参考张宏伦的深度有趣系列
自编码器(AutoEncoder)是深度学习中的一类无监督学习模型,由encoder和decoder两部分组成
- encoder将原始表示编码成隐层表示(原始图片表示为三维数组或者四维tensor)
- decoder将隐层表示解码成原始表示
- 训练目标为最小化重构误差(重构误差即损失函数)
- 隐层特征维度一般低于原始特征维度,降维的同时学习更稠密更有意义的表示
自编码器主要是一种思想,encoder和decoder可以由全连接层、CNN或RNN等模型实现
使用Keras,用CNN实现自编码器,通过学习从加噪图片到原始图片的映射,完成图像去噪任务.
准备
用到的数据是MNIST,手写数字识别数据集,Keras中自带
训练集5W条,测试集1W条,都是 28*28 的灰度图
这里我们用IPython写代码,因为有些地方需要交互地进行展示
命令行打开:
在项目路径运行以下命令,启动IPython
jupyter notebook
或者anaconda直接点开jupyter
加载库
# -*- coding: utf-8 -*-
from keras.datasets import mnist
import numpy as np
加载MNIST数据,不需要对应的标签,将像素值归一化到0至1,重塑为 的四维tensor,即张量,1表示颜色通道,即灰度图
(x_train, _), (x_test, _) = mnist.load_data()
#有训练集和测试集,x_train是数组存的数据,后面空出来的是图片上表示的数字,因为并不需要分类所以这里空着即可.
x_train = x_train.astype('float32') / 255.
x_test = x_test.astype('float32') / 255.
#进行归一化为0~1
x_train = np.reshape(x_train, (len(x_train), 28, 28, 1))
#重塑reshape成一个四维的tensor(图片的宽度和高度,个数)
x_test = np.reshape(x_test, (len(x_test), 28, 28, 1))
我在做这个的时候在这里出现了两个错误:
1.运行第一段代码的时候找不到pandas
解决:
C:\ProgramData\Anaconda3\Lib\site-packages 下载pandas-0.24.1-cp35-cp35m-win_amd64.whl
然后在anaconda中先cd到C:\ProgramData\Anaconda3\Lib\site-packages
再pip install pandas-0.24.1-cp35-cp35m-win_amd64.whl测试即可
2. 测试keras的代码时,有minist时显示需要下载minist.npz 下载了多次都无法访问该地址,致使测试搁置。
解决:
下载下来,放在C:\Users\11040.keras\datasets\里面,然后可以运行。
1.添加噪声
添加随机白噪声,并限制加噪后像素值仍处于0至1之间
noise_factor = 0.5
x_train_noisy = x_train + noise_factor * np.random.normal(loc=0.0, scale=1.0, size=x_train.shape)
#添加随机白噪声,是一个正态分布的normal,均值是0,方差是1,数组的size保持和原来一样.
x_test_noisy = x_test + noise_factor * np.random.normal(loc=0.0, scale=1.0, size=x_test.shape)
x_train_noisy = np.clip(x_train_noisy, 0., 1.)
x_test_noisy = np.clip(x_test_noisy, 0., 1.)
#clip保证数据的范围在0~1之间,不能有负的.
看一下加噪后的效果
import matplotlib.pyplot as plt
%matplotlib inline
n = 10
plt.figure(figsize=(20, 2))
#一共有十个图片,大小是20*2
for i in range(n):
ax = plt.subplot(1, n, i + 1)
#一共一行n列,第i+1个子图
plt.imshow(x_test_noisy[i].reshape(28, 28))
#把加了噪音的第i个画出来
plt.gray()
ax.get_xaxis().set_visible(False)
ax.get_yaxis().set_visible(False)
#画出来以后把x,y轴隐藏起来
plt.show()
2.模型实现
Keras有两种类型的模型,序贯模型(Sequential)和函数式模型(Model),函数式模型应用更为广泛,序贯模型是函数式模型的一种特殊情况。
1.搭建sequence连续模型
2.搭建Model模型
定义模型的输入
from keras.layers import Input, Dense, Conv2D, MaxPooling2D, UpSampling2D
//引入了输入层,全连接层,二维卷积,二维池化,二维上采样
from keras.models import Model, load_model
//引入model,模型
input_img = Input(shape=(28, 28, 1,))
//高度 宽度 深度 以及数据的个数(因为不知道所以这里留出来) N*28*28*1
实现encoder部分,由两个3332 的卷积和两个2*2的最大池化组成
x = Conv2D(32, (3, 3), padding='same', activation='relu')(input_img)
//卷积核大小3*3 因为padding='same'所以卷积之后图像的尺寸不变 激活函数是relu 使用输入的图片input_img 卷积之后图片变为28*28*32
x = MaxPooling2D((2, 2), padding='same')(x)
//使用二维的最大池化函数 池化核大小2*2 池化之后图片变为14*14*32
x = Conv2D(32, (3, 3), padding='same', activation='relu')(x)
//再经过一次卷积 之后图片变为14*14*32
encoded = MaxPooling2D((2, 2), padding='same')(x)
//得到编码后 或者说隐层的表示 池化之后图片变为7*7*32
实现decoder部分,由三个3332 的卷积和两个2*2的的上采样组成
# 7 * 7 * 32
x = Conv2D(32, (3, 3), padding='same', activation='relu')(encoded)
//进行一次卷积 feature map的个数是32 7 * 7 * 32
x = UpSampling2D((2, 2))(x)
//进行上采样 会使得shape变大 14 * 14 * 32
x = Conv2D(32, (3, 3), padding='same', activation='relu')(x)
//14 * 14 * 32
x = UpSampling2D((2, 2))(x)
//28 * 28 * 32
decoded = Conv2D(1, (3, 3), padding='same', activation='sigmoid')(x)
//28 * 28 * 1 经过解码之后的表示 变得和刚开始的图片尺寸又一样了
将输入和输出连接,构成自编码器并compile
autoencoder = Model(input_img, decoded)
//整个模型的输入是input_img 输出是decoded
autoencoder.compile(optimizer='adadelta', loss='binary_crossentropy')
//对它进行compile编译一下 优化算法采用adadelta 损失函数采用交叉熵
使用x_train作为输入和输出进行训练,使用x_test进行校验
autoencoder.fit(x_train_noisy, x_train,
epochs=100,
batch_size=128,
shuffle=True,
validation_data=(x_test_noisy, x_test))
//使用x_train_noisy做输入,x_train做输出图片,训练一百轮迭代,每128条做一组进行训练,每次训练进行打乱 再加一个测试集
autoencoder.save('autoencoder.h5')
//把模型整个保存下来 可以把模型从服务器拷到本地上
在CPU上训练比较慢,有条件的话可以用GPU,速度快上几十倍
这里将训练后的模型保存下来,之后或在其他地方都可以直接加载使用
使用自编码器对x_test_noisy预测,绘制预测结果,和原始加噪图像进行对比,便可以得到一开始的对比效果图
autoencoder = load_model('autoencoder.h5')
//加载这个模型 直接把模型存起来的话 前面那些都不用运行 直接用就可以了
decoded_imgs = autoencoder.predict(x_test_noisy)
//对于加了噪音的测试数据进行预测 输出decoded_imgs
n = 10
//画十列
plt.figure(figsize=(20, 4))
for i in range(n):
# display original
ax = plt.subplot(2, n, i + 1)
//两行十列 画第一个
plt.imshow(x_test_noisy[i].reshape(28, 28))
//28*28 画加了噪音的第i个
plt.gray()
ax.get_xaxis().set_visible(False)
ax.get_yaxis().set_visible(False)
# display reconstruction
ax = plt.subplot(2, n, i + 1 + n)
//画第十一个
plt.imshow(decoded_imgs[i].reshape(28, 28))
//画处理以后去燥的第i个
plt.gray()
ax.get_xaxis().set_visible(False)
ax.get_yaxis().set_visible(False)
plt.show()
输入是我们自己加了噪音的图片 输出就是模型自己生成的去了噪音的结果
整体代码
整体代码如下,是加了tensorboard的:
不加的话就按照上面的在jupyter运行即可
# -*- coding: utf-8 -*-
# @Author: Marte
# @Date: 2019-02-17 15:35:37
# @Last Modified by: Marte
# @Last Modified time: 2019-03-13 14:53:22
from keras.datasets import mnist
import numpy as np
from keras.layers import Input, Dense, Conv2D, MaxPooling2D, UpSampling2D
#引入了输入层,全连接层,二维卷积,二维池化,二维上采样
from keras.models import Model, load_model
#引入model,模型
import matplotlib.pyplot as plt
from keras.callbacks import TensorBoard
def loadNoisy():
(x_train, _), (x_test, _) = mnist.load_data()
#有训练集和测试集,x_train是数组存的数据,后面空出来的是图片上表示的数字,因为并不需要分类所以这里空着即可.
x_train = x_train.astype('float32') / 255.
x_test = x_test.astype('float32') / 255.
#进行归一化为0~1
x_train = np.reshape(x_train, (len(x_train), 28, 28, 1))
#重塑reshape成一个四维的tensor(图片的宽度和高度,个数)
x_test = np.reshape(x_test, (len(x_test), 28, 28, 1))
noise_factor = 0.5
x_train_noisy = x_train + noise_factor * np.random.normal(loc=0.0, scale=1.0, size =x_train.shape)
#添加随机白噪声,是一个正态分布的normal,均值是0,方差是1,数组的size保持和原来一样.
x_test_noisy = x_test + noise_factor * np.random.normal(loc=0.0, scale=1.0, size=x_test.shape)
x_train_noisy = np.clip(x_train_noisy, 0., 1.)
x_test_noisy = np.clip(x_test_noisy, 0., 1.)
#clip保证数据的范围在0~1之间,不能有负的.
return x_test, x_train, x_test_noisy, x_train_noisy
#绘制噪声图
def DrawNoisyImg(x_test_noisy):
n = 10
plt.figure(figsize=(20, 2))
#一共有十个图片,大小是20*2
for i in range(n):
ax = plt.subplot(1, n, i + 1)
#一共一行n列,第i+1个子图
plt.imshow(x_test_noisy[i].reshape(28, 28))
#把加了噪音的第i个画出来
plt.gray()
ax.get_xaxis().set_visible(False)
ax.get_yaxis().set_visible(False)
#画出来以后把x,y轴隐藏起来
plt.show()
#绘制训练过程中损失和准确率变化图
def historyDraw(hist):
loss = hist.history['loss']
val_loss = hist.history['val_loss']
acc = hist.history['acc']
val_acc = hist.history['val_acc']
# make a figure
fig = plt.figure(figsize=(8,4))
# subplot loss
ax1 = fig.add_subplot(121)
ax1.plot(loss,label='train_loss')
ax1.plot(val_loss,label='val_loss')
ax1.set_xlabel('Epochs')
ax1.set_ylabel('Loss')
ax1.set_title('Loss on Training and Validation Data')
ax1.legend()
# subplot acc
ax2 = fig.add_subplot(122)
ax2.plot(acc,label='train_acc')
ax2.plot(val_acc,label='val_acc')
ax2.set_xlabel('Epochs')
ax2.set_ylabel('Accuracy')
ax2.set_title('Accuracy on Training and Validation Data')
ax2.legend()
plt.tight_layout()
#根据噪声图和原始图训练模型
def TrainModel(x_test, x_train, x_test_noisy, x_train_noisy):
#引入model,模型
input_img = Input(shape=(28, 28, 1,))
# N * 28 * 28 * 1
# //高度 宽度 深度 以及数据的个数
#print(input_img)
x = Conv2D(32, (3, 3), padding='same', activation='relu')(input_img)#卷积核大小3*3
#因为padding='same'所以卷积之后图像的尺寸不变 激活函数是relu 使用输入的图片input_img 卷积之后图片变为28*28*32
x = MaxPooling2D((2, 2), padding='same')(x)
#使用二维的最大池化函数 池化核大小2*2 池化之后图片变为14*14*32
x = Conv2D(32, (3, 3), padding='same', activation='relu')(x)
#再经过一次卷积 之后图片变为14*14*32
encoded = MaxPooling2D((2, 2), padding='same')(x)
#得到编码后 或者说隐层的表示 池化之后图片变为7*7*32
# 7 * 7 * 32
x = Conv2D(32, (3, 3), padding='same', activation='relu')(encoded)
#进行一次卷积 feature map的个数是32 7 * 7 * 32
x = UpSampling2D((2, 2))(x)
#进行上采样 会使得shape变大 14 * 14 * 32
x = Conv2D(32, (3, 3), padding='same', activation='relu')(x)
#14 * 14 * 32
x = UpSampling2D((2, 2))(x)
#28 * 28 * 32
decoded = Conv2D(1, (3, 3), padding='same', activation='sigmoid')(x)
#28 * 28 * 1 经过解码之后的表示 变得和刚开始的图片尺寸又一样了
#print(decoded)
autoencoder = Model(input_img, decoded)
#整个模型的输入是input_img 输出是decoded
autoencoder.compile(optimizer='adadelta', loss='binary_crossentropy', metrics=["accuracy"])
#对它进行compile编译一下 优化算法采用adadelta 损失函数采用交叉熵
tensorboard = TensorBoard(log_dir='./logs', histogram_freq=0, write_graph=True, write_images=False)
hist = autoencoder.fit(x_train_noisy, x_train,
epochs=100,
batch_size=128,
shuffle=True,
callbacks=[tensorboard],
validation_data=(x_test_noisy, x_test),
validation_split=0.2)
#使用x_train_noisy做输入,x_train做输出图片,训练一百轮迭代,每128条做一组进行训练,每次训练进行打乱 再加一个测试集
autoencoder.save('autoencoder1.h5')
#把模型整个保存下来 可以把模型从服务器拷到本地上
print(hist.history)
#绘制训练过程中损失和准确率变化图
historyDraw(hist)
def Npredict(x_test_noisy):
autoencoder = load_model('autoencoder1.h5')
#加载这个模型 直接把模型存起来的话 前面那些都不用运行 直接用就可以了
decoded_imgs = autoencoder.predict(x_test_noisy)
#对于加了噪音的测试数据进行预测 输出decoded_imgs
#画十列
n = 10
plt.figure(figsize=(20, 4))
for i in range(n):
# display original
#两行十列 画第一个
ax = plt.subplot(2, n, i + 1)
plt.imshow(x_test_noisy[i+10].reshape(28, 28))
#28*28 画加了噪音的第i个
plt.gray()
ax.get_xaxis().set_visible(False)
ax.get_yaxis().set_visible(False)
# display reconstruction
ax = plt.subplot(2, n, i + 1 + n)
#画第十一个
plt.imshow(decoded_imgs[i+10].reshape(28, 28))
#画处理以后去燥的第i个
plt.gray()
ax.get_xaxis().set_visible(False)
ax.get_yaxis().set_visible(False)
plt.show()
def main():
x_test, x_train, x_test_noisy, x_train_noisy = loadNoisy()
#DrawNoisyImg(x_test_noisy)
TrainModel(x_test, x_train, x_test_noisy, x_train_noisy)
Npredict(x_test_noisy)
if __name__ == '__main__':
main()