TensorFlow|猫狗识别

🍨 本文为 🔗365天深度学习训练营中的学习记录博客
🍖 原作者： K同学啊

要求：

了解model.train_on_batch()并运用
了解tqdm，并使用tqdm实现可视化进度条

🍻 拔高（可选）：

本文代码中存在一个严重的BUG，请找出它并配以文字说明

🔎 探索（难度有点大）

修改代码，处理BUG

这篇文章中我放弃了以往的model.fit()训练方法，改用model.train_on_batch方法。两种方法的比较：

model.fit()：用起来十分简单，对新手非常友好

model.train_on_batch()：封装程度更低，可以玩更多花样。

此外我也引入了进度条的显示方式，更加方便我们及时查看模型训练过程中的情况，可以及时打印各项指标。

一、前期工作

1. 设置GPU

如果使用的是CPU可以注释掉这部分的代码。

python 复制代码

import tensorflow as tf

gpus = tf.config.list_physical_devices("GPU")

if gpus:
    tf.config.experimental.set_memory_growth(gpus[0], True)  #设置GPU显存用量按需使用
    tf.config.set_visible_devices([gpus[0]],"GPU")

# 打印显卡信息，确认GPU可用
print(gpus)

2. 导入数据

python 复制代码

import matplotlib.pyplot as plt
# 支持中文
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

import os,PIL,pathlib

#隐藏警告
import warnings
warnings.filterwarnings('ignore')

data_dir = "C:/Users/76967/.keras/datasets/365-7-data"
data_dir = pathlib.Path(data_dir)

image_count = len(list(data_dir.glob('*/*')))

print("图片总数为：",image_count)

图片总数为： 3400

二、数据预处理

1. 加载数据

使用image_dataset_from_directory方法将磁盘中的数据加载到tf.data.Dataset中

python 复制代码

batch_size = 8
img_height = 224
img_width = 224

TensorFlow版本是2.2.0的同学可能会遇到module 'tensorflow.keras.preprocessing' has no attribute 'image_dataset_from_directory'的报错，升级一下TensorFlow就OK了。

python 复制代码

"""
关于image_dataset_from_directory()的详细介绍可以参考文章：https://mtyjkh.blog.csdn.net/article/details/117018789
"""
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
    data_dir,
    validation_split=0.2,
    subset="training",
    seed=12,
    image_size=(img_height, img_width),
    batch_size=batch_size)

Found 3400 files belonging to 2 classes.

Using 2720 files for training.

python 复制代码

"""
关于image_dataset_from_directory()的详细介绍可以参考文章：https://mtyjkh.blog.csdn.net/article/details/117018789
"""
val_ds = tf.keras.preprocessing.image_dataset_from_directory(
    data_dir,
    validation_split=0.2,
    subset="validation",
    seed=12,
    image_size=(img_height, img_width),
    batch_size=batch_size)

Found 3400 files belonging to 2 classes.

Using 680 files for validation.

我们可以通过class_names输出数据集的标签。标签将按字母顺序对应于目录名称。

python 复制代码

class_names = train_ds.class_names
print(class_names)

['cat', 'dog']

2. 再次检查数据

python 复制代码

for image_batch, labels_batch in train_ds:
    print(image_batch.shape)
    print(labels_batch.shape)
    break

(8, 224, 224, 3)

(8,)

Image_batch是形状的张量（8, 224, 224, 3)。这是一批形状224x224x3的8张图片（最后一维指的是彩色通道RGB）。

Label_batch是形状（8，）的张量，这些标签对应8张图片

3. 配置数据集

shuffle() ：打乱数据，关于此函数的详细介绍可以参考：https://zhuanlan.zhihu.com/p/42417456

prefetch() ：预取数据，加速运行，其详细介绍可以参考我前两篇文章，里面都有讲解。

cache() ：将数据集缓存到内存当中，加速运行

python 复制代码

AUTOTUNE = tf.data.AUTOTUNE

def preprocess_image(image,label):
    return (image/255.0,label)

# 归一化处理
train_ds = train_ds.map(preprocess_image, num_parallel_calls=AUTOTUNE)
val_ds   = val_ds.map(preprocess_image, num_parallel_calls=AUTOTUNE)

train_ds = train_ds.cache().shuffle(1000).prefetch(buffer_size=AUTOTUNE)
val_ds   = val_ds.cache().prefetch(buffer_size=AUTOTUNE)

如果报 AttributeError: module 'tensorflow._api.v2.data' has no attribute 'AUTOTUNE' 错误，就将 AUTOTUNE = tf.data.AUTOTUNE 更换为 AUTOTUNE = tf.data.experimental.AUTOTUNE，这个错误是由于版本问题引起的。

4. 可视化数据

python 复制代码

plt.figure(figsize=(15, 10))  # 图形的宽为15高为10

for images, labels in train_ds.take(1):
    for i in range(8):
        
        ax = plt.subplot(5, 8, i + 1) 
        plt.imshow(images[i])
        plt.title(class_names[labels[i]])
        
        plt.axis("off")

三、构建VG-16网络

VGG优缺点分析：

VGG优点

VGG的结构非常简洁，整个网络都使用了同样大小的卷积核尺寸（3x3）和最大池化尺寸（2x2）。

VGG缺点

1)训练时间过长，调参难度大。2)需要的存储容量大，不利于部署。例如存储VGG-16权重值文件的大小为500多MB，不利于安装到嵌入式系统中。

结构说明：

13个卷积层（Convolutional Layer），分别用blockX_convX表示
3个全连接层（Fully connected Layer），分别用fcX与predictions表示
5个池化层（Pool layer），分别用blockX_pool表示

VGG-16****包含了16个隐藏层（13个卷积层和3个全连接层），故称为 VGG-16

python 复制代码

from tensorflow.keras import layers, models, Input
from tensorflow.keras.models import Model
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Dense, Flatten, Dropout

def VGG16(nb_classes, input_shape):
    input_tensor = Input(shape=input_shape)
    # 1st block
    x = Conv2D(64, (3,3), activation='relu', padding='same',name='block1_conv1')(input_tensor)
    x = Conv2D(64, (3,3), activation='relu', padding='same',name='block1_conv2')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'block1_pool')(x)
    # 2nd block
    x = Conv2D(128, (3,3), activation='relu', padding='same',name='block2_conv1')(x)
    x = Conv2D(128, (3,3), activation='relu', padding='same',name='block2_conv2')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'block2_pool')(x)
    # 3rd block
    x = Conv2D(256, (3,3), activation='relu', padding='same',name='block3_conv1')(x)
    x = Conv2D(256, (3,3), activation='relu', padding='same',name='block3_conv2')(x)
    x = Conv2D(256, (3,3), activation='relu', padding='same',name='block3_conv3')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'block3_pool')(x)
    # 4th block
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block4_conv1')(x)
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block4_conv2')(x)
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block4_conv3')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'block4_pool')(x)
    # 5th block
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block5_conv1')(x)
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block5_conv2')(x)
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block5_conv3')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'block5_pool')(x)
    # full connection
    x = Flatten()(x)
    x = Dense(4096, activation='relu',  name='fc1')(x)
    x = Dense(4096, activation='relu', name='fc2')(x)
    output_tensor = Dense(nb_classes, activation='softmax', name='predictions')(x)

    model = Model(input_tensor, output_tensor)
    return model

model=VGG16(1000, (img_width, img_height, 3))
model.summary()

这段代码定义了一个实现 VGG16 神经网络架构的函数，并使用 Keras 构建模型。VGG16 是一种常见的卷积神经网络（CNN）架构，通常用于图像分类任务。接下来是代码逐步的解释：

导入模块：

from tensorflow.keras import layers, models, Input

from tensorflow.keras.models import Model

from tensorflow.keras.layers import Conv2D, MaxPooling2D, Dense, Flatten, Dropout

tensorflow.keras 是 TensorFlow 的高级接口，用于构建深度学习模型。
Input 用于定义模型的输入层。
Conv2D 定义卷积层。
MaxPooling2D 定义最大池化层。
Dense 定义全连接层。
Flatten 用于将多维的输入展平为一维。
Dropout 是一种正则化方法，用于防止过拟合（在代码中没有使用）。

定义 VGG16 函数：

def VGG16(nb_classes, input_shape):

input_tensor = Input(shape=input_shape)

VGG16 函数接受两个参数：nb_classes 表示输出类别数（例如，如果进行 1000 类分类任务，nb_classes=1000），input_shape 是输入图像的形状（例如，(224, 224, 3) 表示图像为 224x224 像素，3 个颜色通道）。
input_tensor = Input(shape=input_shape) 定义了网络的输入层。

1st Block（第一个卷积块）：

x = Conv2D(64, (3,3), activation='relu', padding='same', name='block1_conv1')(input_tensor)

x = Conv2D(64, (3,3), activation='relu', padding='same', name='block1_conv2')(x) x = MaxPooling2D((2,2), strides=(2,2), name='block1_pool')(x)

该块包含 2 个卷积层，每个卷积层使用 64 个 3x3 的滤波器（Conv2D(64, (3, 3))），激活函数为 ReLU。
padding='same' 表示输入和输出的大小相同，卷积会自动填充输入的边缘。
使用最大池化（MaxPooling2D），池化窗口大小为 2x2，步幅为 2。

2nd Block（第二个卷积块）：

x = Conv2D(128, (3,3), activation='relu', padding='same', name='block2_conv1')(x) x = Conv2D(128, (3,3), activation='relu', padding='same', name='block2_conv2')(x) x = MaxPooling2D((2,2), strides=(2,2), name='block2_pool')(x)

该块包含 2 个卷积层，每个卷积层使用 128 个 3x3 的滤波器。
同样使用最大池化，池化窗口大小为 2x2。

3rd Block（第三个卷积块）：

x = Conv2D(256, (3,3), activation='relu', padding='same', name='block3_conv1')(x) x = Conv2D(256, (3,3), activation='relu', padding='same', name='block3_conv2')(x) x = Conv2D(256, (3,3), activation='relu', padding='same', name='block3_conv3')(x) x = MaxPooling2D((2,2), strides=(2,2), name='block3_pool')(x)

该块包含 3 个卷积层，每个卷积层使用 256 个 3x3 的滤波器。
最大池化操作与前面相同。

4th Block（第四个卷积块）：

x = Conv2D(512, (3,3), activation='relu', padding='same', name='block4_conv1')(x) x = Conv2D(512, (3,3), activation='relu', padding='same', name='block4_conv2')(x) x = Conv2D(512, (3,3), activation='relu', padding='same', name='block4_conv3')(x) x = MaxPooling2D((2,2), strides=(2,2), name='block4_pool')(x)

该块包含 3 个卷积层，每个卷积层使用 512 个 3x3 的滤波器。
使用最大池化层。

5th Block（第五个卷积块）：

x = Conv2D(512, (3,3), activation='relu', padding='same', name='block5_conv1')(x) x = Conv2D(512, (3,3), activation='relu', padding='same', name='block5_conv2')(x) x = Conv2D(512, (3,3), activation='relu', padding='same', name='block5_conv3')(x) x = MaxPooling2D((2,2), strides=(2,2), name='block5_pool')(x)

该块也是 3 个卷积层，每个卷积层使用 512 个 3x3 的滤波器，并且使用最大池化。

全连接层（Fully Connected Layers）：

x = Flatten()(x) x = Dense(4096, activation='relu', name='fc1')(x)

x = Dense(4096, activation='relu', name='fc2')(x)

output_tensor = Dense(nb_classes, activation='softmax', name='predictions')(x)

Flatten() 将卷积层输出的多维张量展平成一维向量，准备传入全连接层。
Dense(4096, activation='relu') 创建 2 个全连接层，每个层有 4096 个神经元，使用 ReLU 激活函数。
Dense(nb_classes, activation='softmax') 输出层使用 softmax 激活函数，输出每个类别的概率，类别数为 nb_classes（即网络的输出类别数）。

创建并返回模型：

model = Model(input_tensor, output_tensor) return model

使用 Model(input_tensor, output_tensor) 创建一个 Keras 模型，并返回这个模型对象。

创建 VGG16 模型：

model = VGG16(1000, (img_width, img_height, 3)) model.summary()

VGG16(1000, (img_width, img_height, 3)) 创建一个具有 1000 个类别的 VGG16 模型，输入图像的形状为 (img_width, img_height, 3)，假设 img_width 和 img_height 是预定义的图像宽度和高度。
model.summary() 打印出模型的概况，包括每层的输出形状和参数数量。

总结：这段代码实现了 VGG16 网络架构，包含了 5 个卷积块，每个块由多个卷积层和池化层组成。最后，网络经过两个全连接层输出类别概率。

四、编译

在准备对模型进行训练之前，还需要再对其进行一些设置。以下内容是在模型的编译步骤中添加的：

损失函数（loss）：用于衡量模型在训练期间的准确率。

优化器（optimizer）：决定模型如何根据其看到的数据和自身的损失函数进行更新。

评价函数（metrics）：用于监控训练和测试步骤。以下示例使用了准确率，即被正确分类的图像的比率。

python 复制代码

model.compile(optimizer="adam",
              loss     ='sparse_categorical_crossentropy',
              metrics  =['accuracy'])

五、训练模型

python 复制代码

from tqdm import tqdm
import tensorflow.keras.backend as K

epochs = 10
lr     = 1e-4

# 记录训练数据，方便后面的分析
history_train_loss     = []
history_train_accuracy = []
history_val_loss       = []
history_val_accuracy   = []

for epoch in range(epochs):
    train_total = len(train_ds)
    val_total   = len(val_ds)
    
    """
    total：预期的迭代数目
    ncols：控制进度条宽度
    mininterval：进度更新最小间隔，以秒为单位（默认值：0.1）
    """
    with tqdm(total=train_total, desc=f'Epoch {epoch + 1}/{epochs}',mininterval=1,ncols=100) as pbar:
        
        lr = lr*0.92
        K.set_value(model.optimizer.lr, lr)

        for image,label in train_ds:   
            """
            训练模型，简单理解train_on_batch就是：它是比model.fit()更高级的一个用法

            想详细了解 train_on_batch 的同学，
            可以看看我的这篇文章：https://www.yuque.com/mingtian-fkmxf/hv4lcq/ztt4gy
            """
            history = model.train_on_batch(image,label)

            train_loss     = history[0]
            train_accuracy = history[1]
            
            pbar.set_postfix({"loss": "%.4f"%train_loss,
                              "accuracy":"%.4f"%train_accuracy,
                              "lr": K.get_value(model.optimizer.lr)})
            pbar.update(1)
        history_train_loss.append(train_loss)
        history_train_accuracy.append(train_accuracy)
            
    print('开始验证！')
    
    with tqdm(total=val_total, desc=f'Epoch {epoch + 1}/{epochs}',mininterval=0.3,ncols=100) as pbar:

        for image,label in val_ds:      
            
            history = model.test_on_batch(image,label)
            
            val_loss     = history[0]
            val_accuracy = history[1]
            
            pbar.set_postfix({"loss": "%.4f"%val_loss,
                              "accuracy":"%.4f"%val_accuracy})
            pbar.update(1)
        history_val_loss.append(val_loss)
        history_val_accuracy.append(val_accuracy)
            
    print('结束验证！')
    print("验证loss为：%.4f"%val_loss)
    print("验证准确率为：%.4f"%val_accuracy)

这段代码是用来训练一个深度学习模型的，并且在每个训练周期（epoch）中进行训练和验证。具体解释如下：

1. 导入模块

from tqdm import tqdm

import tensorflow.keras.backend as K

tqdm: 用于显示进度条，便于监控训练和验证过程的进度。
tensorflow.keras.backend: 提供了与Keras后端进行交互的功能，这里用来动态调整学习率。

2. 初始化训练参数和记录列表

epochs = 10

lr = 1e-4

history_train_loss = []

history_train_accuracy = []

history_val_loss = []

history_val_accuracy = []

epochs = 10: 设置训练周期（epoch）的数量为10。
lr = 1e-4: 设置初始学习率为 0.0001。
history_train_loss, history_train_accuracy, history_val_loss, history_val_accuracy: 用于记录每个epoch中的训练和验证损失及准确度。

3. 训练循环

for epoch in range(epochs):

train_total = len(train_ds)

val_total = len(val_ds)

train_total 和 val_total 分别获取训练集和验证集的大小。

4. 训练过程中的进度条

with tqdm(total=train_total, desc=f'Epoch {epoch + 1}/{epochs}', mininterval=1, ncols=100) as pbar:

使用 tqdm 创建一个进度条显示训练进度。
- total=train_total：进度条的总长度等于训练数据集的大小。
- desc：显示当前epoch的描述信息。
- mininterval=1：进度更新的最小间隔为1秒。
- ncols=100：进度条的宽度设置为100个字符。

5. 每个epoch的训练步骤

lr = lr*0.92

K.set_value(model.optimizer.lr, lr)

每经过一个epoch，学习率会乘以 0.92 来实现学习率衰减，从而逐渐降低学习率，帮助模型收敛。
使用 K.set_value 来更新模型优化器的学习率。

6. 训练每个batch

for image, label in train_ds:

history = model.train_on_batch(image, label)

这里使用了 train_on_batch()，它是一种更细粒度的训练方式，相较于 model.fit()，train_on_batch() 在每个批次上训练，而 model.fit() 是在整个数据集上进行训练。
history = model.train_on_batch(image, label)：对当前的训练批次进行训练，返回训练的损失值和准确率。

7. 更新进度条信息

pbar.set_postfix({"loss": "%.4f"%train_loss, "accuracy":"%.4f"%train_accuracy, "lr": K.get_value(model.optimizer.lr)})

使用 set_postfix 方法动态更新进度条显示的信息，包括当前的训练损失、训练准确率和当前的学习率。

8. 记录训练结果

history_train_loss.append(train_loss) history_train_accuracy.append(train_accuracy)

将当前epoch的训练损失和准确率添加到历史记录列表中，方便后续分析。

9. 验证过程

with tqdm(total=val_total, desc=f'Epoch {epoch + 1}/{epochs}', mininterval=0.3, ncols=100) as pbar:

使用 tqdm 创建一个进度条显示验证过程的进度，参数与训练过程类似。

10. 每个batch的验证

for image, label in val_ds: history = model.test_on_batch(image, label)

使用 test_on_batch() 进行验证，与 train_on_batch() 类似，只是它用于验证阶段。

11. 更新验证进度条信息

pbar.set_postfix({"loss": "%.4f"%val_loss, "accuracy":"%.4f"%val_accuracy})

同样使用 set_postfix 更新验证过程中的损失和准确率信息。

12. 记录验证结果

history_val_loss.append(val_loss)

history_val_accuracy.append(val_accuracy)

将当前epoch的验证损失和验证准确率记录到历史列表中。

13. 打印每个epoch结束时的结果

print("验证loss为：%.4f"%val_loss) print("验证准确率为：%.4f"%val_accuracy)

在每个epoch结束后，打印出当前epoch的验证损失和准确率。

总结：

该代码是一个包含训练和验证过程的深度学习模型训练脚本。它使用 train_on_batch() 和 test_on_batch() 方法逐步处理每个批次，且在训练过程中动态调整学习率，使用 tqdm 显示训练和验证的进度条，并记录每个epoch的损失和准确率。