本节介绍基于Keras的CNN
卷积神经网络接收形状为 (image_height, image_width, image_channels)的输入张量(不包括批量维度)，宽度和高度两个维度的尺寸通常会随着网络加深而变小。通道数量由传入 Conv2D 层的第一个参数所控制
用卷积神经网络对 MNIST 数字进行分类Demo
代码语言：javascript复制from keras import layers
from keras import models
from keras.datasets import mnist
from keras.utils import to_categorical
def set_model():
model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
# 需要将 3D 输出展平为 1D，将(3, 3, 64)输出展平为(576, )
model.add(layers.Flatten())
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(10, activation='softmax'))
# 查看模型各层状态
model.summary()
return model
(train_images, train_labels), (test_images, test_labels) = mnist.load_data(path='/home/fan/dataset/mnist.npz')
train_images = train_images.reshape((60000, 28, 28, 1))
train_images = train_images.astype('float32') / 255
test_images = test_images.reshape((10000, 28, 28, 1))
test_images = test_images.astype('float32') / 255
train_labels = to_categorical(train_labels)
test_labels = to_categorical(test_labels)
model = set_model()
model.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])
model.fit(train_images, train_labels, epochs=5, batch_size=64)
test_loss, test_acc = model.evaluate(test_images, test_labels)
print(test_acc)运行之后，显示正确率为0.9921，而之前使用的密集连接网络的正确率为0.9794，提高了0.0127
密集连接层和卷积层的根本区别在于, Dense 层从输入特征空间中学到的是全局模式，如果模式出现在新的位置,它只能重新学习这个模式，而卷积层学到的是局部模式，可以在任何位置进行匹配 学习局部模式使得CNN具有以下性质：
- 卷积神经网络学到的模式具有平移不变性(translation invariant) 卷积神经网络在图像右下角学到某个模式之后，它可以在任何地方识别这个模式，比如左上角 对于密集连接网络来说，如果模式出现在新的位置,它只能重新学习这个模式
- 卷积神经网络可以学到模式的空间层次结构(spatial hierarchies of patterns) 第一个卷积层将学习较小的局部模式(比如边缘)，第二个卷积层将学习由第一层特征组成的更大的模式，以此类推。这使得卷积神经网络可以有效地学习越来越复杂、越来越抽象的视觉概念(因为视觉世界从根本上具有空间层次结构)
对于包含两个空间轴(高度和宽度)和一个深度轴(也叫通道轴)的 3D 张量，其卷积也叫特征图(feature map)。卷积运算从输入特征图中提取图块，并对所有这些图块应用相同的变换，生成输出特征图(output feature map)。该输出特征图仍是一个 3D 张量，具有宽度和高度，其深度可以任意取值，因为输出深度是层的参数，深度轴的不同通道不再像 RGB 输入那样代表特定颜色，而是代表过滤器(filter)。过滤器对输入数据的某一方面进行编码
上例中，模型定义了
代码语言：javascript复制model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)))该卷积层接收一个大小为 28 * 28 * 1 的特征图，输出一个 26 * 26 * 32 的特征图（26 = (28 -3) / 1 1），该26 * 26 * 32是过滤器对输入的响应图(response map)，表示这个过滤器模式在输入中不同位置的响应。这也是特征图这一术语的含义: 深度轴的每个维度都是一个特征(或过滤器),而 2D 张量 output[:, :, n]是这个过滤器在输入上的响应的二维空间图(map)
卷积由以下两个关键参数所定义
- 从输入中提取的图块尺寸: 这些图块的大小通常是 3×3 或 5×5
- 输出特征图的深度:卷积所计算的过滤器的数量
对于 Keras 的 Conv2D 层，这些参数都是向层传入的前几个参数:
Conv2D(output_depth, (window_height, window_width))
卷积的工作原理 在 3D 输入特征图上滑动(slide)这些 3×3 或 5×5 的窗口，在每个可能的位置停止并提取周围特征的 3D 图块[形状为 (window_height, window_width, input_depth) ]。然后每个 3D 图块与学到的同一个权重矩阵[叫作卷积核(convolution kernel)]做张量积，转换成形状为 (output_depth,) 的 1D 向量。然后对所有这些向量进行空间重组，使其转换为形状为 (height, width, output_depth) 的 3D 输出特征图。输出特征图中的每个空间位置都对应于输入特征图中的相同位置
卷积计算
可见，当特征图通过卷积核之后，特征图的尺寸变小，具体变化为 [ outputSize = frac {(inputSize - ConvSize 2*padding)}{stride} ] 其中，outputSize 为输出尺寸，inputSize 为输入尺寸，ConvSize为卷积核尺寸，padding 为填充，stride 为步幅
对于 Conv2D 层,可以通过 padding 参数来设置填充，这个参数有两个取值: "valid" 表示不使用填充(只使用有效的窗口位置);"same" 表示“填充后输出的宽度和高度与输入相同”。padding 参数的默认值为 "valid"
最大池化通常使用 2×2 的窗口和步幅 2，其目的是将特征图下采样 2 倍。与此相对的是，卷积通常使用 3×3 窗口和步幅 1 通过池化，我们可以减少参数数量，防止过拟合，同时可以使得之后的卷积相对于之前的获得更大的视野，从而更好地学习特征的空间层级结构
卷积神经网络主要由 Conv2D 层(使用 relu 激活)和MaxPooling2D 层交替堆叠构成，当要处理更大的图像和更复杂的问题时，需要相应的增大网络，即可以再增加一个 Conv2D MaxPooling2D 的组合。这既可以增大网络容量，也可以进一步减小特征图的尺寸，使其在连接 Flatten 层时尺寸不会太大
在向网络中输入数据时，我们首先需要将数据进行预处理，将其格式化为浮点数张量，JPEG数据处理步骤如下
- 读取图像
- 将JPEG文件解码为RGB像素网络
- 将像素网络转换为浮点数张量
- 将像素值缩放到[0, 1]区间
当数据量较大时，我们可以采用生成器的方式将数据依次喂给网络来进行拟合 Keras包含ImageDataGenerator 类，可以快速创建 Python 生成器，能够将硬盘上的图像文件自动转换为预处理好的张量批量 让模型对数据拟合
代码语言：javascript复制model.fit_generator(train_generator, steps_per_epoch=100, epochs=30,
validation_data=validation_generator, validation_steps=50)第一个参数为数据生成器，第二个参数表示从生成器中抽取 steps_per_epoch 个批量后(即运行了steps_per_epoch 次梯度下降)，拟合过程将进入下一个轮次，第三个参数为验证数据，如果其为一个数据生成器的话，需要指定validation_steps参数，来说明需要从验证生成器中抽取多少个批次用于评估
Keras保存模型
代码语言：javascript复制model.save('***.h5')一个使用CNN的猫狗分类Demo 数据集下载 此处为了快速得到结果，使用猫狗各1000个图像训练，各500个验证，各500个测试
代码语言：javascript复制from keras import layers
from keras import models
from keras import optimizers
import os
import matplotlib.pyplot as plt
def get_model():
# 猫狗二分类
model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(150, 150, 3)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(128, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(128, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Flatten())
model.add(layers.Dense(512, activation='relu'))
model.add(layers.Dense(1, activation='sigmoid'))
# 显示模型各层信息
model.summary()
model.compile(loss='binary_crossentropy', optimizer=optimizers.RMSprop(lr=1e-4), metrics=['acc'])
return model
from keras.preprocessing.image import ImageDataGenerator
def data_preprocess(train_dir, validation_dir):
# Python生成器会不断循环目标文件夹中的图像,从而会不停地生成批量
# 将图像乘1/255缩放
train_datagen = ImageDataGenerator(rescale=1. / 255)
test_datagen = ImageDataGenerator(rescale=1. / 255)
# 将所有文件调整为150 * 150
train_generator = train_datagen.flow_from_directory(train_dir, target_size=(150, 150), batch_size=20, class_mode='binary')
validation_generator = test_datagen.flow_from_directory(validation_dir, target_size=(150, 150), batch_size=20, class_mode='binary')
return train_generator, validation_generator
base_dir = '/home/fan/dataset/dogVScat/testDogVSCat'
train_dir = os.path.join(base_dir, 'train')
validation_dir = os.path.join(base_dir, 'validation')
train_generator, validation_generator = data_preprocess(train_dir, validation_dir)
model = get_model()
history = model.fit_generator(train_generator, steps_per_epoch=100, epochs=30, validation_data=validation_generator, validation_steps=50)
acc = history.history['acc']
val_acc = history.history['val_acc']
loss = history.history['loss']
val_loss = history.history['val_loss']
epochs = range(1, len(acc) 1)
plt.plot(epochs, acc, 'bo', label='Training acc')
plt.plot(epochs, val_acc, 'b', label='Validation acc')
plt.title('Training and validation accuracy')
plt.legend()
plt.figure()
plt.plot(epochs, loss, 'bo', label='Training loss')
plt.plot(epochs, val_loss, 'b', label='Validation loss')
plt.title('Training and validation loss')
plt.legend()
plt.show()实验结果 loss: 0.0304 - acc: 0.9925 - val_loss: 1.2209 - val_acc: 0.7010
从如上结果可以看出，我们的网络过拟合了，可以使用数据增强的方式来防止过拟合
数据增强是从现有的训练样本中生成更多的训练数据，其方法是利用多种能够生成可信图像的随机变换来增加(augment)样本。其目标是,模型在训练时不会两次查看完全相同的图像。这让模型能够观察到数据的更多内容，从而具有更好的泛化能力 在 Keras 中，这可以通过对 ImageDataGenerator 实例读取的图像执行多次随机变换来实现 Demo
代码语言：javascript复制from keras.preprocessing.image import ImageDataGenerator
datagen = ImageDataGenerator(rotation_range=40, width_shift_range=0.2, height_shift_range=0.2, shear_range=0.2, zoom_range=0.2, horizontal_flip=True, fill_mode='nearest')其中
rotation_range 是角度值(在 0~180 范围内)，表示图像随机旋转的角度范围 width_shift 和 height_shift 是图像在水平或垂直方向上平移的范围(相对于总宽度或总高度的比例) shear_range 是随机错切变换的角度 zoom_range 是图像随机缩放的范围 horizontal_flip 是随机将一半图像水平翻转 fill_mode 是用于填充新创建像素的方法，这些新像素可能来自于旋转或宽度 / 高度平移
使用数据增强的方法增加数据
代码语言：javascript复制from keras.preprocessing import image
import matplotlib.pyplot as plt
from keras.preprocessing.image import ImageDataGenerator
import numpy as np
img_path = '/home/fan/dataset/dogVScat/testDogVSCat/train/dogs/dog.77.jpg'
# 加载图片并调整尺寸
img = np.asarray(image.load_img(img_path, target_size=(150, 150)))
datagen = ImageDataGenerator(rotation_range=40, width_shift_range=0.2, height_shift_range=0.2, shear_range=0.2, zoom_range=0.2, horizontal_flip=True, fill_mode='nearest')
plt.imshow(img)
plt.title('original img')
plt.show()
img = img.reshape((1, ) img.shape)
i = 0
for item in datagen.flow(img, batch_size=1):
item = image.array_to_img(item[0])
plt.subplot(2, 2, i 1)
plt.imshow(item)
i = 1
plt.title('generated img ' str(i))
if i % 4 == 0:
break
plt.show()结果如下
为了继续降低过拟合，可以再向网络中添加dropout。Keras向网络中添加dropout
代码语言：javascript复制model.add(layers.Dropout(0.5))通过使用数据增强，正则化以及调节网络参数可以在一定程度上提高精度，但是因为数据较少，想要进一步提高精度就需要使用预训练的模型
