深度学习 Day 17——利用卷神经网络实现猫狗识别

文章目录

深度学习 Day 17——利用卷神经网络实现猫狗识别一、前言二、我的环境三、前期工作1、导入依赖项并设置GPU2、导入数据

四、数据预处理1、加载数据2、检查数据3、配置数据集并进行归一化处理4、可视化数据

五、构建VGG-16网络1、VGG优缺点分析2、VGG结构说明3、构建网络

六、编译模型七、训练模型1、train_on_batch方法介绍2、train_on_batch方法优势3、tqdm介绍4、使用train_on_batch训练模型

八、模型评估九、模型预测十、最后我想说

一、前言

 本文为365天深度学习训练营 中的学习记录博客 参考文章：365天深度学习训练营-第8周：猫狗识别（训练营内部成员可读） 原作者：K同学啊|接辅导、项目定制

作为深度学习入门阶段，我们一直都在学习CNN，后面我们会继续学习RNN，这两个是深度学习中比较常见和好用的方向，特别是在入门阶段，我们不能因为一直学相似的东西而厌倦，我们必须要坚持下去，在每一次的学习过程中总结出新的东西并将其化为自己的知识，这样我们就在慢慢进步。

在本期博客中我们将使用新的训练方式，使用model.train_on_batch方法替换之前一直使用的model.fit()方法，这个新方法我们放在后面详细介绍一下。此外在本期内我们也引入了进度条的显示方法，可以更加直观的观察模型训练过程中的情况，并打印出各项指标。

二、我的环境

电脑系统：Windows 11语言环境：Python 3.8.5编译器：DataSpell 2022.2深度学习环境：TensorFlow 2.3.4显卡及显存：RTX 3070 8G

三、前期工作

1、导入依赖项并设置GPU

导入依赖项：

import os, pathlib

import matplotlib.pyplot as plt

import tensorflow as tf

import numpy as np

和之前一样，如果你GPU很好就只使用GPU进行训练，如果GPU不行就推荐使用CPU训练加GPU加速。

只使用GPU：

if gpus:

gpu0 = gpus[0] #如果有多个GPU，仅使用第0个GPU

tf.config.experimental.set_memory_growth(gpu0, True) #设置GPU显存用量按需使用

tf.config.set_visible_devices([gpu0],"GPU")

使用CPU+GPU：

os.environ["CUDA_VISIBLE_DEVICES"] = "-1"

2、导入数据

# 支持中文

plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签

plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号

#隐藏警告

import warnings

warnings.filterwarnings('ignore')

data_dir = "E:\深度学习\data\Day17"

data_dir = pathlib.Path(data_dir)

image_count = len(list(data_dir.glob('*/*')))

print("图片总数为：",image_count)

图片总数为： 3400

四、数据预处理

1、加载数据

我们使用image_dataset_from_directory方法将我们本地的数据加载到tf.data.Dataset

中，并设置训练图片模型参数：

batch_size = 8

img_height = 224

img_width = 224

加载数据：

train_ds = tf.keras.preprocessing.image_dataset_from_directory(

data_dir,

validation_split=0.2,

subset="training",

seed=12,

image_size=(img_height, img_width),

batch_size=batch_size)

val_ds = tf.keras.preprocessing.image_dataset_from_directory(

data_dir,

validation_split=0.2,

subset="validation",

seed=12,

image_size=(img_height, img_width),

batch_size=batch_size)

Found 3400 files belonging to 2 classes.

Using 2720 files for training.

Found 3400 files belonging to 2 classes.

Using 680 files for validation.

然后我们再利用class_name输出我们本地数据集的标签，标签也就是对应数据所在的文件目录名：

class_names = train_ds.class_names

print(class_names)

['cat', 'dog']

2、检查数据

在可视化数据前，我们来检查一下我们的数据信息是否是正确的：

for image_batch, labels_batch in train_ds:

print(image_batch.shape)

print(labels_batch.shape)

break

(8, 224, 224, 3)

(8,)

这是一批形状224x224x3的8张图片。

3、配置数据集并进行归一化处理

AUTOTUNE = tf.data.experimental.AUTOTUNE

def preprocess_image(image,label):

return (image/255.0,label)

# 归一化处理

train_ds = train_ds.map(preprocess_image, num_parallel_calls=AUTOTUNE)

val_ds = val_ds.map(preprocess_image, num_parallel_calls=AUTOTUNE)

train_ds = train_ds.cache().shuffle(1000).prefetch(buffer_size=AUTOTUNE)

val_ds = val_ds.cache().prefetch(buffer_size=AUTOTUNE)

4、可视化数据

plt.figure(figsize=(15, 10)) # 图形的宽为15高为10

for images, labels in train_ds.take(1):

for i in range(8):

ax = plt.subplot(5, 8, i + 1)

plt.imshow(images[i])

plt.title(class_names[labels[i]])

plt.axis("off")

五、构建VGG-16网络

1、VGG优缺点分析

VGG优点 VGG的结构非常简洁，整个网络都使用了同样大小的卷积核尺寸（3x3）和最大池化尺寸（2x2） VGG缺点

训练时间过长，调参难度大需要的存储容量大，不利于部署。例如存储VGG-16权重值文件的大小为500多MB，不利于安装到嵌入式系统中

2、VGG结构说明

13个卷积层（Convolutional Layer），分别用blockX_convX表示 3个全连接层（Fully connected Layer），分别用fcX与predictions表示 5个池化层（Pool layer），分别用blockX_pool表示

因为VGG-16包含了16个隐藏层**（13个卷积层和3个全连接层），故称为**`VGG-16

3、构建网络

from tensorflow.keras import layers, models, Input

from tensorflow.keras.models import Model

from tensorflow.keras.layers import Conv2D, MaxPooling2D, Dense, Flatten, Dropout

def VGG16(nb_classes, input_shape):

input_tensor = Input(shape=input_shape)

# 1st block

x = Conv2D(64, (3,3), activation='relu', padding='same',name='block1_conv1')(input_tensor)

x = Conv2D(64, (3,3), activation='relu', padding='same',name='block1_conv2')(x)

x = MaxPooling2D((2,2), strides=(2,2), name = 'block1_pool')(x)

# 2nd block

x = Conv2D(128, (3,3), activation='relu', padding='same',name='block2_conv1')(x)

x = Conv2D(128, (3,3), activation='relu', padding='same',name='block2_conv2')(x)

x = MaxPooling2D((2,2), strides=(2,2), name = 'block2_pool')(x)

# 3rd block

x = Conv2D(256, (3,3), activation='relu', padding='same',name='block3_conv1')(x)

x = Conv2D(256, (3,3), activation='relu', padding='same',name='block3_conv2')(x)

x = Conv2D(256, (3,3), activation='relu', padding='same',name='block3_conv3')(x)

x = MaxPooling2D((2,2), strides=(2,2), name = 'block3_pool')(x)

# 4th block

x = Conv2D(512, (3,3), activation='relu', padding='same',name='block4_conv1')(x)

x = Conv2D(512, (3,3), activation='relu', padding='same',name='block4_conv2')(x)

x = Conv2D(512, (3,3), activation='relu', padding='same',name='block4_conv3')(x)

x = MaxPooling2D((2,2), strides=(2,2), name = 'block4_pool')(x)

# 5th block

x = Conv2D(512, (3,3), activation='relu', padding='same',name='block5_conv1')(x)

x = Conv2D(512, (3,3), activation='relu', padding='same',name='block5_conv2')(x)

x = Conv2D(512, (3,3), activation='relu', padding='same',name='block5_conv3')(x)

x = MaxPooling2D((2,2), strides=(2,2), name = 'block5_pool')(x)

# full connection

x = Flatten()(x)

x = Dense(4096, activation='relu', name='fc1')(x)

x = Dense(4096, activation='relu', name='fc2')(x)

output_tensor = Dense(nb_classes, activation='softmax', name='predictions')(x)

model = Model(input_tensor, output_tensor)

return model

model=VGG16(1000, (img_width, img_height, 3))

model.summary()

打印的结果是：

Model: "model"

_________________________________________________________________

Layer (type) Output Shape Param #

=================================================================

input_1 (InputLayer) [(None, 224, 224, 3)] 0

block1_conv1 (Conv2D) (None, 224, 224, 64) 1792

block1_conv2 (Conv2D) (None, 224, 224, 64) 36928

block1_pool (MaxPooling2D) (None, 112, 112, 64) 0

block2_conv1 (Conv2D) (None, 112, 112, 128) 73856

block2_conv2 (Conv2D) (None, 112, 112, 128) 147584

block2_pool (MaxPooling2D) (None, 56, 56, 128) 0

block3_conv1 (Conv2D) (None, 56, 56, 256) 295168

block3_conv2 (Conv2D) (None, 56, 56, 256) 590080

block3_conv3 (Conv2D) (None, 56, 56, 256) 590080

block3_pool (MaxPooling2D) (None, 28, 28, 256) 0

block4_conv1 (Conv2D) (None, 28, 28, 512) 1180160

block4_conv2 (Conv2D) (None, 28, 28, 512) 2359808

block4_conv3 (Conv2D) (None, 28, 28, 512) 2359808

block4_pool (MaxPooling2D) (None, 14, 14, 512) 0

block5_conv1 (Conv2D) (None, 14, 14, 512) 2359808

block5_conv2 (Conv2D) (None, 14, 14, 512) 2359808

block5_conv3 (Conv2D) (None, 14, 14, 512) 2359808

block5_pool (MaxPooling2D) (None, 7, 7, 512) 0

flatten (Flatten) (None, 25088) 0

fc1 (Dense) (None, 4096) 102764544

fc2 (Dense) (None, 4096) 16781312

predictions (Dense) (None, 1000) 4097000

=================================================================

Total params: 138,357,544

Trainable params: 138,357,544

Non-trainable params: 0

_________________________________________________________________

六、编译模型

在训练我们之前我们需要对模型进行一些设置，通过model.compile函数给模型添加损失函数、优化器以及评价函数。

其中它们的作用是：

损失函数（loss）:用于衡量模型在训练期间的准确率。优化器（optimizer）：决定模型如何根据其看到的数据和自身的损失函数进行更新。评价函数（metrics）：用于监控训练和测试步骤。以下示例使用了准确率，即被正确分类的图像的比率。

model.compile(optimizer="adam",

loss ='sparse_categorical_crossentropy',

metrics =['accuracy'])

七、训练模型

1、train_on_batch方法介绍

其函数模型如下：

y_pred = Model.train_on_batch(

x,

y=None,

sample_weight=None,

class_weight=None,

reset_metrics=True,

return_dict=False,

)

其中的参数介绍：

参数说明x模型输入，单输入就是一个 numpy 数组， 多输入就是 numpy 数组的列表y标签，单输出模型就是一个 numpy 数组， 多输出模型就是 numpy 数组列表sample_weightmini-batch 中每个样本对应的权重，形状为 (batch_size)class_weight类别权重，作用于损失函数，为各个类别的损失添加权重，主要用于类别不平衡的情况， 形状为 (num_classes)reset_metrics默认True，返回的metrics只针对这个mini-batch, 如果False，metrics 会跨批次累积return_dict默认 False, y_pred 为一个列表，如果 True 则 y_pred 是一个字典

2、train_on_batch方法优势

更精细自定义训练过程，更精准的收集 loss 和 metrics多GPU训练保存模型更加方便更多样的数据加载方式，结合 torch dataloader 的使用

我们一般都使用fit()方法训练模型，这个API使用起来方便很简单，对入门者非常的友好，但是由于其是非常深度的封装，对于希望自定义训练过程的同学就显得不是那么方便，所以使用train_on_batch可以相对自由一点，发挥我们自己的想法，另外对于以后我们要接触的GAN 这种需要分步进行训练的模型来说使用train_on_batch也更好。

3、tqdm介绍

tqdm是一个快速，可扩展的Python进度条，可以在Python 长循环中添加一个进度提示信息，用户只需要封装任意的迭代器tqdm(iterator)。 使用pip就可以安装。

使用方法也很简单：

tqdm from tqdm import tqdm

for i in tqdm(range(100)):

pass

在迭代的时候将range添加到tqdm()内即可。 trange from tqdm import trange

for i in trange(100):

pass

导入tadm中的tarnge模块替换range即可。 手动创建 pbar = tqdm(['a', 'b', 'c', 'd'])

for char in pbar:

pbar.set_description("Processing %s" % char)

手动通过创建tqdm可迭代对象打印即可。

4、使用train_on_batch训练模型

from tqdm import tqdm

import tensorflow.keras.backend as K

epochs = 10

lr = 1e-4

# 记录训练数据，方便后面的分析

history_train_loss = []

history_train_accuracy = []

history_val_loss = []

history_val_accuracy = []

for epoch in range(epochs):

train_total = len(train_ds)

val_total = len(val_ds)

"""

total：预期的迭代数目

ncols：控制进度条宽度

mininterval：进度更新最小间隔，以秒为单位（默认值：0.1）

"""

with tqdm(total=train_total, desc=f'Epoch {epoch + 1}/{epochs}',mininterval=1,ncols=100) as pbar:

lr = lr*0.92

K.set_value(model.optimizer.lr, lr)

for image,label in train_ds:

history = model.train_on_batch(image,label)

train_loss = history[0]

train_accuracy = history[1]

pbar.set_postfix({"loss": "%.4f"%train_loss,

"accuracy":"%.4f"%train_accuracy,

"lr": K.get_value(model.optimizer.lr)})

pbar.update(1)

history_train_loss.append(train_loss)

history_train_accuracy.append(train_accuracy)

print('开始验证！')

with tqdm(total=val_total, desc=f'Epoch {epoch + 1}/{epochs}',mininterval=0.3,ncols=100) as pbar:

for image,label in val_ds:

history = model.test_on_batch(image,label)

val_loss = history[0]

val_accuracy = history[1]

pbar.set_postfix({"loss": "%.4f"%val_loss,

"accuracy":"%.4f"%val_accuracy})

pbar.update(1)

history_val_loss.append(val_loss)

history_val_accuracy.append(val_accuracy)

print('结束验证！')

print("验证loss为：%.4f"%val_loss)

print("验证准确率为：%.4f"%val_accuracy)

训练的结果如下：

Epoch 1/10: 100%|████████| 340/340 [14:41<00:00, 2.59s/it, loss=0.7081, accuracy=0.6250, lr=9.2e-5]

开始验证！

Epoch 1/10: 100%|█████████████████████| 85/85 [00:41<00:00, 2.03it/s, loss=0.6028, accuracy=0.7500]

结束验证！

验证loss为：0.6028

验证准确率为：0.7500

...

Epoch 10/10: 100%|██████| 340/340 [13:09<00:00, 2.32s/it, loss=0.0564, accuracy=1.0000, lr=4.34e-5]

开始验证！

Epoch 10/10: 100%|████████████████████| 85/85 [00:39<00:00, 2.15it/s, loss=0.0018, accuracy=1.0000]

结束验证！

验证loss为：0.0018

验证准确率为：1.0000

八、模型评估

epochs_range = range(epochs)

plt.figure(figsize=(12, 4))

plt.subplot(1, 2, 1)

plt.plot(epochs_range, history_train_accuracy, label='Training Accuracy')

plt.plot(epochs_range, history_val_accuracy, label='Validation Accuracy')

plt.legend(loc='lower right')

plt.title('Training and Validation Accuracy')

plt.subplot(1, 2, 2)

plt.plot(epochs_range, history_train_loss, label='Training Loss')

plt.plot(epochs_range, history_val_loss, label='Validation Loss')

plt.legend(loc='upper right')

plt.title('Training and Validation Loss')

plt.show()

九、模型预测

# 采用加载的模型（new_model）来看预测结果

plt.figure(figsize=(18, 3)) # 图形的宽为18高为5

plt.suptitle("预测结果展示")

for images, labels in val_ds.take(1):

for i in range(8):

ax = plt.subplot(1,8, i + 1)

# 显示图片

plt.imshow(images[i].numpy())

# 需要给图片增加一个维度

img_array = tf.expand_dims(images[i], 0)

# 使用模型预测图片中的人物

predictions = model.predict(img_array)

plt.title(class_names[np.argmax(predictions)])

plt.axis("off")

1/1 [==============================] - 0s 129ms/step

1/1 [==============================] - 0s 19ms/step

1/1 [==============================] - 0s 18ms/step

1/1 [==============================] - 0s 18ms/step

1/1 [==============================] - 0s 17ms/step

1/1 [==============================] - 0s 18ms/step

1/1 [==============================] - 0s 17ms/step

1/1 [==============================] - 0s 17ms/step

预测结果如下：

十、最后我想说

K老师说本文存在一个BUG，看代码的话我看不出来哪里出错了，但是在我这里，训练模型阶段，第三个epoch的时候accuracy就等于1了，对我来说感觉有点快了，但我说不出原因，只能猜测可能跟训练集、验证集划分和使用有关。

大家对于这个有什么看法，可以讨论一下。

那么本期深度学习内容就到这里结束了，最后谢谢大家阅读！

推荐阅读

评论可见，请评论后查看内容，谢谢！！！
 您阅读本篇文章共花了：