如何利用Tensorflow2進行貓狗分類識別

2022-06-27 14:02:19

前言

本文參照了大佬Andrew Ng的所講解的Tensorflow 2視訊所寫，本文將其中只適用於Linux的功能以及只適用於Google Colab的功能改為了普適的程式碼同時加入了自己的理解，尚處學習與探索階段，能力有限，希望大家多多指正。

文章所需程式碼均在Jupyter Notebook當中實現。

資料集獲取

使用tf.keras.utils.get_file()能夠從指定的URL當中直接獲取資料集，我們在已知網站當中獲取到貓狗分類所需圖片，為壓縮包格式，將其命名為cats_and_dogs_filtered.zip，為該操作設定一個變數path，該變數指向的便是該資料集下載之後儲存的路徑。

import tensorflow as tf
path=tf.keras.utils.get_file('cats_and_dogs_filtered.zip',origin='https://storage.googleapis.com/mledu-datasets/cats_and_dogs_filtered.zip')
print(path)#會輸出其路徑，和當前notebook檔案路徑相同

檔案解壓

使用第三方庫zipfile進行檔案的解壓，下列程式碼將其解壓到了指定的資料夾當中。

import zipfile

local_zip = path
zip_ref = zipfile.ZipFile(local_zip, 'r')

zip_ref.extractall('C:\Users\lenovo\.keras\datasets')
zip_ref.close()

資料夾當中又有兩個資料夾，分別用於訓練以及驗證神經網路模型，每個資料夾當中又包含著兩個檔案，代表著不同類別的貓與狗的圖片所處位置路徑。

我們在一個神經網路模型的構建當中，需要訓練集（train data）與驗證集（validation data）。通俗而言，這裡的訓練集就是告訴模型貓與狗的外表。而驗證集可以檢查模型的好壞，評估模型的效果。

將檔案分為訓練集與驗證集

使用os庫找到貓狗資料的資料夾的路徑，將其根據資料夾劃分為資料集。

import os
base_dir = 'C:/Users/lenovo/.keras/datasets/cats_and_dogs_filtered'

train_dir = os.path.join(base_dir, 'train')
validation_dir = os.path.join(base_dir, 'validation')

train_cats_dir = os.path.join(train_dir, 'cats')
train_dogs_dir = os.path.join(train_dir, 'dogs')

validation_cats_dir = os.path.join(validation_dir, 'cats')
validation_dogs_dir = os.path.join(validation_dir, 'dogs')

下面來看一看train資料夾當中的cats資料夾和dogs資料夾當中的檔案資料。

train_cat_fnames = os.listdir( train_cats_dir )
train_dog_fnames = os.listdir( train_dogs_dir )

print(train_cat_fnames[:10])
print(train_dog_fnames[:10])

['cat.0.jpg', 'cat.1.jpg', 'cat.10.jpg', 'cat.100.jpg', 'cat.101.jpg', 'cat.102.jpg', 'cat.103.jpg', 'cat.104.jpg', 'cat.105.jpg', 'cat.106.jpg']
['dog.0.jpg', 'dog.1.jpg', 'dog.10.jpg', 'dog.100.jpg', 'dog.101.jpg', 'dog.102.jpg', 'dog.103.jpg', 'dog.104.jpg', 'dog.105.jpg', 'dog.106.jpg']

同時檢視檔案當中包含圖片資料數量的大小。

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)))

total training cat images : 1000
total training dog images : 1000
total validation cat images : 500
total validation dog images : 500

我們瞭解到對於貓和狗的資料集，我們都有1000張圖片用於訓練模型，500張圖片用於驗證模型效果。

繪圖檢視

下面對貓狗分類資料集圖片進行輸出，直觀地觀察不同圖片的異同。

#設定畫布大小以及子圖個數
%matplotlib inline

import matplotlib.image as mpimg
import matplotlib.pyplot as plt

nrows = 4
ncols = 4

pic_index = 0

繪製八隻貓與八隻狗圖片，觀看資料集中圖片有哪些特徵。

fig = plt.gcf()
fig.set_size_inches(ncols*4, nrows*4)

pic_index+=8

next_cat_pix = [os.path.join(train_cats_dir, fname) 
                for fname in train_cat_fnames[ pic_index-8:pic_index] 
               ]

next_dog_pix = [os.path.join(train_dogs_dir, fname) 
                for fname in train_dog_fnames[ pic_index-8:pic_index]
               ]

for i, img_path in enumerate(next_cat_pix+next_dog_pix):
  sp = plt.subplot(nrows, ncols, i + 1)
  sp.axis('Off')
  img = mpimg.imread(img_path)
  plt.imshow(img)

plt.show()

通過觀察輸出圖片我們發現圖片形狀比例各不相同。與簡單的手寫數位集識別不同的是，手寫數位集都是統一的28*28大小的灰度圖片，而貓狗資料集是長寬各不同的彩色圖片。

模型建立

神經網路模型

model = tf.keras.models.Sequential([
    tf.keras.layers.Conv2D(16, (3,3), activation='relu', input_shape=(150, 150, 3)),
    tf.keras.layers.MaxPooling2D(2,2),
    tf.keras.layers.Conv2D(32, (3,3), activation='relu'),
    tf.keras.layers.MaxPooling2D(2,2), 
    tf.keras.layers.Conv2D(64, (3,3), activation='relu'), 
    tf.keras.layers.MaxPooling2D(2,2),
    tf.keras.layers.Flatten(), 
    tf.keras.layers.Dense(512, activation='relu'), 
    tf.keras.layers.Dense(1, activation='sigmoid')  
])

我們考慮將圖片全部轉化為150*150形狀的圖片，然後新增一系列的折積層以及池化層，最後展平再進入DNN.

model.summary()#觀察神經網路的引數

輸出結果：

Model: "sequential"
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
conv2d (Conv2D) (None, 148, 148, 16) 448
_________________________________________________________________
max_pooling2d (MaxPooling2D) (None, 74, 74, 16) 0
_________________________________________________________________
conv2d_1 (Conv2D) (None, 72, 72, 32) 4640
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 36, 36, 32) 0
_________________________________________________________________
conv2d_2 (Conv2D) (None, 34, 34, 64) 18496
_________________________________________________________________
max_pooling2d_2 (MaxPooling2 (None, 17, 17, 64) 0
_________________________________________________________________
flatten (Flatten) (None, 18496) 0
_________________________________________________________________
dense (Dense) (None, 512) 9470464
_________________________________________________________________
dense_1 (Dense) (None, 1) 513
=================================================================
Total params: 9,494,561
Trainable params: 9,494,561
Non-trainable params: 0
_________________________________________________________________

Outshape顯示了圖片在神經網路中的尺寸變化情況，可以看到在連續的神經網路層當中，折積層將圖片尺寸不斷縮小，而池化層一直讓圖片的尺寸減半。

模型編譯

接下來我們將進行模型的編譯。我們將使用二值交叉熵binary_crossentropy損失訓練我們的模型，因為這是一個二元分類問題，我們的最後一層的啟用函數設定為sigmoid，我們將使用學習率為0.001的rmsprop優化器。在訓練期間，我們將要監控分類的準確性。

在這種情況下，使用 RMSprop 優化演演算法比隨機梯度下降 (SGD) 更可取，因為 RMSprop 為我們自動調整學習率。（其他優化器例如Adam和Adagrad，也會在訓練期間自動調整學習率，在這裡也同樣適用。）

from tensorflow.keras.optimizers import RMSprop

model.compile(optimizer=RMSprop(lr=0.001),
              loss='binary_crossentropy',
              metrics = ['acc'])

資料預處理

讓我們設定資料生成器，它將讀取我們原始檔夾中的圖片，將它們轉換為張量，並將它們以及它們的標籤提供給神經網路。我們將得到一個用於訓練影象的生成器和一個用於驗證影象的生成器。我們的生成器將批次生成 20 張大小為 150*150 的影象及其標籤。

進入神經網路的資料通常應該以某種方式標準化，以使其更易於被神經網路處理。在我們的例子中，我們將通過將畫素值歸一化為 [0,1] 範圍內（最初所有值都在 [0,255] 範圍內）來預處理我們的影象。

在 Keras 中，這可以通過使用rescale引數的keras.preprocessing.image.ImageDataGenerator類來完成。ImageDataGenerator 通過.flow(data, labels)或.flow_from_directory(directory)得到資料。然後，這些生成器可以與接受資料生成器作為輸入的 Keras 模型方法一起使用：fit_generator、evaluate_generator 和 predict_generator。

from tensorflow.keras.preprocessing.image import ImageDataGenerator

#標準化到[0,1]
train_datagen = ImageDataGenerator( rescale = 1.0/255. )
test_datagen  = ImageDataGenerator( rescale = 1.0/255. )

#批次生成20個大小為大小為 150x150 的影象及其標籤用於訓練
train_generator = train_datagen.flow_from_directory(train_dir,
                                                    batch_size=20,
                                                    class_mode='binary',
                                                    target_size=(150, 150))     
#批次生成20個大小為大小為 150x150 的影象及其標籤用於驗證
validation_generator =  test_datagen.flow_from_directory(validation_dir,
                                                         batch_size=20,
                                                         class_mode  = 'binary',
                                                         target_size = (150, 150))

Found 2000 images belonging to 2 classes.
Found 1000 images belonging to 2 classes.

模型訓練

我們讓所有2000張可用影象訓練15次，並在所有1000張測試影象上進行驗證。

我們持續觀察每次訓練的值。在每個時期看到4個值——損失、準確度、驗證損失和驗證準確度。

Loss 和 Accuracy 是訓練進度的一個很好的指標。它對訓練資料的分類進行猜測，然後根據訓練好的模型對其進行計算結果。準確度是正確猜測的部分。驗證準確度是對未在訓練中使用的資料進行的計算。

history = model.fit_generator(train_generator,
                              validation_data=validation_generator,
                              steps_per_epoch=100,
                              epochs=15,
                              validation_steps=50,
                              verbose=2)

結果：

Epoch 1/15
100/100 - 26s - loss: 0.8107 - acc: 0.5465 - val_loss: 0.7072 - val_acc: 0.5040
Epoch 2/15
100/100 - 30s - loss: 0.6420 - acc: 0.6555 - val_loss: 0.6493 - val_acc: 0.5780
Epoch 3/15
100/100 - 31s - loss: 0.5361 - acc: 0.7350 - val_loss: 0.6060 - val_acc: 0.7020
Epoch 4/15
100/100 - 29s - loss: 0.4432 - acc: 0.7865 - val_loss: 0.6289 - val_acc: 0.6870
Epoch 5/15
100/100 - 29s - loss: 0.3451 - acc: 0.8560 - val_loss: 0.8342 - val_acc: 0.6740
Epoch 6/15
100/100 - 29s - loss: 0.2777 - acc: 0.8825 - val_loss: 0.6812 - val_acc: 0.7130
Epoch 7/15
100/100 - 30s - loss: 0.1748 - acc: 0.9285 - val_loss: 0.9056 - val_acc: 0.7110
Epoch 8/15
100/100 - 30s - loss: 0.1373 - acc: 0.9490 - val_loss: 0.8875 - val_acc: 0.7000
Epoch 9/15
100/100 - 29s - loss: 0.0794 - acc: 0.9715 - val_loss: 1.0687 - val_acc: 0.7190
Epoch 10/15
100/100 - 30s - loss: 0.0747 - acc: 0.9765 - val_loss: 1.1952 - val_acc: 0.7420
Epoch 11/15
100/100 - 30s - loss: 0.0430 - acc: 0.9890 - val_loss: 5.6920 - val_acc: 0.5680
Epoch 12/15
100/100 - 31s - loss: 0.0737 - acc: 0.9825 - val_loss: 1.5368 - val_acc: 0.7110
Epoch 13/15
100/100 - 30s - loss: 0.0418 - acc: 0.9880 - val_loss: 1.4780 - val_acc: 0.7250
Epoch 14/15
100/100 - 30s - loss: 0.0990 - acc: 0.9885 - val_loss: 1.7837 - val_acc: 0.7130
Epoch 15/15
100/100 - 31s - loss: 0.0340 - acc: 0.9910 - val_loss: 1.6921 - val_acc: 0.7200

執行模型

接下來使用模型進行實際執行預測。下面的程式碼將判斷指定陌生圖片是狗還是貓。

選擇圖片檔案進行預測：

import tkinter as tk
from tkinter import filedialog
'''開啟選擇資料夾對話方塊'''
root = tk.Tk()
root.withdraw()

Filepath = filedialog.askopenfilename() #獲得選擇好的檔案

import numpy as np
from keras.preprocessing import image

path=Filepath
img=image.load_img(path,target_size=(150, 150))
  
x=image.img_to_array(img)
x=np.expand_dims(x, axis=0)
images = np.vstack([x])
  
classes = model.predict(images, batch_size=10)
print(classes[0])
  
if classes[0]>0:
    print("This is a dog")   
else:
    print("This is a cat")

這樣會彈出一個檔案選擇框，選擇檔案就可以得到預測的結果。

視覺化中間表示

為了解在神經網路模型當中學習了什麼樣的特徵，可以通過視覺化輸入在通過神將網路時如何轉換。

我們從訓練集中隨機選擇一張貓或狗的影象，然後生成一個圖形，其中每一行是一個層的輸出，而行中的每個影象都是該輸出特徵圖中的特定過濾器。

import numpy as np
import random
from   tensorflow.keras.preprocessing.image import img_to_array, load_img

#輸入層
successive_outputs = [layer.output for layer in model.layers[1:]]
#視覺化模型
visualization_model = tf.keras.models.Model(inputs = model.input, outputs = successive_outputs)
#隨機選擇一張貓或狗的圖片
cat_img_files = [os.path.join(train_cats_dir, f) for f in train_cat_fnames]
dog_img_files = [os.path.join(train_dogs_dir, f) for f in train_dog_fnames]

img_path = random.choice(cat_img_files + dog_img_files)
img = load_img(img_path, target_size=(150, 150)) 
x   = img_to_array(img)                           #轉換為150*150*3的陣列
x   = x.reshape((1,) + x.shape)                   #轉換為1*150*150*3的陣列

#標準化
x /= 255.0

successive_feature_maps = visualization_model.predict(x)

layer_names = [layer.name for layer in model.layers]

for layer_name, feature_map in zip(layer_names, successive_feature_maps):
  
  if len(feature_map.shape) == 4:
    n_features = feature_map.shape[-1]
    size       = feature_map.shape[ 1]
    
    display_grid = np.zeros((size, size * n_features))
    
    for i in range(n_features):
      x  = feature_map[0, :, :, i]
      x -= x.mean()
      x /= x.std ()
      x *=  64
      x += 128
      x  = np.clip(x, 0, 255).astype('uint8')
      display_grid[:, i * size : (i + 1) * size] = x

    scale = 20. / n_features
    plt.figure( figsize=(scale * n_features, scale) )
    plt.title ( layer_name )
    plt.grid  ( False )
    plt.imshow( display_grid, aspect='auto', cmap='viridis' )

如上圖片所示，我們得到從影象的原始畫素到越來越抽象和緊湊的表示。下面的影象表示開始突出神經網路關注的內容，並且它們顯示越來越少的特徵被“啟用”。

這些表示攜帶越來越少的關於影象原始畫素的資訊，但越來越精細的關於影象類別的資訊。可以將神將網路模型視為圖片資訊的蒸餾管道，這樣通過一層層的遞進就得到了影象的較顯著的特徵。

評估模型精度與損失值

輸出訓練過程中隨訓練次數變化的精度與損失值的變化圖

acc      = history.history[     'acc' ]
val_acc  = history.history[ 'val_acc' ]
loss     = history.history[    'loss' ]
val_loss = history.history['val_loss' ]

epochs   = range(len(acc))

plt.plot  ( epochs,     acc ,label='acc')
plt.plot  ( epochs, val_acc ,label='val_acc')
plt.legend(loc='best')
plt.title ('Training and validation accuracy')
plt.figure()
plt.plot  ( epochs,     loss ,label='loss')
plt.plot  ( epochs, val_loss ,label='val_loss')
plt.legend(loc='best')
plt.title ('Training and validation loss')

通過觀察圖線發現出現了過擬合的現象，我們的訓練準確度接近 100%，而我們的驗證準確度停滯在大概70%。我們的驗證損失值僅在五個epoch後就達到了最小值。