深度学习入门之猫vs狗（超简单）

学习深度学习需要从简单模型入手，可以选择手写字识别或者猫vs狗数据入手。
这篇文章从猫和狗的识别入手对深度学习有一个简单的认知，最后可以输入自己的图片做测试。
文章结构如下：

猫狗数据集
数据预处理
模型加载与训练
输入自己的数据做测试

深度学习框架

文章用的是tensorflow2.0版本的深度学习框架。所以开始之前需要下载python，安装tensorflow2.0的库。

1.猫狗数据集

数据集导入

tensorflow_datasets中有许多数据集，我们训练用的猫狗数据集就从tensorflow_datasets中引入即可。

import tensorflow_datasets as tfds
tfds.disable_progress_bar()SPLIT_WEIGHTS = (8, 1, 1)  # 将数据集按8:1:1分为训练集，验证集，测试集。
splits = tfds.Split.TRAIN.subsplit(weighted=SPLIT_WEIGHTS)# 加载数据集
(raw_train, raw_validation, raw_test), metadata = tfds.load('cats_vs_dogs', split=list(splits),with_info=True, as_supervised=True)print(raw_train)
print(raw_validation)
print(raw_test)

打印的结果是训练集，验证集，测试集的shape，它们都是三通道的数组与标签组成，形如（(None, None, 3), (1)），如下所示：

<_OptionsDataset shapes: ((None, None, 3), ()), types: (tf.uint8, tf.int64)>
<_OptionsDataset shapes: ((None, None, 3), ()), types: (tf.uint8, tf.int64)>
<_OptionsDataset shapes: ((None, None, 3), ()), types: (tf.uint8, tf.int64)>

数据查看

先看看数据长啥样吧。
代码中metadata是数据自带的元数据，这里是cat或者dog。可以不用关心这个数据。
raw_train.take(2)表示取两个数据。

get_label_name = metadata.features['label'].int2strfor image, label in raw_train.take(2):print(“label = ”，label)plt.figure()plt.imshow(image)plt.title(get_label_name(label))

输出的tf.Tensor(1, shape=(), dtype=int64)表示这是一个tensor变量（不清楚可以百度），并且值为1，这里1是狗，0是猫。
如下所示：

至此，数据集的载入完成，接下来是对数据做一些预处理，做归一化与resize等。

2. 数据预处理

由于图片大小不一样，所以我们在训练时需要将其resize到一个大小，以便使用批处理，至于为什么用批处理，可以看数据预处理部分。
注意这里对数据做的几个处理，一是将数据类型变为float32（tensorflow模型输入的统一数据类型），二是做归一化，将输入图片的像素值变为（0，1），最后是做resize。
tensorflow2.0对数据的处理方面也很人性化，很容易理解，如下的raw_train为一个dataset类型，可以调用.map对它做映射，.shuffle打乱顺序，.batch设置批量。对自己的数据集做预处理载入可以看说明文档。

# 图片预处理IMG_SIZE = 160 # All images will be resized to 160x160def format_example(image, label):image = tf.cast(image, tf.float32)image = (image/127.5) - 1image = tf.image.resize(image, (IMG_SIZE, IMG_SIZE))return image, labeltrain = raw_train.map(format_example)
validation = raw_validation.map(format_example)
test = raw_test.map(format_example)BATCH_SIZE = 32
SHUFFLE_BUFFER_SIZE = 1000train_batches = train.shuffle(SHUFFLE_BUFFER_SIZE).batch(BATCH_SIZE)
validation_batches = validation.batch(BATCH_SIZE)
test_batches = test.batch(BATCH_SIZE)

3. 模型加载与训练

上面做好了模型的输入后，接下来就要进行模型的加载与训练了。模型加载完了，激动人心的测试阶段还会远吗。

加载内置模型作为基础模型

先加载MobileNetV2模型作为卷积层。
加载tensorflow内置的模型方法，以及参数可以参看模型加载部分。

# 加载模型
import tensorflow as tf
IMG_SHAPE = (IMG_SIZE, IMG_SIZE, 3)# 以 MobileNet V2为基础模型。
base_model = tf.keras.applications.MobileNetV2(input_shape=IMG_SHAPE,include_top=False,weights='imagenet')
feature_batch = base_model(image_batch)

添加全连接层

在上述模型的基础上添加全连接层。
在制作模型时涉及的函数参数可以参看tensorflow2.0 api。其中Sequential是一个序列，模型按照序列中的顺序执行。

# 修改模型global_average_layer = tf.keras.layers.GlobalAveragePooling2D()# 分类层， Dense中的参数为输出的类别数量，这里分1类，即只识别狗。
prediction_layer = keras.layers.Dense(1)model = tf.keras.Sequential([base_model,global_average_layer,prediction_layer
])

模型训练

tensorflow2.0的模型训练过程就特别人性化，特别简单了，很多参数已经默认，一般需要注意输入与输出即可，这里输入用dataset，输出为预测值。后面再细看输出是什么。

base_learning_rate = 0.0001  # 学习率，代表每次优化的大小，一般1e-3与1e-4比较合适initial_epochs = 5  # 训练的轮数model.compile(optimizer=tf.keras.optimizers.RMSprop(lr=base_learning_rate),loss='binary_crossentropy',metrics=['accuracy'])model.fit(train_batches,epochs=initial_epochs,validation_data=validation_batches)weight_path = os.path.join('cat_vs_dogs')
model.save_weights(weight_path)  # 保存模型参数

4. 输入自己的数据做测试

激动人心的时刻终于来了，接下来用自己的照片验证模型识别效果，我百度了几张猫和狗的照片作为例子验证。

from PIL import Imageweight_path = os.path.join('cat_vs_dogs')
model.load_weights(weight_path)def format_test(image):#对输入做预处理image = np.array(image)image = tf.cast(image, tf.float32)image = (image/127.5) - 1image = tf.image.resize(image, (IMG_SIZE, IMG_SIZE))return imageimage = Image.open("dog2.jpg")
plt.imshow(image)
test_image = format_test(image)
test_image = test_image[np.newaxis,:,:,:]  # 给输入增加一个维度变为[1, h, w, c]， 这里batch为1pred = model.predict(test_image)
print(pred)# 结果大于0为狗，小于0为猫
pred[pred>0]=1
pred[pred<=0]=0
print(pred)

结果中的predict为[batch, 1]维数组，在文章的例子中，batch取1，所以一次训练一张图。同时，由于二分类可以只识别狗，概率大于0的是狗，小于0的是猫，这是模型中的分类层决定的。
结果：

猫狗识别是比较简单的分类网络，输入的图片与label分别为n通道的图与数字，输出的为各个类别的概率列表。