python神经网络AlexNet分类模型训练猫狗数据集
目录
- 什么是AlexNet模型
- 训练前准备
- 1、数据集处理
- 2、创建Keras的AlexNet模型
- 开始训练
- 1、训练的主函数
- 2、Keras数据生成器
- 3、主训练函数全部代码
- 训练结果
最近在做实验室的工作,要用到分类模型,老板一星期催20次,我也是无语了,上有对策下有政策,在下先找个猫猫狗狗的数据集练练手,快乐极了
什么是AlexNet模型
AlexNet是2012年ImageNet竞赛冠军获得者Hinton和他的学生Alex Krizhevsky设计的。也是在那年之后,更多的更深的神经网络被提出,比如优秀的vgg,GoogLeNet。 这对于传统的机器学习分类算法而言,已经相当的出色。如下是其网络的结构,现在看来还是比较简单的。
这是一个AlexNet的网络结构图,其实并不复杂,很好的反应了AlexNet的结构:
1、一张原始图片被resize到(224,224,3);
2、使用步长为4x4,大小为11的卷积核对图像进行卷积,输出的特征层为96层,输出的shape为(55,55,96);
3、使用步长为2的最大池化层进行池化,此时输出的shape为(27,27,96)
4、使用步长为1x1,大小为5的卷积核对图像进行卷积,输出的特征层为256层,输出的shape为(27,27,256);
5、使用步长为2的最大池化层进行池化,此时输出的shape为(13,13,256);
6、使用步长为1x1,大小为3的卷积核对图像进行卷积,输出的特征层为384层,输出的shape为(13,13,384);
7、使用步长为1x1,大小为3的卷积核对图像进行卷积,输出的特征层为384层,输出的shape为(13,13,384);
8、使用步长为1x1,大小为3的卷积核对图像进行卷积,输出的特征层为256层,输出的shape为(13,13,256);
9、使用步长为2的最大池化层进行池化,此时输出的shape为(6,6,256);
10、两个全连接层,最后输出为1000类
最后输出的就是每个类的预测。
从上面的图也可以看出,其实最大的内存与计算消耗在于第一个全连接层的实现,它的参数有37M之多(这一点与VGG很类似,第一个全连接层参数巨多。),
训练前准备
1、数据集处理
在数据集处理之前,首先要下载猫狗数据集,地址如下。
链接:https://pan.baidu.com/s/1IfN8Cvt60n64bbC2gF4Ung
提取码:he9i
顺便直接下载我的源代码吧。
这里的源代码包括了所有的代码部分,训练集需要自己下载,大概训练2个小时就可以进行预测了。
本次教程准备使用model.fit_generator来训练模型,在训练模型之前,需要将数据集的内容保存到一个TXT文件中,便于读取。
txt文件的保存格式如下:
文件名;种类
具体操作步骤如下:
1、将训练文件存到"./data/image/train/"目录下。
2、调用如下代码:
import os photos = os.listdir("./data/image/train/") # 该部分用于将 with open("data/dataset.txt","w") as f: for photo in photos: name = photo.split(".")[0] if name=="cat": f.write(photo + ";0\n") elif name=="dog": f.write(photo + ";1\n") f.close()
就可以得到训练数据集的文本文件。
2、创建Keras的AlexNet模型
该步就是按照AlexNet的结构创建AlexNet的模型。我试了原大小的模型,发现根本呢不收敛,可能是模型太复杂而且猫狗的特征太少了(也许是我打开方式不对)……于是我就缩减了模型,每个卷积层的filter减半,全连接层减为1024.
from keras.models import Sequential from keras.layers import Dense,Activation,Conv2D,MaxPooling2D,Flatten,Dropout,BatchNormalization from keras.datasets import mnist from keras.utils import np_utils from keras.optimizers import Adam def AlexNet(input_shape=(224,224,3),output_shape=2): # AlexNet model = Sequential() # 使用步长为4x4,大小为11的卷积核对图像进行卷积,输出的特征层为96层,输出的shape为(55,55,96); # 所建模型后输出为48特征层 model.add( Conv2D( filters=48, kernel_size=(11,11), strides=(4,4), padding='valid', input_shape=input_shape, activation='relu' ) ) model.add(BatchNormalization()) # 使用步长为2的最大池化层进行池化,此时输出的shape为(27,27,96) model.add( MaxPooling2D( pool_size=(3,3), strides=(2,2), padding='valid' ) ) # 使用步长为1x1,大小为5的卷积核对图像进行卷积,输出的特征层为256层,输出的shape为(27,27,256); # 所建模型后输出为128特征层 model.add( Conv2D( filters=128, kernel_size=(5,5), strides=(1,1), padding='same', activation='relu' ) ) model.add(BatchNormalization()) # 使用步长为2的最大池化层进行池化,此时输出的shape为(13,13,256); model.add( MaxPooling2D( pool_size=(3,3), strides=(2,2), padding='valid' ) ) # 使用步长为1x1,大小为3的卷积核对图像进行卷积,输出的特征层为384层,输出的shape为(13,13,384); # 所建模型后输出为192特征层 model.add( Conv2D( filters=192, kernel_size=(3,3), strides=(1,1), padding='same', activation='relu' ) ) # 使用步长为1x1,大小为3的卷积核对图像进行卷积,输出的特征层为384层,输出的shape为(13,13,384); # 所建模型后输出为192特征层 model.add( Conv2D( filters=192, kernel_size=(3,3), strides=(1,1), padding='same', activation='relu' ) ) # 使用步长为1x1,大小为3的卷积核对图像进行卷积,输出的特征层为256层,输出的shape为(13,13,256); # 所建模型后输出为128特征层 model.add( Conv2D( filters=128, kernel_size=(3,3), strides=(1,1), padding='same', activation='relu' ) ) # 使用步长为2的最大池化层进行池化,此时输出的shape为(6,6,256); model.add( MaxPooling2D( pool_size=(3,3), strides=(2,2), padding='valid' ) ) # 两个全连接层,最后输出为1000类,这里改为2类 # 缩减为1024 model.add(Flatten()) model.add(Dense(1024, activation='relu')) model.add(Dropout(0.25)) model.add(Dense(1024, activation='relu')) model.add(Dropout(0.25)) model.add(Dense(output_shape, activation='softmax')) return model
开始训练
1、训练的主函数
训练的主函数主要包括如下部分:
1、读取训练用txt,并打乱,利用该txt进行训练集和测试集的划分。
2、建立AlexNet模型
3、设定模型保存的方式、学习率下降的方式、是否需要早停。
4、利用model.fit_generator训练模型。
具体代码如下:
if __name__ == "__main__": # 模型保存的位置 log_dir = "./logs/" # 打开数据集的txt with open(r".\data\dataset.txt","r") as f: lines = f.readlines() # 打乱行,这个txt主要用于帮助读取数据来训练 # 打乱的数据更有利于训练 np.random.seed(10101) np.random.shuffle(lines) np.random.seed(None) # 90%用于训练,10%用于估计。 num_val = int(len(lines)*0.1) num_train = len(lines) - num_val # 建立AlexNet模型 model = AlexNet() # 保存的方式,3世代保存一次 checkpoint_period1 = ModelCheckpoint( log_dir + 'ep{epoch:03d}-loss{loss:.3f}-val_loss{val_loss:.3f}.h5', monitor='acc', save_weights_only=False, save_best_only=True, period=3 ) # 学习率下降的方式,acc三次不下降就下降学习率继续训练 reduce_lr = ReduceLROnPlateau( monitor='acc', factor=0.5, patience=3, verbose=1 ) # 是否需要早停,当val_loss一直不下降的时候意味着模型基本训练完毕,可以停止 early_stopping = EarlyStopping( monitor='val_loss', min_delta=0, patience=10, verbose=1 ) # 交叉熵 model.compile(loss = 'categorical_crossentropy', optimizer = Adam(lr=1e-3), metrics = ['accuracy']) # 一次的训练集大小 batch_size = 64 print('Train on {} samples, val on {} samples, with batch size {}.'.format(num_train, num_val, batch_size)) # 开始训练 model.fit_generator(generate_arrays_from_file(lines[:num_train], batch_size), steps_per_epoch=max(1, num_train//batch_size), validation_data=generate_arrays_from_file(lines[num_train:], batch_size), validation_steps=max(1, num_val//batch_size), epochs=150, initial_epoch=0, callbacks=[checkpoint_period1, reduce_lr]) model.save_weights(log_dir+'last1.h5')
model.fit_generator需要用到python的生成器来滚动读取数据,具体方法看第二步。
2、Keras数据生成器
Keras的数据生成器就是在一个while 1的无限循环中不断生成batch大小的数据集。
def generate_arrays_from_file(lines,batch_size): # 获取总长度 n = len(lines) i = 0 while 1: X_train = [] Y_train = [] # 获取一个batch_size大小的数据 for b in range(batch_size): if i==0: np.random.shuffle(lines) name = lines[i].split(';')[0] # 从文件中读取图像 img = cv2.imread(r".\data\image\train" + '/' + name) img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB) img = img/255 X_train.append(img) Y_train.append(lines[i].split(';')[1]) # 读完一个周期后重新开始 i = (i+1) % n # 处理图像 X_train = utils.resize_image(X_train,(224,224)) X_train = X_train.reshape(-1,224,224,3) Y_train = np_utils.to_categorical(np.array(Y_train),num_classes= 2) yield (X_train, Y_train)
在其中用到了一些处理函数,我存在了utils.py工具人文件中。
import matplotlib.image as mpimg import numpy as np import cv2 import tensorflow as tf from tensorflow.python.ops import array_ops def load_image(path): # 读取图片,rgb img = mpimg.imread(path) # 将图片修剪成中心的正方形 short_edge = min(img.shape[:2]) yy = int((img.shape[0] - short_edge) / 2) xx = int((img.shape[1] - short_edge) / 2) crop_img = img[yy: yy + short_edge, xx: xx + short_edge] return crop_img def resize_image(image, size): with tf.name_scope('resize_image'): images = [] for i in image: i = cv2.resize(i, size) images.append(i) images = np.array(images) return images def print_answer(argmax): with open("./data/model/index_word.txt","r",encoding='utf-8') as f: synset = [l.split(";")[1][:-1] for l in f.readlines()] print(synset[argmax]) return synset[argmax]
3、主训练函数全部代码
大家可以整体看看哈:
from keras.callbacks import TensorBoard, ModelCheckpoint, ReduceLROnPlateau, EarlyStopping from keras.utils import np_utils from keras.optimizers import Adam from model.AlexNet import AlexNet import numpy as np import utils import cv2 from keras import backend as K K.set_image_dim_ordering('tf') def generate_arrays_from_file(lines,batch_size): # 获取总长度 n = len(lines) i = 0 while 1: X_train = [] Y_train = [] # 获取一个batch_size大小的数据 for b in range(batch_size): if i==0: np.random.shuffle(lines) name = lines[i].split(';')[0] # 从文件中读取图像 img = cv2.imread(r".\data\image\train" + '/' + name) img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB) img = img/255 X_train.append(img) Y_train.append(lines[i].split(';')[1]) # 读完一个周期后重新开始 i = (i+1) % n # 处理图像 X_train = utils.resize_image(X_train,(224,224)) X_train = X_train.reshape(-1,224,224,3) Y_train = np_utils.to_categorical(np.array(Y_train),num_classes= 2) yield (X_train, Y_train) if __name__ == "__main__": # 模型保存的位置 log_dir = "./logs/" # 打开数据集的txt with open(r".\data\dataset.txt","r") as f: lines = f.readlines() # 打乱行,这个txt主要用于帮助读取数据来训练 # 打乱的数据更有利于训练 np.random.seed(10101) np.random.shuffle(lines) np.random.seed(None) # 90%用于训练,10%用于估计。 num_val = int(len(lines)*0.1) num_train = len(lines) - num_val # 建立AlexNet模型 model = AlexNet() # 保存的方式,3世代保存一次 checkpoint_period1 = ModelCheckpoint( log_dir + 'ep{epoch:03d}-loss{loss:.3f}-val_loss{val_loss:.3f}.h5', monitor='acc', save_weights_only=False, save_best_only=True, period=3 ) # 学习率下降的方式,acc三次不下降就下降学习率继续训练 reduce_lr = ReduceLROnPlateau( monitor='acc', factor=0.5, patience=3, verbose=1 ) # 是否需要早停,当val_loss一直不下降的时候意味着模型基本训练完毕,可以停止 early_stopping = EarlyStopping( monitor='val_loss', min_delta=0, patience=10, verbose=1 ) # 交叉熵 model.compile(loss = 'categorical_crossentropy', optimizer = Adam(lr=1e-3), metrics = ['accuracy']) # 一次的训练集大小 batch_size = 64 print('Train on {} samples, val on {} samples, with batch size {}.'.format(num_train, num_val, batch_size)) # 开始训练 model.fit_generator(generate_arrays_from_file(lines[:num_train], batch_size), steps_per_epoch=max(1, num_train//batch_size), validation_data=generate_arrays_from_file(lines[num_train:], batch_size), validation_steps=max(1, num_val//batch_size), epochs=150, initial_epoch=0, callbacks=[checkpoint_period1, reduce_lr, early_stopping ]) model.save_weights(log_dir+'last1.h5')
训练结果
在完成上述的一大堆内容的配置后就可以开始训练了,所有文件的构架如下:
……训练是真的慢
…… Epoch 36/50 175/175 [==============================] - 219s 1s/step - loss: 0.0124 - acc: 0.9962 - val_loss: 0.5256 - val_acc: 0.9034 Epoch 37/50 175/175 [==============================] - 178s 1s/step - loss: 0.0028 - acc: 0.9991 - val_loss: 0.7911 - val_acc: 0.9034 Epoch 38/50 175/175 [==============================] - 174s 992ms/step - loss: 0.0047 - acc: 0.9987 - val_loss: 0.6690 - val_acc: 0.8910 Epoch 39/50 175/175 [==============================] - 241s 1s/step - loss: 0.0044 - acc: 0.9986 - val_loss: 0.6518 - val_acc: 0.9001 Epoch 40/50 142/175 [=======================>......] - ETA: 1:07 - loss: 0.0074 - acc: 0.9976
差不多是这样,在测试集上有90的准确度呢!我们拿一个模型预测一下看看。
import numpy as np import utils import cv2 from keras import backend as K from model.AlexNet import AlexNet K.set_image_dim_ordering('tf') if __name__ == "__main__": model = AlexNet() # 载入模型 model.load_weights("./logs/ep039-loss0.004-val_loss0.652.h5") # 载入图片,并处理 img = cv2.imread("./Test.jpg") img_RGB = cv2.cvtColor(img,cv2.COLOR_BGR2RGB) img_nor = img_RGB/255 img_nor = np.expand_dims(img_nor,axis = 0) img_resize = utils.resize_image(img_nor,(224,224)) # 预测~! #utils.print_answer(np.argmax(model.predict(img))) print(utils.print_answer(np.argmax(model.predict(img_resize)))) cv2.imshow("ooo",img) cv2.waitKey(0)
预测结果为:
猫猫
大功告成。
以上就是python神经网络AlexNet分类模型训练猫狗数据集的详细内容,更多关于AlexNet分类模型训练猫狗数据集的资料请关注我们其它相关文章!