv2D)            (None, 34, 34, 128)       73856    
_________________________________________________________________
max_pooling2d_3 (MaxPooling2 (None, 17, 17, 128)       0        
_________________________________________________________________
conv2d_4 (Conv2D)            (None, 15, 15, 128)       147584    
_________________________________________________________________
max_pooling2d_4 (MaxPooling2 (None, 7, 7, 128)         0        
_________________________________________________________________
flatten_1 (Flatten)          (None, 6272)              0        
_________________________________________________________________
dense_1 (Dense)              (None, 512)               3211776  
_________________________________________________________________
dense_2 (Dense)              (None, 1)                 513      
=================================================================
Total params: 3,453,121
Trainable params: 3,453,121
Non-trainable params: 0
_________________________________________________________________

编译模型

fromkeras import optimizers
model.compile(optimizer=optimizers.RMSprop(lr=1e-4), # 直接使用 RmSprop 是稳妥的。
             loss=keras.losses.binary_crossentropy, metrics=['acc']) # 二分类所以使用二元交叉熵作为损失函数

利用批量生成器拟合模型

# 得出的结果是训练集和验证集上的损失和精度
history= model.fit_generator(generator=train_generator,
                             steps_per_epoch=100,
                             epochs=30,  # 训练 30 轮
                             validation_data=validation_generator,
                             validation_steps=50
)

这段程序运行的时间会有的久,若同学们不想运行,我已经将训练好的模型保存起来,供你们使用

保存模型

# 保存模型,是开发的一种习惯
model.save('cats_and_dogs_small_1.h5')

模型预测

# 读取测试集中的数据
test_dir= './img_data/small_datasets/test/'
test_datagen = ImageDataGenerator(rescale=1./255) # 归一化
# 所有图像调整为 (150,150) # 因为使用了 binary_crossentropy损失,所以需要用二进制标签 # 批量大小为 20
test_generator = test_datagen.flow_from_directory(test_dir, 
                                                  target_size=(150, 150), 
                                                  batch_size=20, 
                                                  class_mode='binary')
 # 输出
 Found 1000 images belonging to 2 classes.
# 可视化部分图像,看图像与标签是否相符
fordata_batch, labels_batch in test_generator:
    x = data_batch[1]
    y = labels_batch[1]
    print("data_batch shape", data_batch.shape)
    print("labels_batch shape", labels_batch.shape)
    break
   

plt.imshow(image.array_to_img(x))
plt.title(str('cat'if y == 0 else 'dog'))
plt.show()
 # 输出结果
 data_batch shape (20, 150, 150, 3)
 labels_batch shape (20,)

对训练集进行预测

# 对训练集进行预测,查看一下模型在训练集上的效果,若效果很差,说明模型没有训练好
model_load.evaluate_generator(train_generator, steps=20)

对测试集进行预测

from keras.models import load_model
model_load = load_model("./cats_and_dogs_small_1.h5")
model_load.evaluate(data_batch, labels_batch, batch_size=20, verbose=1) model_load.evaluate_generator(test_generator, steps=20)

结果可视化

# 绘制结果,这一部分的结果见下面
importmatplotlib.pyplot as plt

defplot_acc_err(history):
   acc = history.history['acc']
   val_acc = history.history['val_acc']
   loss = history.history['loss']
   val_loss = history.history['val_loss']
   
   epochs = range(1, len(acc) + 1)
   plt.plot(epochs, acc, 'bo', label='Training acc')
   plt.plot(epochs, val_acc, 'b', label='Validation acc')
   plt.title('Training and validation accuracy')
   plt.legend()
   
   plt.figure() # 在另一个图像绘制
   plt.plot(epochs, loss, 'bo', label='Training loss')
   plt.plot(epochs, val_loss, 'b', label='Validation loss')
   plt.title('Training and validation loss')
   plt.legend()
   plt.show()

plot_acc_err(history)

处理保存的模型和训练历史

本模块是将训练好的精度和损失保存下来,方便下一次进行分析

# 读取训练数据
withopen("history.json", 'r') as f:
   history_load = f.readlines()

history_load = json.loads(history_load[0])
acc= history_load['acc']
val_acc = history_load['val_acc']
loss = history_load['loss']
val_loss = history_load['val_loss']

epochs = range(1, len(acc) + 1)
plt.plot(epochs, acc, 'bo', label='Training acc')
plt.plot(epochs, val_acc, 'b', label='Validation acc')
plt.title('Training and validation accuracy')
plt.legend()

plt.figure() # 在另一个图像绘制
plt.plot(epochs, loss, 'bo', label='Training loss')
plt.plot(epochs, val_loss, 'b', label='Validation loss')
plt.title('Training and validation loss')
plt.legend()
plt.show()

结果分析

训练精度随时间线性增加,而验证精度停留在 70% 左右,验证损失仅在 10 轮后就达到最小值,然后保持不变,而训练损失则一直线性下降,直到接近于 0。

过拟合的原因主要是因为训练样本相对较少(猫狗各 2000 个)

结语

我在学习的过程中,发现使用 Keras 自带的样本迭代器来训练时速度很慢,主要原因是:每次训练的时候,时间大部分消耗在 CPU 读取数据上,而真正训练的时间并不是很长,之后会介绍几种方法,不仅能提升训练精度,也能让训练的时间可能的短,即使你没有 GPU 来加速

在本公众号回复 机器学习 即可获取猫狗大战的程序、数据集、模型、训练数据等!

后台回复 效率 获取提升效率的软件!

推荐个朋友

Python高效编程专注于Python 实战教程,分享 Python 进阶知识、PyQt5 图形界面系列文章以及个人学习经验

还时不时设计一些实用的 Python 脚本,欢迎关注!

别忘了爱自己

别忘了热爱生活,代码敲累了,就出去走走,健健身,生活总是美好的~


个人站点:

Github: https://github.com/FLyingLSJ

CSDN : https://blog.csdn.net/LSJ944830401

BLOG: https://flyinglsj.github.io/


原文发布于微信公众号 - 机器视觉CV(Unfinished_coder)

原文发表时间:2019-04-21

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券