这篇文章主要介绍如何利用AlexNet预训练模型来训练一个猫狗分类器,主要内容包括:
- 项目结构介绍
- 数据探索
- 数据的准备
- AlexNet模型的构建
- 模型的训练和性能评估
- 结果的提交
一、项目结构介绍
1、相关数据下载地址
项目地址:https://github.com/steelOneself/kaggle/tree/master/cat_vs_dog/AlexNet
数据下载地址:https://www.kaggle.com/c/dogs-vs-cats-redux-kernels-edition/data
AlexNet预训练文件下载地址:http://www.cs.toronto.edu/~guerzhoy/tf_alexnet/
2、项目文件介绍
checkpoints --- 用来保存训练后生成的模型文件
model --- 用来存放预训练模型文件
tensorboard ---用来保存训练过程中的日志信息
txt --- 用来存放数据集的图片信息
AlexNet.py --- AlexNet模型结构文件
DataGenrator.py --- 数据生成类
Exploration.py --- 可视化分析
Generate_txt.py --- 将图片信息保存为txt文件
run.py --- 模型训练、评估、结构生成
util_data.py --- 数据集工具类,将数据分为训练集和验证集
二、数据探索
1、数据介绍
数据包含两部分,训练集和测试集,训练集有25000张图片,测试集有12500张图片,在训练集的图片名称中包含了图片的标签信息,而测试集的图片名称代表的图片的id,提交结果的时候要求提交图片的id和预测对应图片的标签(1表示dog,0表示cat)。
2、数据探索
分析训练集中猫狗的分布情况
三、数据的准备
注意:我将展示出来的代码进行了省略,由于代码比较多,比较占空间,详细代码请参考git。
1、生成txt文件
import os
#设置txt保存目录
save_txt_dir = "txt"
def generate_txt(save_mode,train_img_dir):
'''将图片的id和标签信息写入到txt中
:param save_mode: train or test
:param train_img_dir: 图片所在的目录
:return: 空
'''
.....
if __name__ == "__main__":
#将训练集图片保存为txt文件
generate_txt("train","D:/dataset/kaggle/cat_or_dog/train/train")
#将测试集图片保存为txt文件
generate_txt("test","D:/dataset/kaggle/cat_or_dog/test/test")
将图片信息保存为txt文件,保存格式:图片id,图片路径,图片标签
2、将数据分为训练集和验证集
import pandas as pd
from sklearn.utils import shuffle
def get_img_infos(mode,img_info_txt,label_name_to_num=None):
'''读取txt中存储的图片信息
:param mode: train or test
:param img_info_txt: 文件信息存储的txt路径
:param label_name_to_num: 将字符串标签转为数字
:return: 图片id信息和图片的标签(mode为train时不为空,mode为test时为空)
'''
...
return img_ids,img_labels,img_paths
def split_dataset(img_ids,img_paths,img_labels,val_size=0.1):
'''
:param img_ids: 图片的id列表
:param img_paths: 图片的路径列表
:param img_labels: 图片的标签列表
:param val_size: 验证集大小5000
:param test_size: 测试集大小10000
:return: 训练集数据,验证集数据,测试集数据
'''
...
#将训练集文件和测试集文件保存为csv文件
train_dataset.to_csv("txt/train.csv")
val_dataset.to_csv("txt/val.csv")
return train_dataset,val_dataset
if __name__ == "__main__":
train_img_ids,train_img_labels,img_paths = get_img_infos("train","txt/train.txt")
train_dataset,val_dataset = split_dataset(train_img_ids,img_paths,train_img_labels)
将25000张图片分为训练集和验证集,训练集占20000张图片,验证集占5000张图片,分割的时候需要注意,训练集和验证集中猫和狗所占的比例相同。
3、数据生成类
import tensorflow as tf
import numpy as np
from tensorflow.python.framework.ops import convert_to_tensor
class ImageDataGenerator(object):
'''
初始化图片生成参数
'''
......
def _parse_function_train(self,filename,label):
#将标签转为one-hot编码
one_hot = tf.one_hot(label,self.num_classes)
#加载图片的预处理
img_string = tf.read_file(filename)
img_decode = tf.image.decode_jpeg(img_string,channels=3)
img_resized = tf.image.resize_images(img_decode,[227,227])
return img_resized,one_hot
利用CPU资源来加载数据,在读取图片的时候需要将图片转为227×227,因为AlexNet要求输出图片的大小是227×227。
四、AlexNet模型构建
import tensorflow as tf
import numpy as np
'''
卷积函数
'''
def conv(x,filter_height,filter_width,num_filters,stride_y,stride_x,name,padding="SAME",groups=1):
#获取输入tensor的channel
input_channels = int(x.get_shape()[-1])
#创建一个lambda函数
convolve = lambda i,k:tf.nn.conv2d(i,k,strides=[1,stride_y,stride_x,1],padding=padding)
with tf.variable_scope(name) as scope:
#定义权重
weights = tf.get_variable("weights",shape=[filter_height,filter_width,
input_channels/groups,num_filters])
#定义偏置
biases = tf.get_variable("biases",shape=[num_filters])
if groups == 1:
conv = convolve(x,weights)
else:
input_groups = tf.split(axis=3,num_or_size_splits=groups,value=x)
weight_groups = tf.split(axis=3,num_or_size_splits=groups,value=weights)
output_groups = [convolve(i,k) for i,k in zip(input_groups,weight_groups)]
#连接卷积层
conv = tf.concat(axis=3,values=output_groups)
bias = tf.reshape(tf.nn.bias_add(conv,biases),tf.shape(conv))
#relu激活函数
relu = tf.nn.relu(bias,name=scope.name)
return relu
'''
全连接层函数
'''
def fc(x,num_in,num_out,name,relu=True):
with tf.variable_scope(name) as scope:
#定义权重和偏置
weights = tf.get_variable("weights",shape=[num_in,num_out],trainable=True)
biases = tf.get_variable("biases",[num_out],trainable=True)
fc_out = tf.nn.xw_plus_b(x,weights,biases,name=scope.name)
if relu:
fc_out = tf.nn.relu(fc_out)
return fc_out
'''
最大池化层函数
'''
def max_pool(x,filter_height,filter_width,stride_y,stride_x,name,padding="SAME"):
return tf.nn.max_pool(x,ksize=[1,filter_height,filter_width,1],strides=[1,stride_y,stride_x,1],
padding=padding,name=name)
'''
lrn层
'''
def lrn(x,radius,alpha,beta,name,bias=1.0):
return tf.nn.local_response_normalization(x,depth_radius=radius,alpha=alpha,beta=beta,bias=bias,name=name)
'''
dropout层
'''
def dropout(x,keep_prob):
return tf.nn.dropout(x,keep_prob)
'''
定义AlexNet类
'''
class AlexNet(object):
'''
初始化AlexNet网络
参数:
x:输入的tensor
keep_prob:dropout节点保留概率
num_classes:需要分类的数量
skip_layer:需要重新训练的层
weights_path:预训练参数文件的路径
'''
def __init__(self,x,keep_prob,num_classes,skip_layer,weights_path="default"):
self.X = x
self.KEEP_PROB = keep_prob
self.NUM_CLASSES = num_classes
self.SKIP_LAYER = skip_layer
if weights_path == "default":
self.WEIGHTS_PATH = "model/bvlc_alexnet.npy"
else:
self.WEIGHTS_PATH = weights_path
self.create()
'''
创建AlexNet网络的计算图
'''
def create(self):
#第一层卷积
conv1 = conv(self.X,11,11,96,4,4,padding="VALID",name="conv1")
norm1 = lrn(conv1,2,2e-05,0.75,name="norm1")
pool1 = max_pool(norm1,3,3,2,2,padding="VALID",name="pool1")
#第二层卷积
conv2 = conv(pool1,5,5,256,1,1,groups=2,name="conv2")
norm2 = lrn(conv2,2,2e-05,0.75,name="norm2")
pool2 = max_pool(norm2,3,3,2,2,padding="VALID",name="pool2")
#第三层卷积
conv3 = conv(pool2,3,3,384,1,1,name="conv3")
#第四层卷积
conv4 = conv(conv3,3,3,384,1,1,groups=2,name="conv4")
#第五层卷积
conv5 = conv(conv4,3,3,256,1,1,groups=2,name="conv5")
pool5 = max_pool(conv5,3,3,2,2,padding="VALID",name="pool5")
#第六层,全连接层
flattened = tf.reshape(pool5,[-1,6*6*256])
fc6 = fc(flattened,6*6*256,4096,name="fc6")
dropout6 = dropout(fc6,self.KEEP_PROB)
#第七层,全连接层
fc7 = fc(dropout6,4096,4096,name="fc7")
dropout7 = dropout(fc7,self.KEEP_PROB)
#第八层,全连接层
self.fc8 = fc(dropout7,4096,self.NUM_CLASSES,relu=False,name="fc8")
'''
加载预训练权重文件初始化权重
'''
def load_initial_weights(self,session):
#加载预训练权重文件
weights_dict = np.load(self.WEIGHTS_PATH,encoding="bytes").item()
#遍历所有的层,看是否需要重新训练
for op_name in weights_dict:
if op_name not in self.SKIP_LAYER:
with tf.variable_scope(op_name,reuse=True):
for data in weights_dict[op_name]:
if len(data.shape) == 1:
var = tf.get_variable("biases",trainable=False)
session.run(var.assign(data))
else:
var = tf.get_variable("weights",trainable=False)
session.run(var.assign(data))
五、模型的训练和性能评估
1、模型的训练
模型参数设置
#设置训练文件的路径
train_txt = "txt/train.txt"
test_txt = "txt/test.txt"
learning_rate = 0.0001
num_epochs = 10
batch_size = 128
dropout_rate = 0.5
num_classes = 2
train_layers = ["fc6","fc7","fc8"]
train_layers设置需要重新训练的层数,在这次训练过程中,只重新训练AlexNet的最后三层全连接层,其余的层保持不变。
训练完成之后,在checkpoints会产生ckpt模型文件,每一个epoch保存一次模型文件,只有当后一个在验证集上的准确率大于前一个时才会保存模型文件,在保存模型文件的时候后面有附带该次epoch在验证集上的准确率。
2、模型评估
3、查看模型在验证集上分类正确和分类错误的图片
上面一行表示分类正确的图片,下面一行表示分类错误的图片
4、查看验证集预测结果的分布情况
5、混淆矩阵
6、验证集分类结果报告
六、提交结果
kaggle的成绩是计算预测结果的交叉熵损失值,在生成预测结果的时候,通过fc8输出的结果还需要经过一个softmax层才能输出每个类别的概率,直接使用预测类标(0或1)比预测概率的成绩会低一些。
总结:本篇文章主要介绍了如何使用AlexNet来构建一个预训练模型,在下一篇文章将会介绍如何来预训练一个更复杂的Inception-resent网络。