mxnet入门--第4篇

在第3篇文章中，我们构建并训练了第一个神经网络，接下来可以处理一些更复杂的样本了。

最顶尖的深度学习模型通常都复杂到让人难以置信。其中可能包含数百层，就算用不了数周，往往也要数天时间来使用海量数据进行训练。这类模型的构建和优化需要大量经验。

好在这些模型的使用还是很简单的，通常只需要编写几行代码。本文将使用一个名为Inception v3的预训练模型进行图片分类。

Inception v3

诞生于2015年12月的Inception v3是GoogleNet模型（曾赢得2014年度ImageNet挑战赛）的改进版。本文不准备深入介绍该模型的研究论文，不过打算强调一下论文的结论：相比当时最棒的模型，Inception v3的准确度高出了15%–25%，同时计算的经济性方面低六倍，并且至少将参数的数量减少了五倍（例如使用该模型对内存的要求更低）。

简直就是神器！那么我们该如何使用？

MXNet model zoo

Model zoo提供了一系列可直接使用的预训练模型，并且通常还会提供模型定义、模型参数（例如神经元权重），（也许还会提供）使用说明。

首先来下载定义和参数（你也许需要更改文件名）。第一个文件可以直接打开：其中包含了每一层的定义。第二个文件是一个二进制文件，请不要打开 ;)

$ wget http://data.dmlc.ml/models/imagenet/inception-bn/Inception-BN-symbol.json
$ wget http://data.dmlc.ml/models/imagenet/inception-bn/Inception-BN-0126.params
$ mv Inception-BN-0126.params Inception-BN-0000.params

该模型已通过ImageNet数据集进行了训练，因此我们还需要下载对应的图片分类清单（共有1000个分类）。

$ wget http://data.dmlc.ml/models/imagenet/synset.txt
$ wc -l synset.txt1000 synset.txt
$ head -5 synset.txt
n01440764 tench, Tinca tinca
n01443537 goldfish, Carassius auratus
n01484850 great white shark, white shark, man-eater, man-eating shark, Carcharodon carcharias
n01491361 tiger shark, Galeocerdo cuvieri
n01494475 hammerhead, hammerhead shark

搞定，开始实战。

加载模型

我们需要：

加载处于保存状态的模型：MXNet将其称之为检查点(Checkpoint)。随后即可得到输入的Symbol和模型参数。
```
import mxnet as mxsym, arg_params, aux_params = mx.model.load_checkpoint('Inception-BN', 0)
```
新建一个Module并为其指派输入Symbol。我们还可以使用一个Context参数决定要在哪里运行该模型：默认值为cpu(0)，但也可改为gpu(0)以便通过GPU运行。
```
mod = mx.mod.Module(symbol=sym)
```
将输入Symbol绑定至输入数据。将其称之为“数据”是因为在网络的输入层中就使用了这样的名称（可以从JSON文件的前几行代码中看到）。
将“数据”的形态(Shape)定义为1x3x224x224。别慌 ;)，“224x224”是图片的分辨率，模型就是这样训练出来的。“3”是通道数量：红绿蓝（严格按照这样的顺序），“1”是批大小：我们将一次预测一张图片。
```
mod.bind(for_training=False, data_shapes=[('data', (1,3,224,224))])
```
设置模型参数。
```
mod.set_params(arg_params, aux_params)
```

这样就可以了。只需要四行代码！随后可以放入一些数据看看会发生什么。嗯……先别急。

准备数据

数据准备：从七十年代以来，这一直是个痛苦的过程……从关系型数据库到机器学习，再到深度学习，这方面没有任何改进。虽然乏味但很必要。开始吧。

还记得吗，这个模型需要通过四维NDArray来保存一张224x224分辨率图片的红、绿、蓝通道数据。我们将使用流行的OpenCV库从输入图片中构建这样的NDArray。如果还没安装OpenCV，考虑到本例的要求，直接运行pip install opencv-python就够了 :)。

随后的步骤如下：

读取图片：将返回一个Numpy数组，其形态为（图片高度, 图片宽度, 3），按顺序代表BGR（蓝、绿、红）三个通道。
```
img = cv2.imread(filename)
```

将图片转换为RGB。

img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

将图片调整大小至224x224。
```
img = cv2.resize(img, (224, 224,))
```
重塑数组的形态，从（图片高度, 图片宽度, 3）重塑为（3, 图片高度, 图片宽度）。
```
img = np.swapaxes(img, 0, 2)
img = np.swapaxes(img, 1, 2)
```

添加一个第四维度并构建NDArray

img = img[np.newaxis, :]
array = mx.nd.array(img)
>>> print array.shape
(1L, 3L, 224L, 224L)

晕了？一起用个例子看看吧。输入下列这张图片：

输入448x336的图片（来源：metaltraveller.com）

处理完毕后，该图会被缩小尺寸并拆分为RGB通道，存储在array[0]中（生成下文图片的代码可参阅这里）。

array[0][0]：224x224，红色通道

array0：224x224，绿色通道

array0：224x224，蓝色通道

如果批大小大于1，那么可以通过array1指定第二张图片，使用array2指定第三张图片，以此类推。

无论这个过程是乏味还是有趣，接下来我们开始预测吧！

开始预测

你可能还记得第3篇文章中提到，Module对象必须以批为单位向模型提供数据：最常见的做法是使用数据迭代器（因此我们使用了NDArrayIter对象）。

在这里我们想要预测一张图片，因此尽管可以使用数据迭代器，不过也没啥必要。但我们可以创建一个名为Batch的具名元组(Named tuple),它可以充当假的迭代器，在引用数据属性时返回输入的NDArray。

from collections import namedtuple
Batch = namedtuple('Batch', ['data'])

随后即可将这个“Batch”传递给模型开始预测。

mod.forward(Batch([array]))

这个模型会输出一个包含1000个可能性的NDArray，每个可能性对应一个分类。由于批大小等于1，因此只需要一行代码。

prob = mod.get_outputs()[0].asnumpy()
>>> prob.shape
(1, 1000)

使用squeeze()将其转换为数组，随后使用argsort()创建第二个数组，其中保存了这些可能性按照降序排列的指数。

prob = np.squeeze(prob)
>>> prob.shape
(1000,)
>> prob
[  4.14978594e-08   1.31608676e-05   2.51907986e-05   2.24045834e-052.30327873e-06   3.40798979e-05   7.41563645e-06   3.04062659e-08 etc.
sortedprob = np.argsort(prob)[::-1]
>> sortedprob.shape
(1000,)

根据模型的计算，这张图片最可能的分类是#546，可能性为58%。

>> sortedprob
[546 819 862 818 542 402 650 420 983 632 733 644 513 875 776 917 795
etc.
>> prob[546]
0.58039135

这个分类叫什么名字呢？我们可以使用synset.txt文件构建分类清单，并找出546号的名称。

synsetfile = open('synset.txt', 'r')
categorylist = []
for line in synsetfile:categorylist.append(line.rstrip())
>>> categorylist[546]
'n03272010 electric guitar'

可能性第二大的分类是什么？

>>> prob[819]
0.27168664
>>> categorylist[819]
'n04296562 stage

挺棒的，你说呢？

就是这样，我们已经了解了如何使用预训练的顶尖模型进行图片分类。而这一切只需要4行代码……除此之外只要准备好数据就够了。

完整代码如下，请自行尝试并继续保持关注 ??

代码已发布至GitHub：mxnet_example2.py

后续内容：

第5篇：进一步了解预训练模型（VGG16和ResNet-152）
第6篇：通过树莓派进行实时物体检测（并让它讲话！）