自己动手写一个TensorFlow数字识别系统
第三课
——实战
就这么迎来了假期的最后一天，有没有觉得美好的时光总是过得非常短暂呢？今天是《自己动手写一个TensorFlow数字识别系统》系列教程的第三课也是最后一课：《实战》。不知道大家经过这三天的突击学习，有没有一种豁然开朗的感觉？来，站好最后一班岗，开始实战演练！
1 TFRecord
TensorFlow提供了一种统一的格式来存储数据，这个格式就是TFRecord。
message Example {
查看读入的TFRecord图片
Features features = 1;
};
message Features{
map<string,Feature> featrue = 1;
};
message Feature{
oneof kind{
BytesList bytes_list = 1;
FloatList float_list = 2;
Int64List int64_list = 3;
}
};
从代码中我们可以看到， tf.train.Example 包含了一个字典，它的键是一个字符串，值为Feature，Feature可以取值为字符串（BytesList）、浮点数列表（FloatList）、整型数列表（Int64List）。
2 写入一个TFRecord一般分为三步
·读取需要转化的数据
·将数据转化为Example Protocol Buffer，并写入这个数据结构
·通过将数据转化为字符串后，通过TFRecordWriter写出
方法一
这次我们的数据是分别保存在多个文件夹下的，因此读取数据最直接的方法是遍历目录下所有文件，然后读入写出TFRecord文件。该方法对应文件 MakeTFRecord.py，
我们来看关键代码：
filenameTrain = ’TFRecord/train.tfrecords’
filenameTest = ’TFRecord/test.tfrecords’
writerTrain = tf.python_io.TFRecordWriter(filenameTrain)
writerTest = tf.python_io.TFRecordWriter(filenameTest)
folders = os.listdir(HOME_PATH)
for subFoldersName in folders:
label = transform_label(subFoldersName)
path = os.path.join(HOME_PATH, subFoldersName) # 文件夹路径
subFoldersNameList = os.listdir(path)
i = 0
for imageName in subFoldersNameList:
imagePath = os.path.join(path, imageName)
images = cv2.imread(imagePath)
res = cv2.resize(images, (128, 128), interpolation=cv2.INTER_CUBIC)
image_raw_data = res.tostring()
example = tf.train.Example(features=tf.train.Features(feature={
’label’: _int64_feature(label),
’image_raw’: _bytes_feature(image_raw_data)
}))
if i <= len(subFoldersNameList) * 3 / 4:
writerTrain.write(example.SerializeToString())
else:
writerTest.write(example.SerializeToString())
i += 1
在做数据的时候，我打算将3/4的数据用做训练集，剩下的1/4数据作为测试集，方便起见，将其保存为两个文件。基本流程就是遍历Fnt目录下的所有文件夹，再进入子文件夹遍历其目录下的图片文件，然后用OpenCV的 imread方法将其读入，再将图片数据转化为字符串。在TFRecord提供的数据结构中`bytesfeature’是存储字符串的。
以上将图片成功读入并写入了TFRecord的数据结构中，那图片对应的标签怎么办呢？
def transform_label(folderName):
label_dict = {
’Sample001’: 0,
’Sample002’: 1,
’Sample003’: 2,
’Sample004’: 3,
’Sample005’: 4,
’Sample006’: 5,
保存模型
’Sample007’: 6,
’Sample008’: 7,
’Sample009’: 8,
’Sample010’: 9,
’Sample011’: 10,
}
return label_dict[folderName]
我建立了一个字典，由于一个文件下的图片都是同一类的，所以将图片对应的文件夹名字与它所对应的标签，产生映射关系。代码中 label=transform_label(subFoldersName)通过该方法获得图片的标签。
方法二
在使用方法一产生的数据训练模型，会发现非常容易产生过拟合。因为我们在读数据的时候是将它打包成batch读入的，虽然可以使用 tf.train.shuffle_batch方法将队列中的数据打乱再读入，但是由于一个类中的数据过多，会导致即便打乱后也是同一个类中的数据。
例如：数字0有1000个样本，假设你读取的队列长达1000个，这样即便打乱队列后读取的图片任然是0。这在训练时容易过拟合。
为了避免这种情况发生，我的想法是在做数据时将图片打乱后写入。对应文件 MakeTFRecord2.py，
关键代码如下：
folders = os.listdir(HOME_PATH)
for subFoldersName in folders:
path = os.path.join(HOME_PATH, subFoldersName) # 文件夹路径
subFoldersNameList = os.listdir(path)
for imageName in subFoldersNameList:
imagePath = os.path.join(path, imageName)
totalList.append(imagePath)
# 产生一个长度为图片总数的不重复随机数序列
dictlist = random.sample(range(0, len(totalList)), len(totalList))
print(totalList[0].split(’\\’)[1].split(’-’)[0]) # 这是图片对应的类别
i = 0
for path in totalList:
images = cv2.imread(totalList[dictlist[i]])
res = cv2.resize(images, (128, 128), interpolation=cv2.INTER_CUBIC)
image_raw_data = res.tostring()
label = transform_label(totalList[dictlist[i]].split(’\\’)[1].split(’-’)[0])
print(label)
example = tf.train.Example(features=tf.train.Features(feature={
’label’: _int64_feature(label),
’image_raw’: _bytes_feature(image_raw_data)
}))
if i <= len(totalList) * 3 / 4:
writerTrain.write(example.SerializeToString())
else:
writerTest.write(example.SerializeToString())
i += 1
基本过程：遍历目录下所有的图片，将它的路径加入一个大的列表。通过一个不重复的随机数序列，来控制使用哪张图片。这就达到了随机的目的。
3 获取标签
怎么获取标签呢？图片文件都是 类型-序号这个形式命名的，这里通过获取它的 类型名，建立字典产生映射关系。
def transform_label(imgType):
label_dict = {
’img001’: 0,
’img002’: 1,
’img003’: 2,
’img004’: 3,
’img005’: 4,
’img006’: 5,
’img007’: 6,
’img008’: 7,
’img009’: 8,
’img010’: 9,
’img011’: 10,
}
return label_dict[imgType]
4. 读取TFRecord数据
原尺寸图片CNN对应 CNN_train.py文件，训练的时候怎么读取TFRecord数据呢？
参考以下代码：
# 读训练集数据
def read_train_data():
reader = tf.TFRecordReader()
filename_train
= tf.train.string_input_producer(["TFRecord128/train.tfrecords"])
_, serialized_example_test = reader.read(filename_train)
features = tf.parse_single_example(
serialized_example_test,
features={
’label’: tf.FixedLenFeature([], tf.int64),
’image_raw’: tf.FixedLenFeature([], tf.string),
}
)
img_train = features[’image_raw’]
images_train = tf.decode_raw(img_train, tf.uint8)
images_train = tf.reshape(images_train, [128, 128, 3])
labels_train = tf.cast(features[’label’], tf.int64)
labels_train = tf.cast(labels_train, tf.int64)
labels_train = tf.one_hot(labels_train, 10)
return images_train, labels_train
通过 features[键名]的方式将存入的数据读取出来，键名和数据类型要与写入的保持一致。
关于这里的卷积神经网络，照搬肯定不行，会遇到loss NaN的情况，我解决的方法是仿照 AlexNet中，在卷积后加入LRN层，进行局部响应归一化。在设置参数时，加入l2正则项。
关键代码如下：
def weights_with_loss(shape, stddev, wl):
var = tf.truncated_normal(stddev=stddev, shape=shape)
if wl is not None:
weight_loss = tf.multiply(tf.nn.l2_loss(var), wl, name=’weight_loss’)
tf.add_to_collection(’losses’, weight_loss)
return tf.Variable(var)
def net(image, drop_pro):
W_conv1 = weights_with_loss([5, 5, 3, 32], 5e-2, wl=0.0)
b_conv1 = biasses([32])
conv1 = tf.nn.relu(conv(image, W_conv1) + b_conv1)
pool1 = max_pool_2x2(conv1)
norm1 = tf.nn.lrn(pool1, 4, bias=1, alpha=0.001 / 9.0, beta=0.75)
W_conv2 = weights_with_loss([5, 5, 32, 64], stddev=5e-2, wl=0.0)
b_conv2 = biasses([64])
conv2 = tf.nn.relu(conv(norm1, W_conv2) + b_conv2)
norm2 = tf.nn.lrn(conv2, 4, bias=1, alpha=0.001 / 9.0, beta=0.75)
pool2 = max_pool_2x2(norm2)
W_conv3 = weights_with_loss([5, 5, 64, 128], stddev=0.04, wl=0.004)
b_conv3 = biasses([128])
conv3 = tf.nn.relu(conv(pool2, W_conv3) + b_conv3)
pool3 = max_pool_2x2(conv3)
W_conv4 = weights_with_loss([5, 5, 128, 256], stddev=1 / 128, wl=0.004)
b_conv4 = biasses([256])
conv4 = tf.nn.relu(conv(pool3, W_conv4) + b_conv4)
pool4 = max_pool_2x2(conv4)
image_raw = tf.reshape(pool4, shape=[-1, 8 * 8 * 256])
# 全连接层
fc_w1 = weights_with_loss(shape=[8 * 8 * 256, 1024], stddev=1 / 256, wl=0.0)
fc_b1 = biasses(shape=[1024])
fc_1 = tf.nn.relu(tf.matmul(image_raw, fc_w1) + fc_b1)
# drop-out层
drop_out = tf.nn.dropout(fc_1, drop_pro)
fc_2 = weights_with_loss([1024, 10], stddev=0.01, wl=0.0)
fc_b2 = biasses([10])
return tf.matmul(drop_out, fc_2) + fc_b2
5.训练
原图训练过程
128x128x3
在验证集上的正确率：
这里使用的是128x128x3的图片，图片比较大，所以我产生了一个想法。在做TFRecord数据的时候，将图片尺寸减半。所以就有了第二种方法。
图片尺寸减半CNN
对应文件 CNN_train2.py。与上面那种方法唯一的区别是将图片尺寸 128*128*3改成了 64*64*3，所以我这里就不重复说明了。
图片训过程
64x64x3
在验证集上的正确率：
在 CNN_train.py中，对应保存模型的代码是：
def save_model(sess, step):
MODEL_SAVE_PATH = "./model128/"
MODEL_NAME = "model.ckpt"
saver = tf.train.Saver()
saver.save(sess, os.path.join(MODEL_SAVE_PATH, MODEL_NAME), global_step=step)
save_model(sess, i)
i是迭代的次数，可以不填其对应的参数 global_step
在测试集上检测准确率
对应文件 AccuracyTest.py代码基本与训练的代码相同，这里直接讲怎么恢复模型。关键代码：
ckpt = tf.train.get_checkpoint_state(MODEL_PATH)
if ckpt and ckpt.model_checkpoint_path:
#加载模型
saver.restore(sess, ckpt.model_checkpoint_path)
值得一提的是 tf.train.get_checkpoint_state该方法会自动找到文件夹下迭代次数最多的模型，然后读入。而 saver.restore(sess,ckpt.model_checkpoint_path)方法将恢复，模型在训练时最后一次迭代的变量参数。
对应文件 ReadTest.py如果你想检查下在制作TFRecord时，图片是否处理的正确，最简单的方法就是将图片显示出来。
关键代码如下：
def plot_images(images, labels):
for i in np.arange(0, 20):
plt.subplot(5, 5, i + 1)
plt.axis(’off’)
plt.title(labels[i], fontsize=14)
plt.subplots_adjust(top=1.5)
plt.imshow(images[i])
plt.show()
plot_images(image, label
代码已经上传github。
Github地址：https://wmpscc.github.io/machinelearning/
如需转载，请后台留言，遵守转载规范