溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》
您好，登錄后才能下訂單哦！
今年來人工智能的概念越來越火，AlphaGo以4：1擊敗李世石更是起到推波助瀾的作用。作為一個開挖掘機的菜鳥，深深感到不學(xué)習(xí)一下deep learning早晚要被淘汰。
既然要開始學(xué)，當然是搭一個深度神經(jīng)網(wǎng)絡(luò)跑幾個數(shù)據(jù)集感受一下作為入門最直觀了。自己寫代碼實現(xiàn)的話debug的過程和運行效率都會很憂傷，我也不知道怎么調(diào)用GPU… 所以還是站在巨人的肩膀上，用現(xiàn)成的框架吧。粗略了解一下，現(xiàn)在比較知名的有caffe、mxnet、tensorflow等等。選哪個呢？對我來說選擇的標準就兩個，第一要容易安裝(想盡快入門的迫切心情實在難以忍受一大堆的配置安裝…)；第二文檔要齊全(這應(yīng)該是廢話 - -)。這幾個大名鼎鼎的框架文檔都是比較齊全的，那就看最容易安裝的。看了幾個文檔，tensorflow算是最容易安裝的了。基本就是pip intall 給定的URL就可以了。安裝方式的文檔可以在tensorflow安裝教程上查看。
tensorflow基本概念與用法
tensorflow直譯過來就是張量流。去年google剛推出tensorflow的時候我就納悶，為什么深度學(xué)習(xí)會牽扯到張量，以前學(xué)彈塑性力學(xué)的時候就是一大堆張量看的很煩…不過還好要理解tensorflow里的tensor完全不用理會那些。先來看一下官方文檔的說明：
class tf.Tensor
Represents a value produced by an Operation.
A Tensor is a symbolic handle to one of the outputs of an Operation. It does not hold the values of that operation's output, but instead provides a means of computing those values in a TensorFlow Session.
首先，Tensor代表了執(zhí)行一個操作(運算)所產(chǎn)生的值。其次，一個Tensor實例并不會保存具體的值，而只是代表了產(chǎn)生這些值的運算方式。好像有些拗口，也就是說假如有一個加法操作add，令c = add(1,1)。那么c就是一個tensor實例了，代表了1+1的結(jié)果，但是它并沒有存儲2這個具體的值，它只知道它代表1+1這個運算。從這里也可以看出，tensorflow里的api都是惰性求值，等真正需要知道具體的值的時候，才會執(zhí)行計算，其他時候都是在定義計算的過程。
Tensor可以代表從常數(shù)一直到N維數(shù)組的值。
Flow指的是，指的是tensorflow這套框架里的數(shù)據(jù)傳遞全部都是tensor，也就是運算的輸入，輸出都是tensor。
常用操作
這里只是簡單介紹一下在后面定義卷積神經(jīng)網(wǎng)絡(luò)的時候會用到的東西。想要了解更詳細的內(nèi)容還得參考官網(wǎng)上的文檔。
首先import tensorflow as tf，后面的tf就代表tensorflow啦。
常數(shù)
tf.constant 是一個Operation,用來產(chǎn)生常數(shù),可以產(chǎn)生scalar與N-D array. a是一個tensor,代表了由constant這個Operation所產(chǎn)生的標量常數(shù)值的過程。 b就是代表了產(chǎn)生一個2*2的array的過程。
a = tf.constant(3) b = tf.constant(3,shape=[2,2])
變量
變量代表了神經(jīng)網(wǎng)絡(luò)中的參數(shù)，在優(yōu)化計算的過程中需要被改變。tf.Variable當然也是一個Operation，用來產(chǎn)生一個變量，構(gòu)造函數(shù)需要傳入一個Tensor對象，傳入的這個Tensor對象就決定了這個變量的值的類型(float 或 int)與shape。
變量雖然與Tensor有不同的類型，但是在計算過程中是與Tensor一樣可以作為輸入輸出的。(可以理解為Tensor的派生類，但是實際上可能并不是這樣，我還沒有看源碼)
變量在使用前都必須初始化。
w = tf.Variable(b)
Operation
其實Operation不應(yīng)該單獨拿出來說，因為之前的tf.constant和tf.Variable都是Op，不過還是說一下常規(guī)的操作，比如tf.matmul執(zhí)行矩陣計算，tf.conv2d用于卷積計算，Op的詳細用法以及其他的Op可以參考api文檔。
tf.matmul(m,n) tf.conv2d(...)
TensorFlow的計算由不同的Operation組成，比如下圖
定義了6*(3+5)這個計算過程。6、3、5其實也是Op，這在前面介紹過了。
卷積神經(jīng)網(wǎng)絡(luò)用于人臉關(guān)鍵點識別
寫到這里終于要開始進入正題了，先從CNN做起吧。Tensorflow的tutorial里面有介紹用CNN(卷積神經(jīng)網(wǎng)絡(luò))來識別手寫數(shù)字，直接把那里的代碼copy下來跑一遍也是可以的。但是那比較沒有意思，kaggle上有一個人臉關(guān)鍵點識別的比賽，有數(shù)據(jù)集也比較有意思，就拿這個來練手了。
定義卷積神經(jīng)網(wǎng)絡(luò)
首先是定義網(wǎng)絡(luò)結(jié)構(gòu)，在這個例子里我用了3個卷積層，第一個卷積層用3∗3的卷積核，后面兩個用2∗2的卷積核。每個卷積層后面都跟max_pool池化層，之后再跟3個全連接層（兩個隱層一個輸出層）。每個卷積層的feature_map分別用32、64、128。
產(chǎn)生權(quán)值的函數(shù)代碼如下
#根據(jù)給定的shape定義并初始化卷積核的權(quán)值變量
def weight_variable(shape):
initial = tf.truncated_normal(shape, stddev=0.1)
return tf.Variable(initial)
#根據(jù)shape初始化bias變量
def bias_variable(shape):
initial = tf.constant(0.1, shape=shape)
return tf.Variable(initial)
定義卷積運算的代碼如下。對tf.nn.con2d()的參數(shù)還是要說明一下
1. x是輸入的樣本，在這里就是圖像。x的shape=[batch, height, width, channels]。
2. W表示卷積核的參數(shù)，shape的含義是[height,width,in_channels,out_channels]。
3. strides參數(shù)表示的是卷積核在輸入x的各個維度下移動的步長。了解CNN的都知道，在寬和高方向stride的大小決定了卷積后圖像的size。這里為什么有4個維度呢？因為strides對應(yīng)的是輸入x的維度，所以strides第一個參數(shù)表示在batch方向移動的步長，第四個參數(shù)表示在channels上移動的步長，這兩個參數(shù)都設(shè)置為1就好。重點就是第二個，第三個參數(shù)的意義，也就是在height于width方向上的步長，這里也都設(shè)置為1。
4. padding參數(shù)用來控制圖片的邊距，'SAME'表示卷積后的圖片與原圖片大小相同，'VALID'的話卷積以后圖像的高為Heightout=Height原圖−Height卷積核+1/StrideHeight， 寬也同理。
def conv2d(x,W): return tf.nn.cov2d(x,W,strides=[1,1,1,1],padding='VALID')
接著是定義池化層的代碼，這里用2∗2的max_pool。參數(shù)ksize定義pool窗口的大小，每個維度的意義與之前的strides相同，所以實際上我們設(shè)置第二個，第三個維度就可以了。
def max_pool_2x2(x): return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],strides=[1, 2, 2, 1], padding='SAME')
定義好產(chǎn)生權(quán)重、卷積、池化的函數(shù)以后就要開始組裝這個卷積神經(jīng)網(wǎng)絡(luò)了。定義之前再定義一下輸入樣本x與對應(yīng)的目標值y_。這里用了tf.placeholder表示此時的x與y_是指定shape的站位符，之后在定義網(wǎng)絡(luò)結(jié)構(gòu)的時候并不需要真的輸入了具體的樣本，只要在求值的時候feed進去就可以了。激活函數(shù)用relu，api也就是tf.nn.relu。
keep_prob是最后dropout的參數(shù)，dropout的目的是為了抗過擬合。
rmse是損失函數(shù)，因為這里的目的是為了檢測人臉關(guān)鍵點的位置，是回歸問題，所以用root-mean-square-error。并且最后的輸出層不需要套softmax，直接輸出y值就可以了。
這樣就組裝好了一個卷積神經(jīng)網(wǎng)絡(luò)。后續(xù)的步驟就是根據(jù)輸入樣本來train這些參數(shù)啦。
x = tf.placeholder("float", shape=[None, 96, 96, 1])
y_ = tf.placeholder("float", shape=[None, 30])
keep_prob = tf.placeholder("float")
def model():
W_conv1 = weight_variable([3, 3, 1, 32])
b_conv1 = bias_variable([32])
h_conv1 = tf.nn.relu(conv2d(x, W_conv1) + b_conv1)
h_pool1 = max_pool_2x2(h_conv1)
W_conv2 = weight_variable([2, 2, 32, 64])
b_conv2 = bias_variable([64])
h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
h_pool2 = max_pool_2x2(h_conv2)
W_conv3 = weight_variable([2, 2, 64, 128])
b_conv3 = bias_variable([128])
h_conv3 = tf.nn.relu(conv2d(h_pool2, W_conv3) + b_conv3)
h_pool3 = max_pool_2x2(h_conv3)
W_fc1 = weight_variable([11 * 11 * 128, 500])
b_fc1 = bias_variable([500])
h_pool3_flat = tf.reshape(h_pool3, [-1, 11 * 11 * 128])
h_fc1 = tf.nn.relu(tf.matmul(h_pool3_flat, W_fc1) + b_fc1)
W_fc2 = weight_variable([500, 500])
b_fc2 = bias_variable([500])
h_fc2 = tf.nn.relu(tf.matmul(h_fc1, W_fc2) + b_fc2)
h_fc2_drop = tf.nn.dropout(h_fc2, keep_prob)
W_fc3 = weight_variable([500, 30])
b_fc3 = bias_variable([30])
y_conv = tf.matmul(h_fc2_drop, W_fc3) + b_fc3
rmse = tf.sqrt(tf.reduce_mean(tf.square(y_ - y_conv)))
return y_conv, rmse
訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)
讀取訓(xùn)練數(shù)據(jù)
定義好卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)之后，就要開始訓(xùn)練。訓(xùn)練首先是要讀取訓(xùn)練樣本。下面的代碼用于讀取樣本。
import pandas as pd
import numpy as np
TRAIN_FILE = 'training.csv'
TEST_FILE = 'test.csv'
SAVE_PATH = 'model'
VALIDATION_SIZE = 100 #驗證集大小
EPOCHS = 100 #迭代次數(shù)
BATCH_SIZE = 64 #每個batch大小，稍微大一點的batch會更穩(wěn)定
EARLY_STOP_PATIENCE = 10 #控制early stopping的參數(shù)
def input_data(test=False):
file_name = TEST_FILE if test else TRAIN_FILE
df = pd.read_csv(file_name)
cols = df.columns[:-1]
#dropna()是丟棄有缺失數(shù)據(jù)的樣本，這樣最后7000多個樣本只剩2140個可用的。
df = df.dropna()
df['Image'] = df['Image'].apply(lambda img: np.fromstring(img, sep=' ') / 255.0)
X = np.vstack(df['Image'])
X = X.reshape((-1,96,96,1))
if test:
y = None
else:
y = df[cols].values / 96.0 #將y值縮放到[0,1]區(qū)間
return X, y
#最后生成提交結(jié)果的時候要用到
keypoint_index = {
'left_eye_center_x':0,
'left_eye_center_y':1,
'right_eye_center_x':2,
'right_eye_center_y':3,
'left_eye_inner_corner_x':4,
'left_eye_inner_corner_y':5,
'left_eye_outer_corner_x':6,
'left_eye_outer_corner_y':7,
'right_eye_inner_corner_x':8,
'right_eye_inner_corner_y':9,
'right_eye_outer_corner_x':10,
'right_eye_outer_corner_y':11,
'left_eyebrow_inner_end_x':12,
'left_eyebrow_inner_end_y':13,
'left_eyebrow_outer_end_x':14,
'left_eyebrow_outer_end_y':15,
'right_eyebrow_inner_end_x':16,
'right_eyebrow_inner_end_y':17,
'right_eyebrow_outer_end_x':18,
'right_eyebrow_outer_end_y':19,
'nose_tip_x':20,
'nose_tip_y':21,
'mouth_left_corner_x':22,
'mouth_left_corner_y':23,
'mouth_right_corner_x':24,
'mouth_right_corner_y':25,
'mouth_center_top_lip_x':26,
'mouth_center_top_lip_y':27,
'mouth_center_bottom_lip_x':28,
'mouth_center_bottom_lip_y':29
}
開始訓(xùn)練
執(zhí)行訓(xùn)練的代碼如下，save_model用于保存當前訓(xùn)練得到在驗證集上loss最小的模型，方便以后直接拿來用。
tf.InteractiveSession()用來生成一個Session，(好像是廢話…)。Session相當于一個引擎，TensorFlow框架要真正的進行計算，都要通過Session引擎來啟動。
tf.train.AdamOptimizer是優(yōu)化的算法，Adam的收斂速度會比較快,1e-3是learning rate,這里先簡單的用固定的。minimize就是要最小化的目標，當然是最小化均方根誤差了。
def save_model(saver,sess,save_path):
path = saver.save(sess, save_path)
print 'model save in :{0}'.format(path)
if __name__ == '__main__':
sess = tf.InteractiveSession()
y_conv, rmse = model()
train_step = tf.train.AdamOptimizer(1e-3).minimize(rmse)
#變量都要初始化
sess.run(tf.initialize_all_variables())
X,y = input_data()
X_valid, y_valid = X[:VALIDATION_SIZE], y[:VALIDATION_SIZE]
X_train, y_train = X[VALIDATION_SIZE:], y[VALIDATION_SIZE:]
best_validation_loss = 1000000.0
current_epoch = 0
TRAIN_SIZE = X_train.shape[0]
train_index = range(TRAIN_SIZE)
random.shuffle(train_index)
X_train, y_train = X_train[train_index], y_train[train_index]
saver = tf.train.Saver()
print 'begin training..., train dataset size:{0}'.format(TRAIN_SIZE)
for i in xrange(EPOCHS):
random.shuffle(train_index) #每個epoch都shuffle一下效果更好
X_train, y_train = X_train[train_index], y_train[train_index]
for j in xrange(0,TRAIN_SIZE,BATCH_SIZE):
print 'epoch {0}, train {1} samples done...'.format(i,j)
train_step.run(feed_dict={x:X_train[j:j+BATCH_SIZE],
y_:y_train[j:j+BATCH_SIZE], keep_prob:0.5})
#電腦太渣，用所有訓(xùn)練樣本計算train_loss居然死機，只好注釋了。
#train_loss = rmse.eval(feed_dict={x:X_train, y_:y_train, keep_prob: 1.0})
validation_loss = rmse.eval(feed_dict={x:X_valid, y_:y_valid, keep_prob: 1.0})
print 'epoch {0} done! validation loss:{1}'.format(i, validation_loss*96.0)
if validation_loss < best_validation_loss:
best_validation_loss = validation_loss
current_epoch = i
save_model(saver,sess,SAVE_PATH) #即時保存最好的結(jié)果
elif (i - current_epoch) >= EARLY_STOP_PATIENCE:
print 'early stopping'
break
在測試集上預(yù)測
下面的代碼用于預(yù)測test.csv里面的人臉關(guān)鍵點，最后的y值要乘以96，因為之前縮放到[0,1]區(qū)間了。
X,y = input_data(test=True)
y_pred = []
TEST_SIZE = X.shape[0]
for j in xrange(0,TEST_SIZE,BATCH_SIZE):
y_batch = y_conv.eval(feed_dict={x:X[j:j+BATCH_SIZE], keep_prob:1.0})
y_pred.extend(y_batch)
print 'predict test image done!'
output_file = open('submit.csv','w')
output_file.write('RowId,Location\n')
IdLookupTable = open('IdLookupTable.csv')
IdLookupTable.readline()
for line in IdLookupTable:
RowId,ImageId,FeatureName = line.rstrip().split(',')
image_index = int(ImageId) - 1
feature_index = keypoint_index[FeatureName]
feature_location = y_pred[image_index][feature_index] * 96
output_file.write('{0},{1}\n'.format(RowId,feature_location))
output_file.close()
IdLookupTable.close()
結(jié)果
用這個結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練出來的模型，在測試集上預(yù)測的結(jié)果提交以后的成績是3.4144，在kaggle的leaderboard上是41名，初試CNN，感覺還可以了。這只是數(shù)據(jù)，還是找一些現(xiàn)實的照片來試試這個模型如何，所以我找了一張anglababy的，標識出來的關(guān)鍵點感覺還算靠譜?；赥ensorFlow的卷積神經(jīng)網(wǎng)絡(luò)先寫到這了，有什么遺漏的想起來再補充，之后對深度學(xué)習(xí)更了解了，再寫寫CNN的原理，bp的推導(dǎo)過程之類的。
以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持億速云。
免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權(quán)請聯(lián)系站長郵箱：is@yisu.com進行舉報，并提供相關(guān)證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權(quán)內(nèi)容。
億速云公眾號
手機網(wǎng)站二維碼